越来越多人相信，AIGC的迅速发展将给很多行业带来颠覆性影响。人工智能的发展在给人力资源管理工作带来便利的同时，也带来了深层次的风险与挑战。人力资源管理者需要在利用人工智能技术的同时，洞察与之伴随的风险与挑战，并前瞻性谋划人力资源管理变革之路，以在新的技术环境下提升人力资源管理的价值贡献能力。

AIGC在人力资源管理实践中快速发展

相对于传统人工智能，AIGC被广泛认为是一种革命性突破，其对各个产业的冲击前所未有。比尔·盖茨认为AIGC是其所见到的最具革命性的两项技术之一，人工智能开始能够回答未经专门训练的问题，且对一些问题的回答比很多真人的回答似乎更好。

近年来，大模型和多模态两个方向上不断取得创新突破，为AIGC技术能力的升级和打破过去的边界提供了更多可能。

目前国内外众多机构开始提供基于AIGC概念的人力资源管理应用，在人才招聘、培训、绩效管理、员工关系管理等各个方面，人工智能技术及基于大模型和行业细分模型的人力资源应用功能不断推出。

AIGC不仅能帮助人力资源工作者更加快速、便捷地获取和处理信息，还能基于不同的应用场景，针对各类HR工作提供生成式内容服务。

例如，Workday作为全球领先的人力资源管理软件提供商，已经可以提供几十种“机器学习”体验，它们以“推荐”“预先填写的表格”或“预先设计的工作流”等形式呈现，其技能云正在成为一个成熟的智能化技能平台，可以从任何纵向或专业技能数据库导入数据，为公司提供多种推断或评估技能的方法，提供数十种报告，分析技能差距与不足，为每个员工或劳动力群体创建技能提升路径。

在国内，字节跳动的飞书中，人力资源相关的智能化功能不断推出，例如与招聘相关的飞书招聘面试助手、简历信息增强、面试文字音频全记录等AI全面赋能面试官功能，对于企业内部员工关于人事行政等相关问题的各种咨询， HR专属服务台可以智能回答员工的各种人力资源问题，飞书词典可以让员工快速找到个性化所需知识信息，减少了大量知识性传统培训工作。

阿里巴巴在2023年4月宣布钉钉将接入阿里巴巴“通义千问”大模型，在对话中，用户可以训练专属的助理机器人，只需要发送文档、网页或者知识库的一条链接，就可以让机器人自动学习其中内容，并可生成对话问答，不用再手动设置问题和答案。

人力资源管理正在成为AIGC应用场景中的一个新的重要细分领域，我们将其简单归纳如图1所示。

AIGC给企业人力资源工作带来新挑战

AIGC在帮助企业提高效率的同时，对企业的人力资源工作及人力资源工作者也带来更加复杂的新挑战，我们从其对企业人力资源管理能力的挑战和对人力资源管理工作者未来的影响两个角度进行分析。

1.能否合理评估和有效控制AIGC带来的人力资源管理风险

AIGC发展迅速，但在使用规范、政策法规与社会环境、技术成熟性与安全性上还存在很多缺陷。从人力资源管理制度和政策、流程角度，如果企业缺乏有效的内控制度，滥用生成式人工智能工具可能会给企业带来不可逆转的管理灾难。

亚马逊、苹果、三星、埃森哲、高盛等一些大公司都在考虑限制其员工使用ChatGPT。除了具有普遍性影响的数据安全、信息伪造、道德伦理风险，从人力资源管理角度，AI技术发展对劳动雇佣关系管理也将变得更加复杂。

如果缺乏对员工使用AI的权限与责任规定、员工使用AI的行为规范与要求、对违反相关规定的相关处理措施，会进一步放大这种风险，企业在员工手册中有必要明确AI使用的红线即严重违反公司规章制度行为，同时避免员工利用AI规避和转嫁个人责任的风险。

在缺乏有效监督训练的情况下，人力资源管理者推广AI人力资源助手，也存在AI助手对劳动政策咨询问题解答的合法性争议问题，在劳动关系争议中，员工可能通过AI助手获得的咨询、解答恶意取证以侵害企业利益。

2. AIGC对人力资源管理者的专业性提出更高要求和挑战

尽管一些AIGC服务提供者从商业角度宣称AIGC降低了很多岗位对人力资源专业技能水平的要求，但这并不代表企业本身可以降低其人力资源管理专业水平，相反，更应该借助AIGC提高企业人力资源管理专业水平。毕马威在关于AIGC的一项研究报告中提醒企业管理者，以负责任、值得信赖和安全的方式释放AIGC的全部潜力需要时间和专业知识。

AIGC可以自动化输出并生成我们想要的人力资源管理内容，例如拟写招聘广告、职位说明书，提供人力资源管理政策咨询解答，提供薪酬报表等，而且看上去“很专业”。

但是高质量的专业性人力资源输出只有通过高质量的人力资源专业训练才能获得。如果人力资源管理工作者自身专业性不够，例如缺乏职位分析的系统训练，对职位分析背后的战略理解、组织逻辑、人力资源市场供求判断、未来的能力要求趋势变化的预测不足，则难以判断其生成的职位说明书的合理性。

只有当人力资源管理的专业知识和独创性与使用这些程序并有效利用其能力的深刻理解相结合时，生成式人工智能模型才更有可能通过以前所未有的速度和效率执行某些任务，从而真正助力人力资源管理。要让AIGC输出的人力资源内容具备专业水平，企业人力资源专业人员的水平及其训练、使用和监督AIGC的能力都十分重要。

3. AIGC技术的发展可能带给人力资源工作“被工具操控”风险

相比其他工作，人力资源管理工作中尤其是在员工激励方面，政策、标准的合理性、合法性、公平性要求更高，如薪酬激励体系的4E要求 ——External Equity（外部公平）、Internal Equity（内部公平）、Procedural Equity（程序公平）、Individual Equity（个体公平），人事调配与干部选拔中、奖惩中的公开公平公正要求等。

在AIGC时代，由于大模型和机器深度学习技术的应用，机器可以迅速给出结果，尽管技术专家正在研究过程逻辑可控的AIGC技术，但对于普通应用者，所有的过程逻辑更像一个“黑盒子”。

在人力资源管理中，人们不仅需要知道结果，更关注其过程的公平性、标准的公平性与逻辑的合理性，企业必须具备对生成内容及时进行有效性验证和纠偏的能力。

德鲁克认为，人事决策是企业中非常重要的一种决策，也是领导者必须承担的一项责任。人力资源管理中很多工作可以交给机器，但是风险和责任最终只能由人来承担。

4.对人力资源管理者推动组织能力转型提出新挑战

人力资源管理的重要职责是保障企业构建核心竞争优势所需要的组织能力和人才队伍。AIGC时代，企业核心竞争优势的构建变得更加复杂，人力资源管理者需要前瞻性分析AIGC对组织未来人才能力及其结构的影响以推动组织转型。

作为一种重大技术变革，AIGC的出现及其发展意味着传统线性人力资源战略规划方法将面临更大的失效风险，人力资源工作需要未雨绸缪，在规划时充分考虑人工智能技术发展所带来的颠覆性影响，对人力资源能力结构转型提前做出非线性的战略性筹划。

同时，组织能力转型过程中，不仅涉及成本效益问题、复杂环境下人力资源规划技术问题，还涉及企业文化、劳动关系、政策法规、就业与雇佣观念、社会责任等诸多因素，可能对企业的基本人力资源管理哲学产生冲击和影响。

5.人力资源部需要重新评估自身核心价值贡献与定位

拉姆·查兰曾经提出“炸掉人力资源部”的口号，而当AIGC功能日益强大，人力资源岗位是否还有存在的必要进一步引发热议。在受AIGC冲击和影响的岗位中，人力资源部门正在成为重点区域之一。

字节跳动裁撤人才发展中心、精简HR部门的动作曾经引起广泛关注。2023年年初，微软宣布计划裁员1万人，据界面新闻从多个信息渠道获得的信息，人力资源部门将成为重灾区。亚马逊2023年年初宣布启动的新一轮裁员中，零售和人力资源部门也是受影响最严重的。2023年5月，IBM宣布暂停招聘人工智能可以胜任的岗位，用AI取代7800个工作岗位，其首席执行官Arvind Krishna透露，暂停招聘的主要为后台岗位，比如人力资源等，该CEO认为未来5年内，30%的岗位将被人工智能取代。

人事部门中那些不能提供独特价值的岗位将越来越受到冲击和挑战。

针对拉姆·查兰之问，尤里奇也意识到传统人力资源管理存在的问题，并推出曾经广为流行的HR三支柱理论，但三支柱理论的实践效果还存在争议。

理论上，三支柱模型在解决拉姆·查兰之问的同时，又陷入了德鲁克之问的挑战，即人力资源部是否资不抵债？人力资源部做出的贡献是否高于企业对该部门人员投入的成本？三支柱模型在中小企业实践中更是影响甚微，而AIGC的发展，对三支柱理论模型建立的人力资源管理体系进一步形成新挑战，尤其是其中的SSC（共享服务中心）部门——大量SSC工作更容易被AIGC所影响和替代，基于三支柱模型的BP和COE部门也将同样受到挑战。

AIGC的发展将倒逼人力资源工作者重新审视和评估自己的核心价值定位与角色，提前储备HR转型的素质和相关能力，成为真正能够创造独特价值的管理工作者。不能重新实现这种核心价值定位转变的人力资源岗位将逐渐被机器所替代。

企业人力资源管理如何应对AIGC变革

面对AIGC技术环境变革，传统的人力资源管理模型需要进一步完善和补充。我们纳入AIGC的影响，在传统人力资源管理模型基础上提出一个新的分析框架。

1. AIGC时代人力资源管理工作价值定位新框架

人力资源管理模型众多，哈佛人力资源管理模型相对其他模型具有以下优点：首先，哈佛模型具有更强的战略性，更加关注利益相关者和环境因素等的全面系统分析，能够更好地适应变化环境下的分析需要；其次，哈佛模型更加关注长期影响和后果，而AIGC作为一种被广泛认为具有革命性的重大技术突破，需要以更长远的视角加以分析。

我们以哈佛人力资源管理模型为基础，综合五个因素构建了一个新的分析框架，总结如图2所示。

第一，AI和人各自的独特优势。尽管AIGC技术使得人工智能在很多方面具有人类无法比拟的优势，但是在以人为对象的人力资源管理领域，人类也拥有机器无法替代的独特优势和价值。

AIGC技术的发展要求人力资源管理必须更加关注和发挥人自身的独特性优势，并为之提供了更加强有力的技术保障。

积极心理学家彭凯平认为，人至少有九种能力是人工智能机器取代不了的，即同理心、道德意识、智慧、自控力、美感、幸福感、意义感、形象思维、共鸣召唤，这九种优势对未来人机协同社会中人力资源管理者的核心价值定位具有重要的方向性启示。

第二，责任与风险。尽管AIGC提供了强有力的生成能力，但是其生成效果的质量、可靠性仍然面临重大挑战。机器无法代替人承担风险责任，人力资源管理者在借助和利用AIGC优势的同时，对于其中风险责任较高的工作，必须予以更多关注，并在必要时承担责任。

战略性人力资源管理的很多问题意味着在期望和风险之间选择，是激发“人”的潜力将“不可能”化为“可能”的挑战，风险责任性质不同，人与AI协作中各自的角色也有所不同。

第三，道德与关系属性。相比机器，人的道德性和情感性及人与人的社会关系属性，是人独有的特殊因素。人力资源管理中许多工作不仅是客观的物质性经济性问题，雇员与企业之间也不是冷冰冰的交易关系。

人力资源管理工作以人为对象，相比标准更加明确的财和物，人力资源管理工作大量涉及道德、信念、情感、态度、人际关系等本身就没有客观外在标准的因素，机器可以辅助但难以替代人力资源工作者。

第四，创造性特性。尽管对AIGC技术未来是否具有创造力还存在争议，但总体上AI没有人类的直觉，没有从0到1的能力，AI生成只能基于既定的输入和训练。人力资源工作中，一些基本的前提性、原则性、先验性工作，例如企业的独特使命、企业的基本人力资源管理哲学，目前只能由人来完成。

第五，决策特性。企业人力资源管理中重大决策问题的本质是面对关于人的重大问题，在众多同等可能性中进行选择，这种选择权不应该交给机器，而必须由人来行使。

例如关于核心高层的聘任，通常不会有一个明显最优的人选，正如任正非与德鲁克的共同观点，没有完美的人，所谓完美的人通常是有问题的，在这种情况下，面对具有各自特点的不同优势和劣势的人，尽管可以利用AI给出一些辅助性决策信息，但最终决策只能且必须由人做出。

2.未来发展的意见和建议

基于以上分析框架，应对未来AI挑战并充分利用AI带来的助力，未来的人力资源管理需要面对以下几个转变。

第一，从输出知识数据信息为核心到以人为核心。过去的人力资源管理通常大量时间精力用于处理知识数据和信息，而AI在这方面具有的独特优势是人无法比拟的，进入AIGC时代，机器不仅能够处理信息、加工信息，还能够完成之前人工智能不能实现的创意性信息生成。

因此，转变为以人为核心的人力资源管理尤为紧迫。人力资源工作者要更加关注对人的情感、感受、态度、动机、信念和价值观等的影响，关注如何帮助人们在企业平台上更好地自我实现，建立更加积极的人际关系，更加有效地应对冲突和对立，帮助员工在企业中找到更多归属感，提高对共同使命的认同度与参与度，增强凝聚力，以及帮助企业员工和外部客户、利益相关者之间建立更加密切的协同关系。

第二，不仅由外而内，还需由内及里。戴维·尤里奇曾经提出由外而内的人力资源思想，以破解人们对人力资源部意义和价值的挑战，强调人力资源管理必须关注外部环境、关注客户需求，而不是仅关注自身岗位职责。AIGC时代的人力资源管理，还需要具有由内及里的能力，必须比过去更加关注和洞察人心、人性。

以人力资源管理经典的胜任素质模型理论为例，传统人力资源管理往往侧重冰山以上的部分，如知识、技能、能力以及展示出相应行为，未来则需要更多具备“潜入冰山以下”的能力，在动机、特质、价值观、社会角色等方面做出更大影响和贡献，而冰山以上的部分则由AI发挥更多优势。

第三，持续推动追求高绩效文化。在企业人力资源管理实践中，同时存在企业渴望提高效率而员工认为自我潜力发挥不足的矛盾。AIGC的发展使工作效率更高，但是也给就业与职业安全带来一些负面影响。如果企业不能持续设定高目标和追求高绩效文化，对于很多岗位，AIGC将使得企业对“人”的数量要求比过去更低。

当企业可以用更少的人来完成既定工作的时候，如果企业不能持续设定更高的目标、树立更远大的追求，必然会导致人员需求压缩，从长远角度影响人的福祉甚至社会的和谐发展。设定高目标、持续追求高绩效文化，则可以将AIGC节省出来的人力用于解决更难、更复杂的问题。

第四，从培训支持到训练和创造人与AI共生的内容生态。传统人力资源管理工作中，培训是解决人员技能不足的重要手段。在AIGC时代，大量传统培训性工作可以由机器完成，尤其是知识、数据、信息、程序性技术相关的培训，对人力资源部的依赖将越来越小。

人力资源管理者需要具备训练AI和构建内容生态、管理内容生态的能力，以确保AI为员工提供符合企业战略发展需要的正确支持与辅助，并有效控制相关风险。

第五，从经济激励到工作的意义与内在激励。AIGC帮助人们提高工作效率，本质仍然是工具性的而非目的性的。麦克利兰双因素理论指出，外在性激励不能增加人们的满意度，如果不能激发工作本身的内在意义感，企业在AIGC方面的投入从长期来讲对于人们的满意度可能只是一种零和游戏。

人力资源工作需要更加重视帮助员工发掘工作的内在激励功能，并在推动全面报酬体系的建设方面发挥更大价值，即除了经济性报酬，通过绩效发展、发掘工作的意义、归属与爱、认可与尊重等，发展员工个体优势，增加员工工作幸福度和敬业度，让AIGC为企业和员工福祉带来双赢。

第六，从人力资源专业技术能力到原则性创造与决策能力。进入AIGC时代，越来越多的技术性、知识性的人力资源专业工作可以由AI完成，非人力资源专业部门的业务领导者也可以越来越便捷地使用基于AI的人力资源助手获得支持与帮助。

但AI不能解决企业最基本的前置性、先验性的原则性问题，例如企业为什么存在？企业与雇员的关系是什么？在面临重大取舍时企业进行战略决策的原则依据是什么？

这些问题是选择和评估其他解决策略的前提假设，对这些问题的不同回答，将导致不同的人力资源政策和程序。对这些问题的决策，以及推动和帮助人们认同、支持这样的决策，更需要人而非AI。