机器人天空-为机器人开发者和爱好者服务人工智能的出现，让各行各业都开始转型。人力资源业也不例外。
我们已经看到各式各样的HR工具数量的显著增长，机器学习和人工智能也渐渐开始解决工作范围内“人”的问题。越来越多的组织和企业开始迎接这股潮流，将权力逐渐分散，而那些能用好这项技术的人就能在这场竞争中领先。
风险高 回报也大
人工智能和机器学习再神，也只是工具。就像所有其他工具一样，它们也是中性的，可能有益，也可能有害。如果这工具你用得不好，或者安置到不合适的地方，它们就可能对你的商业流程和企业文化不利。而HR专业人士又不想技术人员那样熟悉这些工具背后的运作机制，因此，他们也面临很大的风险，可能弄巧成拙。出发点是好的，但结果却可能不尽如人意。
那么，HR专业又该怎么做，才不会“好心”办坏事呢？
首先，要确保自己真的了解手头要处理的是什么问题。也就是说，问题里里外外，都弄得清清楚楚，理解透彻。只要你能意识到问题何在，能够确定要解决的是什么，这时候你就要问自己，是否确实需要这项技术来解决这个特定的问题。如果没有这项技术，工作是否会受到很大影响，甚至停滞不前？这项技术会让问题简单化，让你有更多时间精力去解决其他问题？还是说，你可以使用现有的技术，或者改变方法来解决当前的问题？
有足够的了解才有发言权。
如果你觉得你确实需要某个酷炫的AI技术来解决难题，那你就得好好“教育”自己，去了解这门技术的优势和劣势。不是简单的百度一下就完事儿了，而是扎扎实实地花时间、真的深入了解你决定使用的工具。利用自己的专业人脉网，看看公司里其他人的经验能不能对你有所启发。你还可以让他们评估一下你考虑使用的技术，以帮助你做出更好的决定。
如果操作得当，那人工智能自然能帮你节省大量时间精力，让人力资源部从运营中心转向以战略为核心的部门。
工欲善其事 必先利其器 选择正确的工具很重要
你所面临的问题大大小小、方方面面可能都有所不同。各种算法也各有长处短处，但每个算法设计的时候，设计者也有不同考虑， 因此，不是每个算法都适合拿来解决当前的问题。所以你要确定，目前的问题可以用AI来解决。
算法对于下列的问题可能不太适合
产生的数据不多，或者数据不能准确表现出现实中的后果或者行为
极端的边缘个案会出现，或者数据有严重的偏差（但这个情况有办法做调整）
需要进行价值判断的情况（这种情况下，最好的办法是结合人类和算法做出决策）
往好的一面看，算法在以下几个方面很有优势
可以取得关键数据，而且数据与你所感兴趣的现实行为和后果直接相关的情况
你需要找出的模式是可预测的情况下（至少不会随着时间流逝而变化）
你需要知道，AI不能帮你让自己的团队在技能上有提高，所以那些仅仅是将流程自动化的工具可能给不了你想要的结果。如果你的目标是改变团队成员的行为，那你可以考虑使用帮助员工学习的工具。研究显示，用工具来向员工提出及时、具体又可行的建议或者反馈，在改变员工行为习惯方面是最有效的。
比如，Texito平台能字你写招聘广告的时候，向你提出建议，以便你能吸引到自己寻找的目标人才。Joonko公司可以分析企业的生产力和员工合作方面的活动，找出员工中无意识中的偏见，并且向该员工提出纠正的措施。
算法也是人设计的
设计人工智能，与其说是技术活，倒不如说像一门艺术。工具的创造者将自己的偏见“设计进”自己的作品中，也是不可避免的。谷歌以前就有过这个教训，曾有一个图像识别工具刚开发的时候，把肤色深的人识别为大猩猩…
算法将图中的黑人识别为大猩猩
所以，在购买基于人工智能的工具之前，要做好功课，深入调查是不可少的。看看这些算法的设计基础是什么，算法开发过程中，人工的决策对工具运作时产生的结果有什么影响。准备好一个问题清单，比如：
在“训练”这个算法时，用的是什么数据？
这些数据中有什么样的“偏见”存在？这个模型又经过怎么样的调整？（比如，如果算法中的数据体现的是女性接受的主要是优先度不高的工作，那算法可能“认为”女性能力不足，不能胜任优先度高的工作。）
随着时间推移，使用增加，这个算法会怎样“进化”，设计者对于其中产生的偏差问题打算怎么解决？
底线在哪里
人工智能和机器学习有很大的潜力，或许能使得人力资源业角色上根本的转换，扩大该专业人士的积极影响。但是光靠人工智能和机器学习的应用，是无法在你的企业在创造出可持续的变化的。如果你用人工智能来加速现有的积极变化，那这些以技术为基础的改变，也可以通过同时运行其他战略性项目来得到强化。
机器人不会取代我们，他们会让我们看起来更睿智。