張凱君觀點：不是「按下開關就能開始」─當HR遇上AI

當HR遇上AI 重啟工作定義

面對動輒數以百計的履歷，如何從素不相識的應徵者中辨識出適才適所的人選？不難想見企業徵才部門的人員與主管負擔沉重，身膺艱鉅。現在，機器學習等AI技術可以幫上忙，根據歷年應徵者的資料，及錄取者入職後包括升遷與工作表現的員工檔案建立預測模型，評估每一位求職者的技能、經驗、人格特質在不同工作的勝任程度。倘若工具運用得宜，AI不僅能識別特定的專業，還能評估求職者的潛在能力和企業文化契合度，並預測其在求才機構中發展出成功職涯的機率。

現今用於招募新人的科技越趨多元，例如AI搭配光學字元辨識（OCR）技術可讀取應徵者履歷並評分。這個功能在大型語言模型（LLM）逐漸成熟後更顯強大，AI可以自動分析和篩選大量的應聘者簡歷，根據履歷架構、用字遣詞、學經歷、外語測驗分數、證照、工作經驗等特徵，快速初步篩選出符合職位要求的候選人。

除了代勞檢視履歷，現在也有AI面試。自動面試生成器可在幾秒鐘內建立與工作能力相關的問題和評估指南，生成式AI可生成虛擬面試官，或以角色扮演方式模擬各種面試情境。AI會分析面試者應對提問的反應時間、聲調語速、陳述方式和整體表達能力，來分辨面試者對面試主題的了解程度；甚至透過面試者的表情或聲音，判斷其回答問題時情緒是否起伏，態度是否誠懇，有沒有說謊的可能。AI還可搭配基於心理學或行為經濟學設計的小遊戲，衡量求職者處理信息的能力、團隊配合度或工作風格。最後，依據不同職缺所重視的特質，預測受試者的未來表現，並產生一個洞察分數。

人資管理面臨新科技革命

AI變成求職者的面試官，已經成為現在進行式，美國求職網Zippia 2023年報告，目前約有35%至45%的企業已採納AI招募技術，其中包括99%的財富500強公司。這種技術不僅受到96%人力資源（HR）高階專員的高度評價，認為它能顯著提高人才獲取和留存的效率，還有67%的招募專員表示AI改善了招募流程，68%的人認為AI有助於降低招募偏見。儘管如此，亦有26%的招募專員對AI招募可能帶來的負面影響表示擔憂，35%的人擔心AI可能會忽視具有獨特及非傳統才能的候選人。

在金融行業的人才招募領域，AI技術的應用正在快速改變傳統的面試與招募流程。國外許多頂尖金融機構已開始構建自己的AI面試系統，或選擇採用市場上現有的解決方案和服務，以提高招募的效率與成效。

隨著企業日益重視大數據，人力資源管理（HRM）亦步入數據驅動策略的時代，以精進決策制定過程。雖然美國人力資源管理協會（SHRM）於2016年的調研指出，許多HR從業者對於運用大數據缺乏必要的知識和技能，形成了大數據在人資領域應用的主要障礙，但隨著近年技術進步和教育訓練的推廣，數據分析技能已成為HR領域的關鍵能力。 （相關報導： 華爾街日報》訓練新世代AI需要海量資訊，網路上的「高品質數據」已嚴重供不應求 ｜ 更多文章 ）

近年，人資管理經歷了一次數據和技術驅動的革命。自2015年以來，數據驅動已轉變為HR技術發展的核心，這一趨勢在Human Resource Executive年度評選中獲得確認。超過半數入榜的HR技術提供商強調基於數據分析的決策制定，不僅提升了HR管理效率，同時也增強了其準確性與預測力。

從2018年開始，整合AI技術的HR管理工具趨勢日益明顯，這些工具不再限於傳統機器學習模型，而是引入更複雜的深度學習模型，使得自然語言處理、微表情識別及情感分析等先進功能成為可能。這些技術的發展不僅拓展了HR工具的適用範圍，也為人力資源管理領域帶來了前所未有的洞察與個性化管理潛能。

隨著疫情爆發重塑我們的工作模式，遠程工作與虛擬招募變成常態，其中視訊面試已成為企業評估應聘者的新途徑。面對不斷成長的人才招募需求，國內外眾多領先企業開始積極導入AI面試技術。此項技術的採用標誌著從傳統的履歷篩選和面對面會談，轉變為運用AI來識別合適的候選人，這對於跨國人才選拔的助益尤其顯著，幫助企業在激烈的人才市場競爭中獲得有利位置。

人工智慧優化人才管理流程

人工智慧等科技在金融業的應用，一般耳熟能詳的使用案例不外乎智能客服、精準行銷、機器人理財等，不一而足。然而，除了這些與「客戶體驗」休戚相關的業務之外，不少有助於提升「員工體驗」的領域，其實也非常適合科技工具一展身手，人力資源管理即名列其中。

人力資源管理不限於金融產業，是企管領域最古老的專業之一，畢竟企業是由「人」所組成，沒有人就沒有企業，「人才」更是企業經營可長可久的關鍵要素。廣義的人力資源科技（HR Tech）可以追溯到相當久遠以前，最晚也應從人力資源管理系統的開發及線上徵才網站的出現，使人才招聘邁向數位化與全球化的時刻起算。到了最近10年，隨著人工智慧、雲端運算等技術的快速發展，尤其近期生成式AI風行一時，HR Tech正進入前所未有的創新時期。這些新科技不僅憑藉更有效率的互動提高員工參與度，升級員工體驗，同時優化企業內部的人才管理。

科技留才先發制人

例如透過自然語言處理（NLP）與文本分析技術，AI可以依據企業內社交媒體或工作平台上的溝通訊息，識別員工情緒變化和壓力指標，進行員工情緒分析。這有助於人資部門及時了解員工的心理狀態，採取必要行動，例如邀約員工訪談，探詢其工作負荷是否適當，嘗試改善其工作氛圍以提升滿意度。利用生成式AI開發的數位助理，可以在日常工作中為HR專業人員和員工帶來幫助，包括提供及時的洞察、自動化任務處理以及導引使用者了解和遵循公司規範。這些AI驅動的數位助理能夠理解自然語言，使得真人與系統的互動更為直觀和高效，甚至可用以打造專供員工內部使用的聊天機器人，於任何時刻提供即時回應，回答員工的常見問題，如生育補助、團體保險和各種行政流程等。如此不僅讓員工的疑惑快速得到解答，改善員工體驗並使其專注於工作，也可避免人資部門重複回應相同的問題，減輕工作負擔。 （相關報導： 華爾街日報》訓練新世代AI需要海量資訊，網路上的「高品質數據」已嚴重供不應求 ｜ 更多文章 ）

此外，根據企業過往的員工資料，包括薪資水準、調薪頻率與幅度、升遷歷程、工作績效等，利用機器學習可以建立各種預測模型，大幅提升人力資源的管理效率。例如人才流失是所有企業的痛，而一個好的離職風險模型，能夠估算每位員工的「離職風險分數」，預測具備哪些特徵因子組合的員工類型離職風險最高。人資部門一旦掌握這些資訊，即可協助主管主動出擊，提前採取因應措施，如改善工作條件、提供發展機會或調整薪酬福利，以挽留對企業有價值的關鍵人才。

類似的預測模型不只用於「留才」，「選才」亦復如是。但盡信機器不如無機器，科技在這裡支援的主要功能，應該還是希望以相對合理的方式，先期過濾明顯不適合的應徵者，減少徵才人員時間成本的無謂浪費，集中精力於深入了解比較值得期待的人選，最終的取捨還是必須由真人判斷。

科技育才模式創新

伴隨新科技的出現，企業「育才」方式也不同以往。企業內部的AI培訓平台可以根據員工的工作表現、學習進度和個人興趣，提供個性化的學習資源和課程推薦。這種個性化學習路徑有助於提升員工的技能和職涯發展，同時增加學習的動機與誘因。如果加上AR、VR技術帶來的虛擬沉浸式體驗，藉由臨場感與人機互動特性，讓訓練內容確切反映真實工作場景，可促使學習者更為投入。事實上，以AI搭配沉浸式體驗的培訓，不但將培訓場域由傳統教室內移往教室外，也將培訓行為的中心由講師翻轉至學員。

生成式AI的興起，又為企業的育才模式帶來更多創新。去年《哈佛商業評論》的文章即舉出案例。某大型企業軟體公司注意到，他們的新進客服人員需要好幾個月，才能學會如何應對顧客並回答技術問題，但許多人在技能養成之前就離職了。於是該公司尋求AI解決方案，建立大型語言模型，先將客戶與客服人員的對話內容作為訓練資料。AI經初步訓練後，再微調，便能辨識在不同情況下能帶來良好客服效果的用語。

但是眾所周知，生成式AI有時有虛構答案的毛病。為了避免這個風險，該公司另外引入一種稱為內脈絡學習（In-Context Learning）的機器學習技術，也就是當包含某些特定用字的問題出現時，就從相關的公司標準文件如使用者手冊中取得答案。這整套AI會即時監控客戶與客服人員的線上談話，並做出回應，但這個回應不是直接給客戶，而是提供給客服人員自行判斷運用。試行2個月後，不僅顧客滿意度獲得改善，原本處理速度最慢的客服人員（大部分是新進人員），平均每小時解決問題的數量增加了35%，新進客服人員的流動率也下降。這個案例展示出，某些工作必備的專業知識和能力，以前必須透過冗長的訓練或長期經驗累積才能獲得，現在，在生成式AI推波助瀾下，創造了成效更好的培育機制。

人力資源部門扮演數位轉型關鍵角色

非營利智庫Conference Board在2023年底針對全球人資長的調查發現，61%的人資長計畫在2024年投資AI以簡化人力資源流程，提升員工體驗，幫助企業做出更好、更快的人才決策，甚至重新定義工作方式。不過即使市場上已出現越來越多標準化的HR Tech工具，但考慮到各機構有其獨特的企業文化，所需人才的各項特質必然不盡相同，倘若預測模型並非自行以內部資料開發，理想的做法至少也應將標準化工具予以微調，才能符合不同企業用人的差異性。

金融業者如何透過開發或引進合用的HR Tech，提高人才選用育留的準確度與效率，進而提升整個組織的創造力與生產力，是值得深思的課題。人力資源管理加入HR Tech並不是「按下開關就可以開始」的解決方案，而人資部門在金融機構數位轉型的過程中，顯然可以扮演更為積極的角色。 （相關報導： 華爾街日報》訓練新世代AI需要海量資訊，網路上的「高品質數據」已嚴重供不應求 ｜ 更多文章 ）

＊本文作者張凱君為台灣金融研訓院金融研究所所長、吳文蔚為金融研究所輔佐研究員，本文選自172期台灣銀行家雜誌，授權轉載。