人事活动 战略选择 技术演进

刘俊振 闫通慧 卢雨琪 姜照莹

数字化时代，企业组织更需要透过数据分析实现精准管理和个性化服务，数字化建设与转型必然成为企业有效发展的核心战略。与此同时，我国数字经济也已进入快车道，数字技术和实体经济深度融合，各种商业新模式、产品新业态正深刻改变生产生活方式。

不同于农业时代的土地资源和工业时代的机器设备资源，数字经济时代下，数字化管理、大数据、云计算、人工智能将成为组织的资源标配。作为数字化建设重要构成的人力资源管理数字化在实现数据共享、协同管理、降本增效，提高人事决策精准度和敏捷度，增强管理者和员工体验感等方面，具有重要作用。通过发展人力资源管理数字化，数字职场及文化、员工数字能力将得以塑造，企业数字化业务与战略也将得以良性推进。

人力资源管理数字化演化与发展阶段

人力资源管理数字化是早先的信息化迭代演变而来。最开始的时候，出于减轻负担和降低成本考虑，企业会使用人力资源管理信息系统（HRIS），但仅限人力资源部门人员之间微循环使用，以记录人事信息为主，数据单一，分析功能简单。之后是电子化人力资源管理（E-HR）阶段。在这一阶段，企业借助人力资源软件来处理从员工招聘入职、培训、绩效考核到薪资管理等流程化管理活动，企业人力资源管理活动逐渐实现流程化、规范化、标准化。目前，很多企业仍然在使用功能（模块）单一的或是若干功能（模块）整合的人力资源软件系统来提高人力资源管理效率。与使用HRIS的第一阶段不同，在这一阶段，高管和直线经理也参与进来，按照流程管理要求，在各自角色职责范围内做出计划，完成决策，由此形成“选育用留励维裁”等人力资源管理活动的企业内部小循环。

未来一段时间，人力资源管理数字化（Digital-HR，或D-HR）将至少朝着两个方向发展。一是继续围绕人力资源管理小循环进行数据的深化管理与应用。更多人力资源数据将以数字化方式采集、沉淀、分析，基于这些数据实施更精准决策与管理。二是打破数据孤岛。在企业内部，将人力资源数据与研发、采购、生产、仓储、销售、配送及物流等业务及其数据链接；在企业外部，与直接影响人力资源管理的外部重要环境及要素相关联，如雇佣与劳动人事政策、人力资源服务行业、职业与劳动力市场等，甚至要与影响企业经营的政治、经济、技术、法律、社会文化等环境中重要资源、信息、数据关联起来，构建全域的人力资源管理生态数字模型，经由分析、仿真、预测等技术与应用，更有效支持人力资源决策以及企业业务发展。

随着人力资源管理数字化的继续发展演化，未来将实现高度智能化人力资源管理（Intelligent-HR或I-HR）以及员工高度自主化人力资源管理（Self-HR或S-HR）（见图1）。那时，除保留少量不能被替代的诸如架构设计、系统维护以及面对面服务的人员外，绝大多数人力资源工作将由人工智能及机器人完成。相应地，员工也将通过各类智能终端设备、系统、网络、云平台及它们之间的关联，实施人力资源自助管理和自主管理。

总之，早期人力资源信息系统以及电子化人力资源管理的主要目的是提升效率、规范流程。数字化人力资源管理是要对采集或系统沉淀的数据进行深度挖掘、关联分析、建模、趋势预测，以实现精准化管理和个性化管理，并借由对数据资源的管理以及被激活的人才队伍来驱动业务目标达成和企业战略发展。智能化与自主化人力资源管理的目的和结果是彻底解放个体，去除中间管理控制。在人工智能、机器人与人类共处的时代，职场工作方式将彻底改变，每一个人终将成为自我真正的主人。

人力资源管理数字化智能化的路径与模式

总体而言，我国企业在数字化建设方面仍处于摸索阶段，较为成熟的应用领域主要集中在销售、配送以及生产、采购等领域，人力资源管理等职能领域数字化程度不深刻，也不成熟。那么，如何进行人力资源数字化的建设与转型呢？追本溯源，可以从人力资源管理基本问题以及其在组织中扮演的角色入手，并结合数字化技术发展演进来寻找相应的路径与模式。

首先，人力资源管理关注的基本问题涉及“人”“事”以及“人做事”，后者指与工作、工作方式、工作效率等相关联的事项。其次，人力资源管理数字化既要考虑承接组织数字化战略落地执行，对企业主营业务及数字化开展进行有效支持，还要由下而上从整体上打造数字职场、引领数字文化、驱动数字战略，并倡导和管理变革。最后，从技术与应用层面上，人力资源管理数字化还要考虑信息化、数字化、智能化发展的进程，以及能够运用的数字化工具与方法，企业在数据管理方面的选择与作为。

综上，人力资源数字化的建设与转型有三条邏辑路径——横向上的基本人事活动路径、纵向上的战略选择路径以及深度上的数字化技术演进路径（见图2），每条逻辑路径下蕴含若干典型模式。

横向：基本人事活动路径下的典型模式

模式1：员工数字化

数字时代，万物皆可测量，人也是如此。生理信息与数据相对方便获取，但要实时获取动态数据和心理数据则比较困难。

基础信息数据，譬如静态生理特征、学历、技能、岗位、职业目标、绩效结果、其它成绩成就，以及招聘测评时获得的诸如性格、兴趣、价值观等信息，都可以储存在HRIS中，并且可根据需要进行更新。

工作过程与工作行为数据，譬如日常办公轨迹、考勤、完成工作进度、工作量、参与或主持的项目、参加的培训或在线课程学习等，可以在E-HR系统上找到对应的信息、数据或痕迹。

实时生理信息、情绪状态等动态数据，譬如心跳、体温、体脂率，以及员工行为、面部表情、心理满足感甚至大脑皮层刺激、活跃度等信息，能够通过诸如可穿戴检测设备、植入芯片、高清晰度摄像头等捕捉、采集和储存。

个体关系数据，譬如与上下级、同事以及客户、供应商等通过电话、邮件、微信以及其它即时通讯工具沟通互动留下的痕迹和内容信息，职场外的生活数据，如空间行动轨迹、消费娱乐、求职等行为记录和内容，只要被合法授权，也都能获得。

无论是企业内部人力资源数据库的信息，还是员工浏览公司网站，获取相关信息的点击率、时长与频次等，无论是各类采集仪器中的图片信息视频材料，还是电子邮件、推特（Twitter）、微信群、领英（LinkedIn）等应用上的轨迹记录和内容，组织有意采集也好，无意获取也罢，不管怎么样，数据的的确确就在那里。

有了这些多样化数据源所生成的大规模、复杂的、非结构化的大数据，管理者就能对每位员工进行多方面的数字刻画与分析，如知识技能、人岗匹配、潜能潜力、关系网络、离职倾向等，从而精准地进行诸如人才盘点与规划、个性化管理与激活等活动。

模式2：工作任务数字化颗粒化

伴随共享经济及平台化观念的深入，很多大块的、复杂的工作可以被拆分成众多细小的、简单的任务单元，可以设计为更小颗粒度的任务（包），如明确结果要求、质量要求、资质要求、工作期限以及工作报酬等。将这些数字任务在企业内部众包网络平台或者中介机构众包网络平台上发包出去，寻求全球闲置人才、自由职业者或零工人士来接包完成。疫情期间，盒马鲜生打破人员使用的组织边界，利用共享用工平台与四十多家企业共享了超过五千多名员工。

工作数字化和任务颗粒化为我们描绘了未来的工作场景：员工在企业、家中或是共享办公地点甚至是自动驾驶汽车中，利用任何一种智能终端，就能进入企业众包平台，在智能系统推送的若干数字任务、数字项目中选择自己喜欢的来完成或参与，完成一项工作就结算一项收入。这样，员工完成工作的自主性、游戏感、可控感、体验感都在大大提升。当然，如果你完成“目标”设定的任务后还有余力，也可以到开放性的中介平台接包其他企业发包的任务。

模式3：人力資源管理活动集成云平台化

很多企业都在使用人力资源软件。人力资源管理系统可以用来采集输入记录（譬如人员变动信息、考勤等），储存信息形成数据库，分析数据，执行操作（譬如形成报表、生成合同等）。软件系统使企业人力资源管理工作效率大幅度提升，让人力资源人员从繁杂重复的劳动中解放出来，企业人力资源管理实现了流程化、规范化管理，形成的报告、报表能为管理者决策提供依据。譬如员工福利管理的数字化工具能帮助管理者打造从福利设计、福利沟通、福利执行、员工反馈、系统诊断等全流程闭环管理，高效解决员工福利筛选、发放与管理等问题，提升员工满意度。

有些人力资源软件是基于云SaaS、平台PaaS的。企业通过云平台可以快速发布信息或任务，搜集员工意见或反馈，员工也能通过智能终端设备远程登录，获取信息，提出或回答问题，完成点赞互动及其它社交活动。拜耳（中国）在“将以往‘年度目标设定+绩效评分+确定个人年度奖金发放的绩效管理与奖金模式转变为敏捷绩效管理、强化双向反馈模式”的要求下，应用数字化平台搭建员工全面认可的在线平台“闪耀时刻”。平台设立“喝彩”“点赞”及“感谢”等积分卡，鼓励员工对伙伴表示感谢，给伙伴点赞，授权经理根据员工表现及时给予积分反馈。员工可以随时到平台上的关爱无忧健康商城，使用积分为自己及家人兑换商品、购买保险项目。

基于云SaaS或平台PaaS的人力资源软件不但能够整合人力资源管理相关流程或功能，实现全员、全流程覆盖以及全职业生涯周期的管理，还能够非常便捷地与企业重要业务模块活动进行协同，实现数据对接和决策统一。另外，集成云平台还便于与外部资源，如人力资源服务供应商、最新人力资源政策等对接，从而丰富人力资源信息和数据。通过人员数据、业务数据、外部环境数据的大循环分析，突破“孤家寡人”和自我小循环的局限，使得决策更客观、更科学。

集成云平台还能实现企业内的知识分享，员工可以利用电脑、手机终端登录访问，获取资源的同时也共享自己的知识与智慧。由此，员工就拥有了一个集合了大量前沿信息、最新政策、最佳实践经验的数据平台。在完成工作，遭遇问题与困惑时，就不是一个人在战斗，而是可以随时咨询集成了成千上万人智慧的“数字大脑”，从而极大提升个体和团队的前线战斗力。可口可乐的人力资源与大数据平台以及IBM信息平台，或者与全球其它公司资讯链接，或者存储海量的、高质量的、涉及人力财务及销售等信息，能够快速便捷地应对员工的信息查询和线上提问，赋能员工提高工作效率。

最后，企业人力资源管理集成云平台能友好地支持员工自助化和线上、远端操作，方便企业和员工应对诸如新冠疫情等突发事件，同时还有助于员工平衡工作、家庭和生活。

模式4：人做事（工作）智能化

首先，企业可以不断完善生产作业流水线来提升自动化水平，导入人工智能部分替代劳动力。可以通过可穿戴设备、AR技术等电子绩效支持系统（EPSS）为员工装上“技术”翅膀，透过识别系统、数据分析、网络智能系统，辅助员工找到更好的工作步骤，选取最优的工作方法，从而赋能员工更高效、更智能地工作，实现员工工作的数字化、智能化。譬如电力企业利用无人机能够进行更快更广的输变电线路巡线，应用北斗卫星导航系统可以精准定位线路故障地点，使用电力维修机器人可以在高海拔、恶劣天气下进行线路作业。可口可乐利用电子地图和AI软件，科学规划每个销售代表每天的拜访路线，极大地提高了其工作效率。美国餐饮连锁店Not Your Average Joes用游戏方式引导员工提高服务技巧，如果系统发现某个员工卖出很多开胃菜，但没售出任何甜点，就会给员工发送一个“任务”，在当晚向顾客推荐一定数量的餐后甜点，让顾客的就餐体验更完美。

其次，运用数字化技术能够实现对人员、职位、业务等全方位的关联性分析，使人力资源管理规划控制、管理组织、决策干预、服务支持等活动更为精准化、个性化。

在规划方面，企业可对人才存量、结构和流动流失等数据进行分析、动态推演，确定关键人才需求，并结合外部人才市场情况，对关键人才提出引进和培养的预警。同时，根据员工期望调查，制定更前瞻的人员管理规划，解决供给错位、人员高流失等问题。浪潮集团把人力资源管理活动归纳为“34个场景，100多个动作”，如面试、拿到Offer、入职、晋升、加薪、评优甚至结婚生子等。在每个场景中设置相应智能推送动作，增加员工数字体验感和职场的温度感。民生银行与IBM联合搭建的“人力盒子”也是一款主动连接和触发的“智能”系统。透过该系统，管理者可以看到业务或管理条线的人均效能、部门贡献、员工贡献以及成本事项等数字仪表盘内容，同时，系统还能根据数据分析为员工推送个性化职位机会、生日贺卡、入职周年贺卡等。

在招聘选拔方面，大数据分析和人工智能可以帮助管理者构建优秀人才画像和知识图谱，搜索企业人才数据库以及招聘平台中申请人信息，快速比对，做出匹配度评估，智能推荐匹配度高的候选人。在这一领域，人工智能有着超强的能力。在北美猎头的一次竞赛中，AI机器人只用了3.2秒就把若干候选人从5500份申请人简历中筛选出来，并给这些初步符合条件的候选人评分、评级。IBM应用Watson招聘系统中的人工智能技术能为公司任何职位推荐最佳候选人，还可以为员工推送公司内部空缺职位信息。此外，使用AI机器人面试还能对候选人的体型状态、动作姿势、面部表情、情绪变化等进行实时捕捉，经过大数据分析与比对，评估候选人，或提出下一轮面试应重点考察的内容以及问题。

在绩效和用人等日常管理方面，强大的数字化系统能够精确制定排班计划，能够跟踪员工工作完成、项目推进情况，能够采集分析员工出勤数据，能够收集分析员工工作态度、情绪等动态数据，还能分析员工各绩效指标完成情况，发现缺陷，制定切实可行的新绩效指标。同时可分析存在绩效差异的原因，并结合员工的职业兴趣、能力和素质，提出人员调岗建议，实现人岗动态精准匹配。亚马逊和谷歌等公司通过云计算技术加工分析与员工绩效相关的海量数据，不但提高了绩效指标设定、考评结果的科学性和可比性，而且能够更精确地预测员工工作行为和绩效表现。另外，利用人工智能技术和大数据，还能追踪员工工作（操作）记录（行为）、推送提醒或者提出警告，譬如优步平台会综合司机刹车、加速等数据记录判断司机是否正常驾驶，并告知司机什么时候应该停下来休息一会儿。

在培训与发展方面，人工智能和大数据同样可以根据员工所在岗位、绩效表现、目前拥有的经验与技能，结合其在线测试结果以及过去参加的培训学习表现、员工职业兴趣与职业目标，甚至员工在碎片化时间进行的非正式学习（譬如知识社群、问答互动）等行为数据，综合分析，为员工量身定制个性化培训计划与学习方式，智能推送学习课程以及应该参加的项目或轮岗等信息，助力员工全面成长。IBM公司使用人工智能虚拟助手帮助员工确定哪些方面的技能急需提高，同时通过Blue Match软件中的算法为每个员工提供职业晋升、岗位轮换、新工作机会等建议。该算法就是基于员工兴趣、之前的工作以及绩效表现、过去参加的培训等数据建模而成。

在薪酬与福利管理方面，除了可以根据员工的偏好选择个性化薪资组合和福利计划外，企业还可以通过人工智能技术充分获取外部市场薪酬数据，结合员工所在岗位、工作时间、业绩表现、潜力等信息，建立基于价值的支付模型，分析对每一位员工薪酬支付的合理性，甚至通过诸如神经网络技术构建智能决策支持系统，动态捕捉员工对得到的薪酬、激励、认可的实时表现（譬如相应的生理性、神经性反应），从而寻求薪资设计与激励的“最优解”。一旦发生错配，管理者能够更为精准、智能地实施管理干预与调整。譬如谷歌引入一套预测算法，通过及时个性化地调整员工的薪资水平来避免人才流失。

在员工关系管理方面，人工智能机器人能够回答诸如薪资、管理政策、未使用的假期、今后的培训安排等员工关心的问题，还能通过可穿戴设备、抓拍的画面或视频信息，结合员工个人信息、员工满意度调查等，甚至应用人工神经网络等技术，建立模型，预测员工流失的可能性及流失的原因，从而更精准地实施挽留，减轻员工突然离职带来的负面影响。当然，快速审查劳动合同，发现纰漏，提出预警，对人工智能技术而言更是“小菜一碟”。除了预警可能发生的劳动争议外，系统还能根据大量劳动争议案件的仲裁、司法审判数据分析，结合过去企业针对劳动争议的处理方式，对发生的劳动争议给出最优解决方案。更重要的是，人工智能和大数据还可以帮助企业迅速启动对员工实施诸如EAP、关爱等干预行动，这样使得员工关系管理工作更为精准和智能，企业劳动关系更为和谐稳定。

纵向：战略选择路径下的典型模式

模式5：战略跟随与业务支持

由上而下看，企业数字化战略落地重要的一环是人力资源管理，数字化人力资源管理是应企业数字化战略、业务数字化转型需求而生的。数字化人力资源管理至少体现在两个方面：其一是围绕数字化人才的引进、激励、培育以及管理进行；其二是針对企业全体员工数字化意识与能力实施培训，通过技术赋能，使他们了解数字化转型的必要性，提升传统人才数字化能力，熟练运用数字化工具进行工作。

诚然，企业数字化建设与转型的关键是人才，包括数字化转型领导型人才、数字化领军型人才、核心技术骨干人才等。数字化时代，该类人员也应该是复合型的，既要具备 ICT 专业技能，又要懂业务和管理。目前看，该类人才的短缺和匮乏是制约企业数字化战略有效开展的第一因素。

中智调研发现，导致企业数字化人才流失的核心因素是薪酬竞争力弱、激励措施匮乏，以及企业缺乏数字化人才的培养发展体系。因此，检视数字化人才对企业环境与管理政策的期望与要求，思考更适合数字化人才成长与发展的组织模式、领导风格、沟通方式、工作方式以及组织文化，进行完善，更是人才引入前、引入后需要进行的重要人力资源管理工作。

模式6：数字职场打造与数字战略驱动

由下而上看，数字化时代，人力资源管理更要发挥引领者和变革者角色，未雨绸缪，积极变革，创新数字化工作，打造数字化职场，驱动企业数字化发展。

首先，要大力培育数字化人才，建设一批具备数字化意识与数字化能力的员工队伍，引领和培育员工数字化思维，帮助企业更敏锐地洞察数据机会，提供数字产品与服务，强化企业数字化核心能力。企业不应仅仅成为数字化人才的被动需求者和使用者，而应是培育发展社会数字化人才的主战场或练兵场。

其次，打造数字化职场、云工作环境，提升员工数字体验。数字化职场由数字化设备设施、数字化技术、数字化人才及团队、数字化工作、数字化管理构成，它是一个通过通讯、数字技术将人与人、人与物、人与活动、企业内部和外部链接起来，科技感强烈的、业务及人员协同的、高效率的工作环境。因此，人力资源管理者要高瞻远瞩，以打造数字化职场，提升员工数字化体验为使命，积极筹划、架构与创新，而不是简单地引进几个人力资源软件解决眼前的痛点。

最后，引领数字文化，促进数字化变革。数字化职场更需要一个透明度高的、生态的、注重跨界链接、共享的、结果导向的、协同的以及去中心化的数字型生态组织和企业文化，这需要通过数字化去架构和设计，也需要通过数字化去领导和垂范，更需要通过数字化去推动和变革。

深度：数字化技术发展演化路径下的典型模式

数字化技术发展演化路径至少由两个方面构成：其一是技术发展与应用，其二是数据管理内容。首先，管理者需要关注数字化技术的发展演变、成熟度以及应用场景的适合性。这些技术包括大数据、人工智能、云计算、物联网、移动互联、区块链，以及在众多场景应用广泛的虚拟现实（Virtual Reality，VR）、增强现实（Augmented Reality ，AR）技术，也包括将在未来职场和生活场景中大放异彩的新型技术，譬如数字孪生、元宇宙等。其次，对于企业到底应该在数据管理的哪些方面着手，管理者需要作出决策。一般而言，数字化的基础层是围绕信息或数据管理展开的，包含信息或数据采集、传输、存储、转换处理、清洗、分类汇总集成、运算分析、显示或其它形式输出、链接、决策执行。

根据上述数字化技术演进，通常认为，从信息（数字）化到数据化再到智能化，是循序渐进、逐级迭代演化的。然而，众多企业在数字化建设过程中，总担心落后被动，希望“毕其功于一役”， 搞一次性跨越，三个战场同时发力。这往往会在人员观念、基础能力、配套设施方面暴露出不足，难以达到协同发展、共同演化的目的。

首先，信息技术是数字化基础。信息化能够帮助管理者将业务经营和职能管理活动透过信息系统固定下来，数据沉淀下来。数字化是信息化的升级和优化，它将模拟信息、复杂多变的信息转化为可以度量的数字，并进行数字化处理。数字化能够更有力地整合资源，可以进行数字特技和图像处理，而且数字信息稳定、精确、传输快而可靠。

其次，大数据驱动外部和内部管理是这个时代的必然要求，人力资源管理数字化也不例外。大数据及其分析技术有着海量数据、深度关联数据、数据挖掘、数据聚类，以及基于逻辑关系建模和强大数据分析等特征，而且针对大多是非结构数据这一特点，又结合了分布式储存、云计算等技术，算法算力都非常强大，能够帮助管理者透过数据挖掘深层次的管理问题、未知风险和市场机会，有力支持管理者决策和业务拓展。

具体而言，从人力资源管理大数据来看，可以分为人力资源大数据和管理大数据两大类。前者包括个体如下类别数据：生理类数据，如性别、年龄、身高、体重、血型等；心理类的数据，如人格特质、气质类型、职业兴趣、职业价值观、需求恐惧等；经历（成长）和能力类数据，如生活经历、教育背景、就业经历、经验资质、个人技能等；结果（成绩）类数据，如奖励、绩效表现、生产效率、技术发明、获得的专利等；关系类数据，如亲朋好友、上下级以及个人影响力等。此外，当然还包括众多非结构数据，如空间位置、工作状态、情感情绪等实时数据，以及员工上网浏览点击购买、通过诸如电邮及即时通讯设备与人交流记录等行为数据，等等。

管理数据更体现对企业群体而非个体的管理，包括如下几类：人力资源存量数据和增量数据； 人力资源流动流失数据； 人力资源投入数据，如薪资水平、劳动力成本、培训覆盖与投入预算等； 人力资源效率效能数据，如劳动生产率、人均销量营收利润、人岗匹配、员工满意度等；劳动关系数据，譬如合同签订、劳动争议、保险覆盖等。

最后，作为数字化高级形态的人工智能，虽伴有争议，但随着相关伦理原则的完善，众多国家已将人工智能及人工智能治理明确为国家发展战略，众多行业受到云计算、人工智能、物联网等技术的深刻影响，数字化、智能化程度有了质的飞跃，企业人力资源管理数字化、智能化发展更要借人工智能技术的翅膀遨游天空。

人力资源管理数字化建设与转型演进对企业的要求

完善基础工作。时间演进上，数字化（D-HR）、智能（I-HR）和自主化（S-HR）是数字化人力资源管理的高级阶段，信息系统（HRIS）是初级阶段，电子化（E-HR）是过渡和分化阶段。从低级阶段向高级阶段发展，对人力资源管理活动有着基础性要求。第一，目前还有众多企业尚未进入E-HR阶段，人力资源管理活动的制度化、流程化、标准化尚不足，根本不具备进入更高级数字化人力资源管理阶段的条件。对于这类企业而言，在上人力资源软件之前，必须完善上述基础工作。第二，进入D-HR阶段需要对人力资源进行数字化和数据化，对人力资源管理活动实施产品化、項目化设计，如通过诸如管培生项目、菜单式员工福利项目等，才能方便在集成性云平台发布、运行，搜集内容数据和员工使用行为记录，从而进行分析和优化。

预估困难并投资人才。空间演进上，要打破人力资源数据孤岛和“烟囱式”IT架构，将人力资源管理数字化与企业其它业务（譬如研发、生产、采购、销售、配送等）的数字化关联协同，解决因数据割裂导致的智能决策有限的瓶颈，实现多场景、全过程整合管理，通过强大的数据中台和智能支持，快速搭建前端新业务场景与团队，让人力资源管理更直接为业务服务。要解决由此带来的技术困难、衔接协同和管理复杂度等问题，除了需要高昂的软硬件投资、复杂的计算系统外，还需要一众数字人才——数字战略与架构专家、数据采集与大数据分析专家、数字化产品研发专家、数字化运营与营销专家，当然还需要人力资源专家以及业务专家。

更新认知并稳步推进。人力资源管理数字化建设乃至组织数字化战略推进要求企业各级经营管理者对数字化、大数据、智能化有正确认知和深入理解。如果管理者受限于传统思维，认为此类投资属于乱花钱，已投入的资源必定打水漂。或者有了软件、设备、设施，但闲置不用，或数据挖掘不够、分析不足，数字化应用的潜在价值就难以充分挖掘，新业务商机就难以发现。当然，在充分认知和了解基础上，经营管理者仍需抓住重心，找准瓶颈问题、痛点问题、关键问题，以未来更高需求为导向，逐级领导和推动人力资源管理数字化进程。

迭代管理模式。伴随数字化、智能化进程推进，员工自我管理将大行其道，权威专断型领导将被抛弃，民主型、服务型领导将受欢迎。企业需要的管理者应具备环境洞察与战略能力、组织建构能力、市场洞察与客户能力，以及利用数字数据创新管理的能力。对员工的要求，除专业和自我管理能力外，也同样需要懂数字化技术，知晓数据建构与分析，了解数据应用的伦理与道德。

反思与挑战

毋庸置疑，人力资源管理数字化给企业和管理者带来了好处，譬如人才盘点更便捷、更量化，对人才的刻画更细致，人才培育、使用、激励更适配更精准，反馈、干预、调整也更及时和个性化，一切都变得可测可控。数字智能化应用为人力资源管理带来了客观公正，使得偏差降低、成效提高。同时，也改变了管理者的思维，如使其更重视数据，更习惯从大数据中挖掘那些隐藏的模式。当然，伴随广泛而深入的应用，数字化、智能化也给管理者带来了困惑，需要管理者反思。

替代

数字化、人工智能发展与应用带来人力资源乘数效应的同时，也带来对工作岗位、就业机会的替代效应，这样的挑战不容小觑。根据理查德柏瑞曼等人的报告，到2030年，工作岗位被自动化、人工智能替代的比例，英国为30%、美国为38%、德国为35%、日本为21%。诸如保安、销售、服务、行政支持、办公室工作、记账、物流等工作在未来会有大面积的替代。人力资源工作也不例外，人力资源的一部分工作必然会被取代，未来企业面临的选择或许是：要HR还是要AI？

依此趋势，未来职场三类工作岗位将成为主流：一是AI与机器人以及服务于AI机器人的工作；二是不能被AI简单替代的工作，三是各类零工工作。

滥用

滥用源自于对数据的不当获得、不当使用和信息泄露。大数据分析的原材料是数据，是那些非结构化的、看似冗余无价值的数据。它们大多牵涉个人隐私：空间和行动轨迹、消费行为轨迹、评论言语等等。这些信息或多或少会被移动端、云端、线上软件、商务智能（Business Intelligence，BI）、各种传感器、可穿戴设备、各类芯片等不小心采集着、储存着，并被分析以建立预测模型、关系网络、人才画像，进而实施智能推送、提醒、建议甚至警告。这种隐私暴露是个人无法预知的，经由大数据分析后的结果和应用也往往是出人意料的。当然，一旦泄露，个体瞬间变为“透明人”：一览无遗，且脆弱得无力反抗。

人性温度

人有人情味，有人情味就难免有偏差和不忍。人力资源管理数字化、智能化通过摈弃人为化弊端达到客观、公正、科学之目的，但过于程式化、标准化、产品化也丢失了“人情味”。机器的“铁面无私”，有时甚至是“冷血无情”，大家也有所知晓。譬如亚马逊利用AI及算法监控员工工作效率并自动解除未达标的员工。据称该公司由AI解雇的人数超过了员工总数的10%。数字化“冷冰冰”的一面成了一条架设在员工与组织之间的“数字鸿沟”，阻隔了他们之间的亲近。

疫情隔离与封闭，让大家真切体会到线下、真实地面对面的重要性，毕竟线上、远程方式不是万能的，一句问候、一个眼神、一次团建活动，比线上点赞、给再多虛拟礼物都来得更真实、更实在。

科技向好、以员工为中心而非以技术为中心的呼声日益强烈，未来的职场依靠“算法、算力”解决问题的同时，更需要增加人文关怀和人性温度。

控制

数字化时代，企业对个体已经远远不需要诸如生产流水线式的节奏控制和基于制度和层级式的控制，而是升级为全面的、彻底的、时时刻刻的算法控制。人脸或指纹打卡控制签到，即时通讯软件控制在哪里、在做什么，AI和算法控制注意力分配。与上级、客户的沟通被记录、被追踪，在办公室的行为被监控，要做什么有AI和算法告知你、调度你，甚至连去厕所的次数和时间都可能被系统优化着。身处“全景监狱”中，失去了自主和自由，哪怕是一丝丝的“偷懒”和“懈怠”也不行，即使在家办公也是如此。

思想侵入与“臣服”

数字化、数据化带来的审美观念、价值观念正“潜移默化”地影响着我们。譬如所有问题都可以被量化为数字和模型，都有最优解，不允许模糊存在，没有渐进或无限接近，只有是或者不是，任何偏离最优的行为都会被警告，甚至惩罚。此外，“数据高于一切”意味着掌握数据、懂得数据分析即是专家，可以不考虑行业、专业、逻辑等“实质内容”，只要紧紧盯着数据与数据变化。久而久之，管理者便会对数据产生严重依赖，选择“臣服”于AI、算法、机器设置的规则，放弃对员工行为的直接的、一线的、细致的观察和解读，渐渐停止了深度思考，技能逐渐丧失。

抗争

因为担心被AI替代、隐私被侵犯、被剥削、自由被抑制，或者是因为不愿接受相关的价值观，人们会采取一系列反数字的行为，如阻挠数据采集、虚假呈报数据、欺骗机器等。有人会选择忽略算法推荐，如Uber司机会选择偶尔退出Uber软件，选择就近载客或者回避长途订单。也有员工会选择与客户、供应商合谋，来对抗软件、算法和监控，如淘宝商家的刷单、好评返现。更有甚者，会选择破解算法，篡改数据，人为控制算法。

结语

当下，人力资源管理数字化、智能化大幕已经拉开，众多组织纷纷登场表演：展现技术的魅力，让人们看到它在多领域多场景中的应用；展现管理者对业务痛点、人才管理的敏锐洞察、深刻理解以及运用数字化解决问题的果敢。未来，随数字化技术的更新迭代、应用不断深入，数据洞察将不断触达过往仅靠经验所不能触达的领域。人们在享受便捷、高效、兴奋和美感的同时，固有的价值观念也将不断受到冲击。

因此，管理者需要时刻提醒自己：首先，机遇和挑战并存，人力资源管理数字化、智能化也是“双刃剑”，其转型和建设需要领导者充分认知、顺势而为，并有效平衡；其次，与人相比，可怕的不是数字、AI和“算法”，有良知的决策者、设计者可以将其永远控制在技术的层面，而不会泛滥到与人为敌。