-
公平
调查显示：超过50%的员工更信任AI而非HR专业人士
AI在HR中的作用 人工智能（AI）在“人力资源”（HR）领域的应用，乍一听似乎有些矛盾。毕竟，这个领域名为“人力资源”，强调的是“人”。然而，最近的一项研究表明，事实可能并非如此。我们对不同行业的员工进行了调查，以更好地了解他们对人工智能在人力资源领域未来发展的看法。结果显示，大部分人对AI持非常积极的态度。许多员工在多种情境下更愿意依赖AI，这引发了对HR角色未来发展的深刻思考。
根据对800多名目前在美国工作的专业人士的调查，有超过50%的受访者表示，他们比起人类HR专业人士更信任AI。这反映了对AI高度的信任，同时也揭示了对人类HR的某种不信任。在本文中，我们将探讨这些调查结果及其可能的意义。
关键发现：
超过50%的员工比起人类HR专业人士更信任AI。
超过50%的员工相信AI驱动的HR工具可以避免种族、性别或年龄偏见。
超过60%的员工认为AI生成的个性化绩效目标非常有用。
超过75%的员工愿意选择AI进行绩效评估，而不是传统的人类经理反馈。
40%的员工最信任AI在培训和绩效评估中的应用。
超过50%的员工信任AI多于人类HR专业人士
AI在HR中的应用趋势越来越明显。超过半数（54.99%）的受访者表示，他们比起人类HR专业人士，更信任AI。这反映了两方面的趋势：员工对AI能力的高度信任，同时也显示出对人类HR专业人士的某种不信任。
当问到员工愿意让AI负责哪些HR任务时，67.21%的受访者表示，他们对AI处理入职培训和员工培训感到放心。这反映了对AI在帮助新员工适应岗位能力方面的信任。此外，近60%的员工更愿意选择AI生成的绩效反馈，而非人类HR提供的反馈，进一步显示出对AI公正性和一致性的信赖。
这些数据表明，员工对AI的信任并不局限于观念，而是已体现在具体行动上。不仅如此，许多员工希望AI能够负责关键的HR任务，这一趋势将显著影响未来HR的发展。
超过50%的员工相信AI HR工具可以避免偏见
关于AI偏见的问题一直是讨论的焦点，尤其是在像HR这样敏感的领域。然而，人工评估也未必能完全避免偏见。根据2023年的一项研究报告，25%的员工认为他们的绩效评估因上司的个人偏见而受到负面影响。
在本次调查中，64.75%的受访者对AI HR工具的公平性充满信心。其中，38.9%的受访者非常有信心，25.85%的受访者比较有信心。这一比例反映了对AI在避免偏见方面的高度信任。
此外，20.45%的受访者认为AI工具可以提供无偏见的绩效评估，表明许多人相信AI能够缓解人类主观性带来的问题。受访者还认为，AI在入职培训（38.31%）、绩效评估（39.13%）以及薪资谈判（33.25%）等关键领域都具有公平性。
这些数据表明，无论AI工具如何训练，其基于数据驱动的方法被广泛视为更公平。相比之下，人类可能无法完全公正地分析所有因素。因此，许多员工更倾向于依赖AI处理HR中的某些关键问题。
超过60%的员工认为AI生成的绩效目标有用
AI在人力资源中是否能促进职业发展和个人成长？我们的研究给出了肯定的答案。超过64%的受访者表示，他们认为AI生成的绩效目标很有用，其中40.78%的受访者认为“非常有用”，23.38%认为“比较有用”。
这种对AI指导职业发展的偏好可能源于员工对个性化体验的需求。例如，专为HR设计的AI工具可以根据员工的个人表现、公司目标以及行业基准生成个性化绩效目标。这不仅有助于满足员工需求，还能显著提高工作表现。
这一结果与另一个问题的答案相一致：26.44%的员工信任AI在职业发展中的应用。这种乐观的态度进一步强化了员工对AI的信任。
超过75%的员工愿意选择AI进行绩效评估
如果64%的员工愿意接受AI生成的绩效目标，那么在绩效评估中会是什么情况？数据显示，绝大多数员工更倾向于选择AI进行绩效评估。
事实上，超过75%的员工更愿意接受AI的反馈，而不是传统人类经理的评估。原因可能包括：员工觉得AI能够更客观地提供反馈；人类经理可能不够坦率或透明；员工对AI的信赖感更强。
此外，我们发现，25%的员工相信AI驱动的HR服务在可用性上优于人类经理。员工可能更信任AI能全面分析绩效数据并提供准确反馈，而人类经理在某些情况下可能无法达到这样的标准。
值得注意的是，这种偏好并不仅限于绩效评估。67.21%的员工表示，他们对AI指导完成入职流程感到满意，而36.19%的受访者认为生成式AI可以改善入职培训。这表明，AI在这些关键任务中的应用为员工的长期成功奠定了基础。
40%的员工信任AI在培训和绩效评估中的应用
最后，我们调查了员工对AI在员工体验中的信任领域。39.13%的受访者表示，他们最信任AI用于绩效评估和培训，26.44%认为AI在职业发展中也有助益。总的来看，受访者选择了多个信任领域，表明AI的适用范围和信任度较广。
这一比例在人力资源专业人士中更高。数据显示，超过50%的人力资源专业人士信任AI进行绩效评估。这不仅证明了员工对AI的信任，也表明HR从业者本身对AI在关键任务中的认可。
AI的使用如何增强HR的信任感
总体数据表明，在HR中使用AI实际上增强了员工对HR的信任，而非削弱。这一发现颠覆了许多关于AI的偏见，也为HR部门提供了新的启示。
行动建议：
投资AI入职工具：HR部门应考虑至少投资AI驱动的入职和培训工具。可以先进行试点项目，根据反馈优化后再大规模实施。
采用混合模式：如果还没有准备好全面采用AI，可以尝试混合模式。利用AI处理数据分析和反馈等优势任务，同时在人类判断力至关重要的决策中保留人工干预。
试验AI绩效评估：使用例如Campbell、DeepReview或ServiceNow等AI工具辅助绩效评估，同时辅以人类的互动支持。
培训HR团队适应AI：HR专业人士需要掌握数据解读、伦理AI实践和变革管理等技能，以确保团队能够顺利过渡。
结论 使用AI技术不仅可以提高HR部门的效率，还可以增强员工对HR的信任。企业如果不抓住这一趋势，可能会错失改进HR流程和提升员工体验的机会。
-
公平
Indeed宣布裁员1000人，占美国员工8%，CEO说要简化组织结构
Indeed，这家招聘网站宣布裁员约 1000 人，约占其美国员工总数的 8%。这一决定是通过首席执行官克里斯-海姆斯（Chris Hyams）的一封信传达的，主要影响到研发团队和市场团队。与去年因节约成本而裁员 15%不同，此次裁员旨在简化组织结构，以更好地进行决策和实现收入增长。海因斯强调，公司与人力资源部和 DEIB+ 团队合作，确保决策的公平性和客观性，并指出裁员不会对女性、代表性不足的性别或少数民族造成过大的影响。受影响的员工将获得更好的离职待遇，这体现了公司在过渡期间为员工提供支持的努力。
2023年3月也裁员了15%的员工，约2200位员工。
美国知名招聘网站Indeed宣布将大规模裁员，解雇约1,000名员工，占其美国员工总数的约8%。这一决定通过CEO Chris Hyams于周一发给员工的一封信传达，信中详细说明了裁员的战略原因及公司未来的发展方向。
受影响的职位主要集中在研发（R&D）和市场推广团队。此次行动是继去年裁减15%员工后的又一大动作，去年裁员是由于疫情后招聘岗位减少所致。然而，Hyams强调此次裁员并非出于节约成本的考虑，而是为了简化公司的组织结构。
“我们需要简化组织，以便更轻松和快速地做出决策，并更有效地增加收入和招聘，”Hyams在信中解释道。他承认这些决定对员工生活有重大影响，并对公司目前的状况负有责任。
Indeed一直与人力资源、法律和多样性、公平、包容和归属（DEIB+）团队密切合作，确保裁员过程的公平和客观。Hyams保证决策过程没有对女性、代表性不足的性别或少数群体产生不成比例的影响。公司还改进了受影响员工的离职补偿包，体现了公司在这一过渡期对他们的支持承诺。
此次重组努力是Indeed更广泛战略的一部分，旨在提高运营效率，并为可持续增长做好准备。Hyams指出：“尽管过去一年全球经济在若干领域有所改善，但我们尚未为可持续增长做好准备。尽管我们迄今为止付出了努力，但我们的组织仍然过于复杂，存在大量重复劳动和过多的组织层级，这些都拖慢了决策过程。”
Hyams最后表示，相信这些变化是Indeed成功应对未来挑战和机遇所必需的。公司希望通过这些变化，创建一个更加精简和灵活的组织，能够更快地做出决策和更有效地增加收入。
Indeed的决定反映了科技公司在快速变化的经济环境中努力平衡效率和增长的更广泛趋势。在公司度过这一过渡期的过程中，业内将密切关注这些变化对其业绩和员工士气的影响。
关于Indeed：
Indeed是领先的招聘网站，帮助人们找到工作并帮助公司招聘人才。公司在全球运营，连接了数百万求职者与各行业的就业机会。凭借对创新和用户体验的关注，Indeed继续在就业市场中占据重要地位。
-
公平
【英国】招聘平台提供商Pollen Careers获得11.2万英镑融资
总部位于英国伦敦的招聘平台提供商 Pollen Careers 获得 11.2 万英镑融资。本轮融资通过SeedLegals进行，在一周内就达到了目标金额的100%，并在超募12%后完成了本轮融资。
公司打算利用这笔资金扩大运营规模，以容纳更多的雇主、满足需求、实现流程自动化和产品设计。
40%的年轻毕业生从事低技能工作或失业。对于年轻的非毕业生而言，这一数字几乎达到 80%。然而，招聘和留住人才是雇主最难解决的问题。随着经济负担越来越重，年轻人的焦虑和精神疾病达到历史最高水平也就不足为奇了，这不仅影响了他们自己的未来，也影响了我们国家的未来。
Pollen Careers 使命是将初级就业市场转变为一个更具包容性和更加公平的空间。我们创新求职者获得个性化支持、技能和机会的方式，让他们能够茁壮成长，并为雇主提供多样化的人才库，让他们能够随时发挥所长。我们正在共同打造一个可持续的工作未来，让每个人都有机会取得成功。
Pollen Careers于2023年由Sophie O'Brien创办，旨在提供一个平台，使初级就业市场成为一个更加包容和公平的空间，让年轻求职者能够获得个性化的支持、所需的技能和机会，并让雇主能够接触到随时准备大显身手的各类人才。
自成立以来，Pollen Careers 已建立并支持了一个拥有 2,500 多名初级求职者的社区，并为 Cubitts、HPS Engineering、MyBigCareer、Kitt 等公司提供服务。
关于Pollen Careers
Pollen Careers 是一个数字招聘和求职平台。它为初级求职者提供个性化支持、技能和机会，然后再将他们与招聘人员联系起来，而不是通过职位描述和简历来传递信息，从而为招聘工作提供便利。
-
公平
【英国】招聘流程验证平台CV Wallet获得50万美元融资
位于英国伦敦的招聘流程验证平台 CV Wallet 获得了 50 万美元的天使投资，其验证生态系统估值超过 1300 万美元。
总部位于伦敦的简历钱包CV Wallet是一个验证生态系统，该系统通过将其基于 SaaS 的雇主验证平台、求职者职业管理应用程序和合作伙伴广告交易平台独特地结合在一起，在招聘过程中创造信任。本轮投资对公司的估值超过 1300 万美元，是上一轮投资的两倍，使公司迄今为止的融资总额略高于 200 万美元。本轮融资获得了现有投资者的超额认购，并在 48 小时内完成。
本轮融资是为了应对收入的快速增长，此前公司于 3 月初推出了首批商业产品--基于 SaaS 的验证平台和 AdExchange。筹集到的资金将用于推进招聘计划，以满足业务从初创模式向规模扩张转变时的需求。
CV Wallet 联合创始人Richard Collins在谈到此次融资时说： “我们只需要进行一小轮融资，因为我们正在迅速实现盈利，但鉴于收入的显著增长，我们希望能够放心地提前实施招聘计划。我们非常幸运能在ClickIQ时期就拥有如此支持我们的股东，这让我们能够快速完成本轮融资，而不必分心去筹集资金。
CV Wallet 的联合创始人Beverly Collins补充道："求职者对生成式人工智能的快速应用给雇主带来了前所未有的挑战。通过在招聘流程开始时对求职者进行实时验证，我们独特的生态系统以低成本、高效率的方式解决了这些问题，这样招聘人员就可以节省在不合适的求职者身上浪费的时间和金钱，直接找到胜任工作的求职者。
关于CV Wallet
CV Wallet是一个基于 SaaS 的开创性验证平台，通过让求职者存储简历/简历证明，让雇主在招聘流程开始时进行基于证明的筛选，从而在招聘流程中建立信任，直接找到合适的求职者，节省时间和金钱。公司的使命是结合最新的 Web3 和人工智能技术，创建一个更公平、更高效、更可信的招聘生态系统。CV Wallet 由理查德和贝弗利-柯林斯于 2022 年共同创立，他们是程序化广告初创公司 ClickIQ 背后的二人组，ClickIQ 改变了公司自动化管理招聘广告的方式。该平台于2019年出售给Indeed，推出仅800天。
-
公平
英国DE&I初创公司MeVitae获得170万欧元种子轮融资，以继续提高工作场所的公平性和公正性
总部位于英国的 DE&I 初创公司 MeVitae 在 Apex Black 领投的种子轮融资中获得170 万欧元。这笔新资金将用于推动创新，促进其在美国的快速扩张。目前，MeVitae 位于牛津大学的创新中心哈威尔（Harwell），提供全面的 DE&I 生态系统，包括精心设计的人力资源工具，用于检测和减少认知和算法偏见，帮助企业改进招聘流程，促进更智能、更快速、更公平的招聘决策。
在这股创新力量的背后，是MeVitae的创业故事。MeVitae 由牛津大学校友、神经科学家 Riham Satti 和计算机科学家 Vivek Doraiswamy 创立。
"MeVitae 联合创始人兼首席执行官 Riham Satti 说："在我成长的过程中，我从未考虑过自己可能会因为性别或肤色而得不到机会，但在大学学习时，我开始看到这种情况在我的网络中出现。
"随着我在攻读学位期间对人类决策的深入研究，偏见的僵化本质变得越来越明显。通过广泛的研究，我和 Vivek 发现偏见对招聘等常规决策的影响无处不在，而且人们对这一关键问题明显缺乏认识。凭借我们的科学背景，Vivek 和我都是天生的问题解决者，因此我们联手运用人工智能伦理和神经科学的观点来解决工作场所的偏见问题，"Riham 补充道。
"时至今日，自首席多元化官崛起以来，我们见证了各组织对解决员工偏见问题的更大承诺。然而，一个长期存在的挑战依然存在：企业不知道该实施哪些干预措施，也不知道如何量化其影响，"Riham 强调说。
MeVitae 的解决方案直接解决了这一当务之急。这些工具不仅能识别申请者成功率的不平衡，还能从各种工具中推荐干预措施来纠正这种不平衡。然后，MeVitae 的 DE&I 分析工具可帮助企业量化这些干预措施的影响，从而促进制定明智的 DE&I 战略。
MeVitae 的客户遍及金融、政府和技术领域，包括英国第二高速铁路公司（HS2）、英国铁路公司（TfL）和优质食品研究所（Good Food Institute），MeVitae 的开创性解决方案已经取得了切实的成果，客户报告称其组织内的性别和种族多样性大幅提高了 30%。这些成就有力地证明了 MeVitae 的创新方法在推动有影响力的积极变革方面的有效性。
在短短的时间内，屡获殊荣的技术提供商MeVitae不仅与甲骨文和微软等行业巨头建立了合作关系，还实现了显著增长。在过去的十二个月里，公司实现了 350% 的惊人扩张，目前正在盈利运营。此外，MeVitae 还引入了一位著名的行业专家 Geoff Lloyd，加强了其领导团队的实力。Geoff Lloyd 是一位精通人力资源的专业人士，曾在空中客车、Serco 和 Meggitt 等富时公司担任董事会成员。
"Geoff Lloyd 说："我很高兴能加入 MeVitae 董事会，因为长期以来，各组织一直在努力实现多元化和包容性方面的巨大进步。"MeVitae创建了一个真正创新的技术平台，通过消除偏见和缩短招聘时间，并以一流的分析技术为支撑，大大提高了企业能够获得的人才库的广度和深度。
最近的这笔投资标志着MeVitae迎来了关键时刻，为加快创新产品的开发和增强现有解决方案提供了必要的资源。此外，这笔资金还有力地推动了MeVitae在美国的扩张，使团队的业务范围得以扩大。尽管总部设在英国，但MeVitae的大部分客户都在美国，因此这笔投资对于推动MeVitae在美国和加拿大的扩张至关重要。MeVitae 雄心勃勃，立志成为多元化、公平和包容性领域的领导者。
"Apex Black 创始合伙人 Rani Saad 说："MeVitae 正在让工作场所变得更加公平和公正，我们很荣幸能支持他们完成使命。"全球越来越多的公共和私营机构信任MeVitae，帮助他们实现多元化、公平和包容。我们相信，这是对MeVitae解决方案中蕴含的深度创新和领域专业知识的验证，也是对团队坚定不移的热情的证明。
关于MeVitae
MeVitae 由两位屡获殊荣的牛津人 Riham Satti 和 Vivek Doraiswamy 创立于 2014 年。Riham 是一名神经科学家，热衷于决策科学，而 Vivek 则是一名计算机科学家，坚信机器的力量。在 MeVitae，他们的目标是解决将人与机器结合在一起的难题，从而释放人类的潜能。自多年前开始创业之旅以来，MeVitae 已帮助世界各地的公司和合作伙伴实现了更加多元化、更具变革性和包容性的发展。
-
公平
【美国】员工财务健康平台Rain获得3亿美元融资，以拓展创新型金融健康解决方案
帮助企业加强员工财务控制的财务健康平台Rain宣布已从Clear Haven Capital Management获得3亿美元融资，用于新的信用贷款。有了这笔新资金，Rain 现在有更多的资金为其不断增长的客户群提供服务，使其能够为员工提供一种简便的方式来实时获取他们赚取的工资，从而提高员工保留率、求职申请率和员工参与度。
传统的工资周期往往会成为增加储蓄和实现财务健康的障碍，据估计，美国人花费了超过 1700 亿美元等待下一次发工资。Rain 的财务健康平台为他们提供了方便，让他们可以在工作时实时获取自己辛苦赚来的工资，而不用等到发薪日。有了新一轮融资，Rain 将能够向更多寻求将工资收入作为一项福利的雇主推广这项服务。
"Rain 首席运营官 Fred Choquette 表示："有了 Clear Haven 提供的 3 亿美元资金，我们将扩大我们的业务范围，进一步履行我们的使命，让所有美国人都能过上他们负担得起的生活，免受掠夺性收费和贷款产品的影响。"通过让员工在最需要的时候获得他们辛辛苦苦挣来的工资，我们减轻了他们对金融产品的依赖，这些产品会进一步将他们推向债务深渊。我们致力于进一步增强美国人的能力，帮助他们实现真正的财务自由"。
Rain 的 "按需支付 "功能允许员工通过每次交易支付小额费用（类似于 ATM 收费）来获得每日工资。这使他们能够更好地控制自己的财务，帮助他们避免透支费和高息贷款。Rain 还遵守最高合规标准，符合消费者金融保护局制定的准则，是目前最安全的 EWA 提供商之一。
Rain 是市场上最无缝、数据最少的 EWA 提供商，可轻松与计时和薪资系统集成，使用时所需数据量最少。作为一项自愿福利提供给员工的雇主可以免费使用。此外，Rain 还为员工提供财务健康工具，并允许雇主限制提取金额不超过员工每个薪资期总收入的 50%。这些因素加在一起，使 Rain 成为公司为员工提供 EWA 福利的最简单方式之一。EWA 的核心宗旨是帮助雇主提高员工留任率、参与度和生产力。2023 年，Rain 的雇主发现，使用该应用程序的员工的留用率平均提高了 50%，此外，他们的员工平均每月工作时间超过 20 小时。此外，据估计，Rain 通过避免透支费用和发薪日贷款的相关利息，为其客户的员工节省了超过 5100 万美元，从而实现了其促进员工财务健康的承诺。
"Clear Haven Capital Management 管理合伙人 Mark Simmer 表示："Clear Haven 很荣幸能向 Rain 提供 3 亿美元的资金，这是其致力于帮助雇主和员工在充满挑战的经济环境中茁壮成长，并踏上更具弹性的财务健康之旅的一部分。"Rain 坚定不移地履行使命，通过让员工获得自己挣得的工资来改变财务健康状况，这与 Clear Haven 的愿景完美契合，即创造一个更具包容性和公平的财务未来。我们很高兴能与 Rain 合作，共同为员工赋权，重新定义传统的财务健康概念。
关于Rain
Rain 是以员工为中心的财务健康解决方案领域值得信赖的领导者，为全国的中型市场和企业组织提供服务。通过一整套产品，包括工资收入访问和一系列财务健康福利，Rain 可无缝集成到任何组织的现有基础设施中，提供有效财务管理所必需的灵活性。此外，Rain 以消除发薪日贷款和掠夺性金融产品为坚定使命，倡导个人赋权，让员工掌控自己的收入和财务未来。
关于Clear Haven Management
Clear Haven 资本管理公司为金融服务公司提供资产负债表资本解决方案，以推出和推广金融产品。Clear Haven 与众多公司合作，在消费、抵押贷款和小企业金融领域推出和推广创新金融产品。Clear Haven 的使命是提供既精简又可扩展的资本解决方案，让合作伙伴有更多时间专注于核心业务和客户。我们不仅致力于提供贷款，而且还提供克服财务障碍和加速发展所需的战略支持。
-
公平
2024年5大人才保留趋势
虽然大多数人力资源专业人士都认为 "大辞职潮 "已经过去，但在 2024 年及以后，留住员工仍将是企业面临的挑战。
根据 iHire 最近发布的《2023 年人才挽留报告》，我们对 4100 多名美国员工和雇主进行了调查，结果显示，近五分之二的员工（38.9%）预计将在未来一年内辞职。与此同时，60.9% 的雇主认为，在未来几个月内，他们所在企业的员工流失率将上升或保持不变。
无论您是预计招聘人数会增加，还是准备冻结招聘和裁员，防止员工自愿离职都应该是您 2024 年人力资源工作的重点。为了帮助您做好留住人才的准备，请考虑我们的调查发现的以下五大趋势：
1.工作场所中的毒害比不满意的薪酬更容易导致离职
在去年离职的员工中，有 35.7% 的人是因为工作环境恶劣或负面影响而离职，因为工作环境恶劣是导致员工辞职的首要原因。此外，20.3% 的员工因工资不理想而离职，这是第七大离职原因。此外，积极的工作环境也是员工选择留在雇主身边的首要原因（工资除外）。
2024 年，营造以人为本的工作环境，为员工提供模范的工作体验，将是留住人才的关键。 金钱报酬对留住员工的作用有限；一旦加薪或奖金带来的最初兴奋劲过去，员工就会在日常工作中寻求满足感--如果雇主不能提供这种满足感，他们就会另谋高就。
2.公平和有竞争力的薪酬仍然很重要
尽管有上述调查结果，但薪酬仍然是留住员工的重要因素。也就是说，在过去一年中，65.2% 的雇主为员工加薪，40.2% 的雇主为员工发放奖金，以降低员工流失率。此外，53.3% 的员工表示，如果假设其他地方有更好的机会，加薪会说服他们留在目前的工作岗位。
在新的一年里，雇主应确保他们的薪资标准至少符合市场水平，并根据他们的研究做出必要的调整。这不仅对留住人才至关重要，对招聘应聘者也是如此。
3.雇员与雇主之间的信任正在减弱
工会活动的增加证明，员工正在失去对雇主的信任。以这些调查结果为例： 据受访雇主称，近一半（49.3%）的离职员工告诉上司，他们是因 "个人原因 "辞职的。然而，当我们对员工进行调查时，仅有 20.1% 的员工将个人原因作为离职动机。
工作场所信任度、透明度和沟通的下降是留住员工的秘诀，不仅会导致有毒的工作环境，还会导致员工脱离工作、生产率下降和不满情绪。让 2024 年成为培养整个组织关系的一年，你将更有可能留住宝贵的员工。创建各种反馈渠道（如脉搏调查），定期举行员工与管理者之间的一对一谈话，以及给予有意义的认可，都是鼓励建立关系的好策略。
4.灵活性有助于提高员工的幸福感
灵活性和工作/生活平衡是 iHire 调查中反复出现的主题。例如，21.4% 的员工因工作/生活不平衡而辞职。当受访者表示他们的雇主可以提供哪些条件来阻止他们另谋高就时，灵活的时间安排仅次于加薪（29.4%）。
虽然越来越多的公司要求员工在 "大流行病 "后以某种身份返回办公室，但请记住，灵活性并不一定意味着 "在家工作"，因为员工有不同的需求、优先事项和生活方式。为了在 2024 年留住人才，请考虑提供各种类型的灵活性，如混合安排、弹性时间、额外的 PTO、工作共享、兼职工作和四天工作制。
5.员工着眼于未来
每 5 名员工中就有 1 人因缺乏发展和晋升机会而离职，28.6% 的人表示，如果有这些机会，他们会留在雇主身边，而不是另谋高就。公司如果投资于员工的发展，并以职业发展规划的形式向他们展示未来的发展前景，就能防止停滞不前，提高员工的参与度，并最终提高员工的留任率。
在 2024 年，花些时间讨论员工的职业目标，并规划出实现这些目标的途径。通过提高技能或再培训、提供额外培训资源、报销教育计划、课程、研讨会和行业专业团体会员费用等方式，支持他们实现这些目标。然而，并不是所有员工都想晋升；有些人可能会横向流动，以更好地发挥自己的长处，追随自己的激情。职业分层是一种更具活力的发展方法，可以帮助这些员工找到自己的定位，从而提高留任率。
在新的一年里，应通过注重员工体验来留住人才。磨练一种积极的、吸引人的公司文化，使其散发出信任和透明的气息，建立关系，实现灵活性，并支持职业和个人发展，这样你就能看到你的留任率飙升。
-
公平
人工智能改变人才招聘的5种方式
仅在一年前，大多数人力资源领导者都不会想到，能否成功采用人工智能解决方案会影响到他们招聘顶尖人才的能力。现在，根据 Gartner 的研究，76% 的人力资源领导者都认为，如果他们在未来 12 到 24 个月内不将人工智能纳入招聘流程，他们就会在组织成功方面落后。尽管在 ChatGPT 的推动下，人工智能被炒得沸沸扬扬，但在人工智能复兴之前，已经存在大量的人工智能应用。预测分析、情感分析、搜索和匹配等技术已经在企业中广泛应用，甚至在人力资源和招聘领域也得到了应用，为我们今天所经历的人才招聘转型奠定了基础。
人力资源部门在采用人工智能并管理其在整个组织中的使用方面所面临的压力越来越大，而 ChatGPT 等生成式人工智能工具的热销则为这一压力注入了新的活力。虽然生成式人工智能在改变人才招聘方面确实发挥了作用，但还有其他一些人工智能用例可以应用到招聘和人才招聘的生命周期中。以下是如何利用它们让你的组织走在时代前沿：
人工智能增强简历分析
简历分析解决方案并不新鲜。它们能让招聘人员根据技能、教育、培训、工作地点和职位等特质筛选求职者，而且已经使用多年。根据哈佛商学院的一项研究，申请者跟踪系统（ATS）和招聘管理系统（RMS）是大多数企业招聘流程的基础，90% 的雇主使用他们的招聘管理系统来筛选中等技能和高技能的求职者。然而，同一项研究发现，88% 的雇主表示，由于筛选工具过于简单，导致合格的高技能求职者被漏掉，如果求职者不符合职位描述中规定的确切标准，就会被忽略。对于中等技能的求职者，94% 的雇主认为，合格的求职者被筛选掉了。尽管简历分析技术已被广泛采用，但它远非筛选候选人的不二法门。
人工智能有可能将简历分析提升到更强大、更公平的水平。利用自然语言处理技术，人工智能解决方案可以更有效地从简历和职位描述中提取主题，完成更复杂的匹配。与 ATS 或 RMS 使用的简单关键字搜索不同，人工智能可以理解语言和措辞的细微差别，从而对应聘者进行更全面的了解。例如，假设一家公司正在寻找具有领导经验的人才。在这种情况下，简单化的工具可能会过滤掉简历中写着 "管理 "而不是 "领导 "的人，而更复杂的人工智能工具则更有可能分析术语的上下文。即使措辞并不完全匹配，人工智能解决方案也能深入分析职位的职能和应聘者的经验，从而更高效、更准确地对应聘者进行优先排序，而不会无意中过滤掉合格的应聘者。
人工智能生成的面试指南
招聘和面试流程的质量决定了求职者的体验，这将极大地影响您招聘顶尖人才的能力，并影响您的整体品牌形象。人机交互协会（HCI）的报告显示，60% 的求职者对他们所接触的雇主有负面的求职体验。导致求职者体验不佳的一个关键因素是面试官在谈话过程中显得毫无准备或不投入。这是因为面试是一门学问。进行面试并不是招聘经理的工作，但当应聘者通过人力资源部门的初步筛选时，他们就必须这样做。由于招聘经理必须在履行其他职责的同时进行面试，因此面试问题往往是在最后一刻拼凑起来的，甚至是当场即兴发挥的。
人工智能可以自动生成一套有意义的、针对特定职位的面试问题，从而帮助解决这一缺陷。人工智能生成的问题不一定完美，但可以节省大量时间，即使这些问题只能作为招聘经理进一步完善的起点。建立问题列表还能确保候选人面试的一致性，从而更容易、更公平地对候选人进行比较。自动生成的问题对于招聘人员来说也是非常宝贵的，因为他们必须为自己不熟悉的职位筛选应聘者。例如，招聘人员可能需要为仓库筛选叉车操作员，但却不知道工作内容是什么。使用生成式人工智能提出合理的问题，招聘人员就不必花费大量时间研究该职位或要求招聘经理作出说明。
自动候选人备注和洞察
招聘流程中的瓶颈是造成候选人负面体验的另一个关键因素，更不用说对公司资源和效率的消耗了。招聘流程中最大的障碍之一就是在面试过程中手动记录，在电子邮件或自动应聘系统中进行总结，然后等待所有相关人员的回复。过于冗长的招聘流程导致 54% 的人力资源总监失去了一位合格的候选人，从而失去了另一个机会，这表明了将人工任务自动化以迅速推进招聘流程的重要性。
面试智能解决方案可以捕捉面试过程中的详细记录，并自动解释和生成有条理的对话见解。洞察力的例子包括简明的候选人简介、潜在优势和潜在问题的评估，以及讨论主题的摘要。笔记和见解的自动化可以从以下几个方面改善招聘流程：|
消除拖慢招聘流程的瓶颈。
让招聘经理专注于候选人，而不是记笔记，从而提高与候选人的互动。
帮助招聘人员了解招聘经理拒绝应聘者的原因。当招聘经理无法解释为什么招聘人员筛选的候选人不应该被录用时，往往会出现令人沮丧的脱节。有了对话的智能摘要，招聘人员就能更深入地了解对话内容，从而发现候选人的不足之处。
让整个招聘团队能够使用客观数据来支持他们的决策，而不是主要依赖直觉。
面试表现与合规性
在面试后决定应聘者是否应进入招聘流程时，85% 到 97% 的招聘经理都会依赖直觉，这使他们很容易产生偏见。当人工智能聆听应聘者的面试时，它可以检测出面试官是否提出了可能违反平等就业机会委员会（EEOC）合规标准的问题，例如与年龄、种族、性别认同或宗教有关的问题。每次面试都会汇总合规风险，让招聘经理认识到自己的错误，并帮助人力资源部门通过实时数据评估员工的面试技巧。这些信息可用于为整个组织提供额外的培训课程，并为需要一对一指导的招聘经理提供有针对性的辅导。
增强候选人再发现的 ATS
重新发现是为新空缺职位寻找候选人的首选方式，因为挖掘之前已经面试过的合格候选人比重新开始整个流程更具成本效益和时间效益。根据 Agency Central 的一项调查，43% 的企业在人才招聘中使用了再发现功能，其中 97% 的企业表示再发现功能让他们受益匪浅。
虽然您的自动应聘系统有可能藏有大量关于以往候选人的数据，但挑战在于招聘人员和招聘经理可能难以提供关于每位候选人的详细说明，这使得数据充其量只能算一般，最糟糕的情况是根本不存在。但是，当你使用面试智能从面试中提取详细笔记时，候选人的记录就会自动更新，其中包含丰富的信息，而且还可以搜索，这对以后重新发现候选人很有价值。
总结
人工智能改变人才招聘流程的方式主要集中在提高效率、改善候选人体验、执行合规性以及实现更好的招聘结果。虽然一些专业人士在采用人工智能工具时可能会有一段适应期，但本文讨论的大多数功能都非常直接和直观，一些用户甚至可能意识不到他们正在使用人工智能。在人才招聘流程中采用人工智能工具时，最关键的考虑因素是人工智能必须用于增强人类决策，而不是取代人类决策，就像多年前的自动应聘系统平台通过自动完成招聘网站发布、申请收集和候选人管理等人工任务来补充人力资源员工一样。
-
公平
【尼日利亚&德国】HR科技初创公司Propel获得250万欧元种子投资，旨在加速科技和开发者社区的发展
尼日利亚和德国柏林的人力资源科技初创公司Propel近日宣布，已成功获得250万欧元（约合274万美元）的种子投资。该公司的目标是为社区建立可持续的人才管道，并帮助全球公司降低从新兴市场，特别是非洲，远程雇佣人才的风险。
Propel的创始人SunkanSunkanmi Ola, No Such Ventures, 250万欧元, 种子轮, HR科技初创公司, 社区即服务, 远程招聘, 多元化, 公平, 包容mi Ola、Seun Owolabi和Abel Agoi计划利用这笔投资推动其社区即服务平台的推出和采用，并在明年第四季度为社区创造100万欧元的收入。这家公司的目标是到2024年增长到500个社区，拥有100万会员，并通过平台上的工作、福利和金融的佣金为这些社区产生数百万的收入。
过去三年来，全球远程工作的发展和跨国公司雇佣本地人才的情况增加，主要是为了降低招聘成本。尽管自2022年中期以来，科技公司已经裁员超过20万人，并且雇主要求部分或全部返回办公室，但开放人才经济的重要性仍将保持，特别是在欧洲，人口老龄化，实际上需要区域外的远程人才来填补这个巨大的空缺。
Propel为这些科技社区的人才提供了一个管道，将他们与由多元化、公平和包容（DEI）要求以及需要填补的特定工作角色驱动的公司网络连接起来。作为提供最后一公里基础设施的交换，Propel接入了这些科技社区内的多元化人才库，这些人才具有从软件开发到设计，从数据科学到无代码和其他数字化转型技能的多种技能。
这个管道被提供给全球公司，如它所称的“社区即服务”模型。Propel已经与前述公司以及Orange Telecoms、Stepstone以及一系列欧洲的初创公司和快速扩张的公司合作过，目的包括雇佣人才、共同创造社区黑客马拉松和设计DEI倡议等。
Ola表示，除了获得工作机会，这些社区的科技人才还可以获得福利（通过与服务提供商合作），包括医疗保健和工作站访问权，以及更晚的金融服务，包括贷款和资产融资。这家两岁的人才匹配公司将这个“价值堆栈”作为一个一站式平台，提供给位于15个非洲国家的100多个科技社区，这些社区在地点、性别分布和技术堆栈方面各不相同。
Propel的收入来自招聘和安置费用以及提成；Ola表示，社区也会收到这些费用的一部分。“如果社区成员被安置，社区会得到一部分收入以增加他们的资金。所以我们也为社区创造了以前不存在的新的财务收入流，他们总是必须依赖于赠款或赞助。我们正在为社区提供超级充电，我们为他们提供了升级到下一级的火箭，”首席执行官Ola指出。
这个25人的团队分布在阿姆斯特丹、柏林、约翰内斯堡、拉各斯、伦敦和内罗毕，已经将超过550人安置到了多个国家的工作岗位。到目前为止，这家公司得到了Google Black Founders in Europe的支持，已经筹集了超过300万欧元，将寻求扩大其社区平台，推出新的客户产品，并深化其社区生态系统。
-
![]()
公平
如何利用People Analytics建立一个公平的工作场所
概要：自动化正向人力资源部门走来。通过自动收集和分析大型数据集，人工智能和其他分析工具有望改善人力资源管道的每个阶段，从招聘和薪酬到晋升、培训和评估。然而，这些系统可以反映历史偏见，并在种族、性别和阶级的基础上进行歧视。
管理者应该考虑到：
1）模型很可能对大多数人口群体中的个人表现最好，但对代表性较差的群体则更差；
2）不存在真正的 "种族盲 "或 "性别盲 "模型，从模型中明确省略种族或性别甚至会使情况更糟；
3）如果人口类别在你的组织中分布不均（在大多数情况下不是这样），即使精心建立的模型也不会导致不同群体的平等结果。
人力资本分析，将科学和统计方法应用于行为数据，可以追溯到弗雷德里克-温斯洛-泰勒1911年的经典著作《科学管理原理》，该书试图将工程方法应用于人员管理。但直到一个世纪后--在计算机能力、统计方法，特别是人工智能（AI）的进步之后--该领域的力量、深度和广泛的应用才真正爆发出来，特别是，但不仅仅是在人力资源（HR）管理方面。通过自动收集和分析大型数据集，人工智能和其他分析工具提供了改善人力资源管道每个阶段的承诺，从招聘和薪酬到晋升、培训和评估。
现在，算法正被用来帮助管理者衡量生产力，并在招聘、补偿、晋升和培训机会方面做出重要决定--所有这些都可能改变员工的生活。公司正在使用这种技术来识别和消除不同性别、种族或其他重要人口统计类别的薪酬差距。人力资源专业人士经常使用基于人工智能的工具来筛选简历，以节省时间，提高准确性，并发现与更好（或更差）的未来表现有关的隐藏的资格模式。基于人工智能的模型甚至可以用来建议哪些员工可能在不久的将来辞职。
然而，尽管人力资本分析工具有如此多的承诺，但它们也可能使管理者严重误入歧途。
亚马逊不得不扔掉一个由其工程师建立的简历筛选工具，因为它对女性有偏见。或者考虑一下LinkedIn，它被世界各地的专业人士用来建立网络和搜索工作，也被人力资源专业人士用来招聘。该平台的搜索栏的自动完成功能被发现建议用 "Stephen "这样的男性名字来代替 "Stephanie "这样的女性名字。
最后，在招聘方面，一个关于科学、技术、工程和数学（STEM）领域机会的社交媒体广告，被精心设计为性别中立，但在一个旨在使招聘者的广告预算价值最大化的算法中，男性被显示的比例过高，因为女性通常对广告反应更强烈，因此向她们显示的广告更昂贵。
在每一个例子中，分析过程中都出现了故障，并产生了无意的--有时是严重的--对某一特定群体的偏见。然而，这些故障可以而且必须被预防。为了实现基于人工智能的人力资本分析的潜力，公司必须了解算法偏见的根本原因，以及它们如何在常见的人力资本分析工具中发挥作用。
分析过程
数据并不是中立的。人力资本分析工具通常是建立在雇主对员工的招聘、保留、晋升和报酬的历史数据之上。这些数据总是反映了过去的决定和态度。因此，当我们试图建立未来的工作场所时，我们需要注意我们的回顾性数据如何反映旧的和现有的偏见，并可能无法完全捕捉到日益多样化的劳动力中人员管理的复杂性。
数据可能直接带有明确的偏见--例如，你公司的绩效评估可能在历史上对某个特定群体有偏见。多年来，你已经纠正了这个问题，但如果有偏见的评价被用来训练人工智能工具，算法将继承并传播偏见。
还有一些更微妙的偏见来源。例如，本科生的GPA可能被用作智力的代表，或者职业执照或证书可能是技能的一个衡量标准。然而，这些衡量标准是不完整的，往往包含偏见和扭曲。例如，在大学期间不得不工作的求职者--他们更有可能来自低收入背景--可能得到较低的成绩，但事实上他们可能是最好的求职者，因为他们已经表现出克服障碍的动力。了解你想测量的东西（如智力或学习能力）和你实际测量的东西（如学业考试成绩）之间的潜在不匹配，对建立任何人力资本分析工具都很重要，特别是当目标是建立一个更多样化的工作场所时。
一个人力资本分析工具的表现是它所提供的数据和它所使用的算法的产物。
在这里，我们提供了三条经验，你在管理你的员工时应该牢记在心。
首先，最大限度地提高预测的整体质量的模型--最常见的方法--很可能对大多数人口群体中的个人表现得最好，但对代表性较差的群体则较差。这是因为算法通常是最大化整体准确性，因此在确定算法的参数时，对多数人口的表现比对少数人口的表现有更大权重。一个例子可能是一个用于由大多数已婚或单身且无子女的人组成的劳动力的算法；该算法可能确定使用个人日的突然增加表明辞职的可能性很大，但这个结论可能不适用于那些因为孩子生病而需要时常休假的单亲父母。
第二，不存在真正的 "种族盲 "或 "性别盲 "模式。事实上，在一个模型中明确省略种族或性别，甚至会使事情变得更糟。
考虑一下这个例子。想象一下，你的基于人工智能的人力资本分析工具（你一直小心翼翼地避免提供性别信息）在预测哪些员工可能在被雇用后不久就辞职方面取得了良好的记录。你不确定该算法到底发现了什么--对用户来说，人工智能的功能经常像一个黑匣子--但你避免雇用被该算法标记为高风险的人，并看到新员工在加入后不久就辞职的人数有了明显的下降。然而，若干年后，你因在招聘过程中歧视女性而遭到诉讼。事实证明，该算法不成比例地筛选出了来自缺乏日托设施的特定邮政编码的妇女，给单身母亲带来了负担。如果你知道，你可能已经通过在工作附近提供日托服务来解决这个问题，不仅避免了诉讼，甚至使你在招聘这一地区的妇女时获得竞争优势。
第三，如果像性别和种族这样的人口统计学类别在你的组织中不成比例地分布，这是典型的情况--例如，如果过去大多数管理人员是男性，而大多数工人是女性--即使精心建立的模型也不会导致不同群体的平等结果。这是因为，在这个例子中，一个识别未来管理者的模型更有可能将女性错误地归类为不适合做管理者，而将男性错误地归类为适合做管理者，即使性别并不是模型的标准之一。总而言之，原因是模型的选择标准很可能与性别和管理能力相关，因此模型对女性和男性的 "错误 "程度不同。
如何正确对待它
由于上述原因（以及其他原因），我们需要特别注意基于人工智能的模型的局限性，并监测其在人口群体中的应用。这对人力资源部门尤其重要，因为与一般的人工智能应用形成鲜明对比的是，组织用来训练人工智能工具的数据很可能反映了人力资源部门目前正在努力纠正的不平衡现象。因此，企业在创建和监测人工智能应用时，应密切关注数据中的代表人物。更重要的是，他们应该看看训练数据的构成如何在一个方向上扭曲人工智能的建议。
在这方面，有一个工具可以提供帮助，那就是偏见仪表板，它可以单独分析人力资本分析工具在不同群体（如种族）中的表现，从而及早发现可能的偏见。这个仪表盘突出了不同群体的统计性能和影响。例如，对于支持招聘的应用程序，仪表板可以总结出模型的准确性和错误的类型，以及每个群体中获得面试机会并最终被录用的比例。
除了监测性能指标外，管理者还可以明确地测试偏见。一种方法是在训练基于人工智能的工具时排除一个特定的人口统计学变量（例如，性别），但在随后的结果分析中明确包括该变量。如果性别与结果高度相关--例如，如果一种性别被建议加薪的可能性过大--这是一个迹象，表明人工智能工具可能以一种不可取的方式隐含地纳入了性别。这可能是该工具不成比例地将女性确定为加薪的候选人，因为在你的组织中，女性往往报酬不足。如果是这样，人工智能工具正在帮助你解决一个重要问题。但也可能是人工智能工具加强了现有的偏见。需要进一步调查以确定根本原因。
重要的是要记住，没有一个模型是完整的。例如，一个员工的个性很可能会影响他们在你公司的成功，而不一定会显示在你关于该员工的人力资源数据中。人力资源专家需要对这些可能性保持警惕，并尽可能地将其记录下来。虽然算法可以帮助解释过去的数据和识别模式，但人力资本分析仍然是一个以人为本的领域，在许多情况下，特别是困难的情况下，最终的决定仍然要由人类来做，这反映在目前流行的短语 "人在环形分析 "中。
为了有效，这些人需要意识到机器学习的偏见和模型的局限性，实时监控模型的部署，并准备采取必要的纠正措施。一个有偏见意识的过程将人类的判断纳入每个分析步骤，包括意识到人工智能工具如何通过反馈回路放大偏见。一个具体的例子是，当招聘决定是基于 "文化契合度 "时，每个招聘周期都会给组织带来更多类似的员工，这反过来又使文化契合度变得更窄，有可能违背多样性目标。在这种情况下，除了完善人工智能工具之外，可能还需要扩大招聘标准。
人力资本分析，特别是基于人工智能的分析，是一个令人难以置信的强大工具，已经成为现代人力资源不可或缺的工具。但量化模型的目的是协助，而不是取代人类的判断。为了最大限度地利用人工智能和其他人力资本分析工具，你将需要持续监测应用程序如何实时工作，哪些显性和隐性标准被用来做决定和训练工具，以及结果是否以意想不到的方式对不同群体产生不同影响。通过对数据、模型、决策和软件供应商提出正确的问题，管理者可以成功地利用人力资本分析的力量来建立未来的高成就、公平的工作场所。
来自HBR ，作者 David Gaddis Ross David Anderson Margrét V. Bjarnadóttir
扫一扫 加微信
hrtechchina
