导读
欢迎来到《人才盘点大师谈》第三期，接前文，从“项目化”步入“产品化”是一场划时代的革命。而“产品化”之所以成为现实的可能，离不开AI及大数据的支撑。熟悉AI的人都知道，AI与大数据的关系是相辅相成的、密不可分的，有了大数据，AI才不会遭遇“巧妇难为无米之炊”的困境，而有了AI，大数据也才能对得起“是金子总会发光的”这句至理名言。
既然打着AI旗号的服务与产品一时如过江之鲫，真假莫辩。古语说，“双兔傍地走，安能辩我是雌雄”，而况乎裹着高科技外衣的“AI人才盘点”呢？
真的假不了，假的也真不了。但凡以假充真，一定会留下些蛛丝马迹，如果能逐一加以甄别，自然也就无所遁形了。而明知终难以逃脱市场的法眼，仍要披上AI的外衣，在向运营要效益、向人才要红利的中国经济下半场，通过AI蹭热点、做文章，并据此索取并不存在的价值，其行为与“耍流氓”又有何异呢？
说起大数据，有一类值得我们给予特别的关注，那就是在“有监督学习”的情况下，机器向专家学习所获得的知识、经验或诀窍。专家往往历经数十年积累、打磨，才得以凝练而出所谓的“专家经验”或是“智慧的乳汁”。
这些显然都是不可多得的大数据，只不过这样的大数留存在专家的大脑中，体现在专家的言行中。其挑战在于，不同的专家对同一事物的认知、实践各有巧妙不同，也各有其糟粕，所谓“道全而物偏”正是此意。
因此，如何能吸取所有“专家经验”精华，并不断在高水平上予以固化、升华并归于“一是”，是个中关键。
所谓“一是”指的是将所有“专家的经验”经过完美的借鉴、发展与融合后，不断接近那个必然存在的“终极真理”的过程，而黑格尔在其辩证法学说中所提倡的正反综合的不断演进的结果，莫非如此罢了。不得不承认这是一件非常值得期待且有巨大意义的事情。
现实的情况是，“文人相轻”、“同行相轻”、“跨行相轻”、“隔代相轻”等一系列狭隘思想阻碍了人们取长补短、互借互鉴，这些“专家经验”也因此摆脱不了各自的“光辉孤立”——门派林立、各守一摊、各美其美。
其中最大的遗憾在于，后人在学习与运用时不得不择派、站队，争个你对我错，你死我活，从而造成人类知识与智慧的裂痕与碎片无法得到修补，甚至还会不断放大。
人才盘点从“项目化”向“产品化”的转变，其内核就是要借助AI这个智能机器，把所有的大数据观察出来、挖掘出来、统一起来、保存起来、传承起来、升华起来。如此，人类做不到的，AI将帮我们做到。
有鉴于以上的论述，追究传统的“项目化”人才盘点以及打着AI旗号的人才盘点是否能与AI挂上钩并实现AI化，就变得非常有必要，而且也是可行的。
为此，我为大家提供四个抓手。
1. 线下到线上不是AI化
稍加观察，我们不难发现，有些企业会选择把人才盘点简单地从线下搬到线上。比如年终时统一要求大家改由系统中提交对员工的德、能、勤、绩的打分，并以文本的形式给出绩效评结果，虽然也会基本上给到人才盘点惯用的九宫格或16宫格，但本质上还是人工统计结果的表格化与呈现。它所依靠的主要是IT工程开发技术，AI的使用基本为零。
从本质上看，这只是一个信息化的过程，对此市场上有一个统一的叫法：eHR (Electirc HR)。与此相反的是，如果有了大数据及AI的真正加持，市场则会赋予它另一个叫法：DHR(Digital HR)。
2. 传统线上测评工具不是AI化
有些企业在人才盘点方面采取的主要是O2O的方式，其中的线下(offline)部分，主要是由顾问进行交付，如项目的启动会、访谈、模型建设、测评结果解读、报告撰写、结果汇报以及一对一反馈与辅导，而线上(online)部分则指的是传统的线上测评工具或测评中心(Assessment Center)，包括性格测评、公文筐、案例分析等。
以性格测评为例，受测者需要对几十条倾向性问题进行从低到高的选择，因而所反映的是受测者的个人主观倾向，很难区分选择的结果是基于个性特征还是基于价值观的选择。
如果是AI支持的测评，就可以在受测者不知其用意的情况下，通过互动或开放性问题，获得一段受测者的视频、语音或文本性答案，并交由AI去洞察受测者的性格特征。
公文筐及案例分析看起来是线上的工具，但其实受测者的作答还是要由线下的顾问去分析并给出判断，其所存在的问题已经反映在了前述对“人类智慧”与“AI智慧”的分析比较中了，此处不再赘述。
3. 处理人事行政数据不是AI化
前文说到，AI与大数据是密不可分的，但处理什么样的数据却是有讲究的。
一般来看，企业的大数据来源有三，一是传统的人事、行政、档案数据，如员工的姓名、性别、出生日期、学历、岗位、部门、薪资、假期、考勤、绩效等等这些常态化的信息，对这些数据的采集、分析及结果输出，都有严格的制度规定，基本上用一般的统计技术及工程开发的能力就可以很好地处理，动用AI则是“杀鸡用牛刀”，也没有任何意义。
大数据第二个来源方向是管理知识、经验或诀窍，对人才盘点来说，包括但不限于管理者或专家对人才盘点如何设计、如何定标准、如何确定有价值的数据维度、如何采集这些数据、如何测评、如何判断结果、如何给出盘点意见、如何提出下一步改进与发展建议等，也就是说要化经验为数据！从这一点看，线下人才盘点与O2O人才盘点项目基本不会发生这样的数据转化过程。
大数据的第三个来源是对人才发现、人才发展及人才发挥等所有相关环节的管理行为、员工行为、反馈行为以及改进行为，通过“数字化”把隐性数据显性化。这些行为每天在企业中发生，像空气一样无时无处不丰，通常人们倾向于熟视无睹，而任由这些行为及其背后所隐藏的数据白白流失，但太多的真材实料却隐藏其中。
因为这些“看不见的数据”恰恰最能揭示问题、说明问题，也定然是最富的矿藏。毫无疑问，传统项目化人才盘点以及所谓的O2O人才盘点，从来就不会花力气挖掘这些沉睡的宝藏，他们也就没有机会运用AI进行进一步的挖掘与洞察，更谈不上以此持续动态地指导未来的人才发展与盘点。
4. 购买外部的AI不是AI化
有些企业急于为自己的服务与产品打上AI的标签，于是就想到从外部去购买一些通用的或标准化的AI能力，以解燃眉之急，这其中也包含了一些提供人才盘点服务的公司。
这虽然在一定的程度上解决了AI能力从无到有的问题，但俗话说的好，“借来的火点不亮自己的心灵”，也就是说，外购的AI解决不了人才盘点AI化的问题。
道理很简单，任何AI能力要想对买方有所帮助，必须要建立在对买方企业大数据的占有、挖掘及不断建模与调优的基础上，否则这个外部AI能力组件再好，与购买它的企业以及它所服务的客户又有什么关系呢？
也就是说，这样的外部AI能力对企业来说，一定会“水土不服”，勉强使用也是“关公战秦琼”式的生拉硬拽。结果，除了给自己贴上所谓的AI标签外，并不能为客户创造真正的价值。
自然，这样的人才盘点也只能是“换汤不换药”，打着AI的旗号，耍耍花架子罢了。
行文至此，相信您对真假李逵，已不再困惑。
借助AI的有力支持，并向产品迈进，还不是人才盘点的尽头。市场上，许多企业已经提出了更多的要求，并开始了新的实践。
作者简介
梁星晖
e成科技总裁、创始合伙人、AI咨询首席架构师。致力于让咨询真正成为标准化的普世产品与服务，“让天下没有用不起的咨询”。
曾任合益管理咨询中华区咨询业务总裁。
下期预告
真的假不了，假的也真不了。面对AI乱象，时间终将为市场大浪淘沙，去伪存真。
真正的AI人才盘点只需把握四个抓手，让人才盘点借助专家之智、AI之力、数据之实真实地还原企业人才现状。
或许，它能做的还不止于此，AI人才盘点能为企业带来哪些惊喜？
下期见分晓。
网友评论