主讲人：侯杰，认知HR解决方案咨询专家
在开始今天的两个话题“员工激励与人力资源运营转型”之前，先和大家一起来看几个数字。
第一组数字是2017年的统计，在人力资源的各个领域，被调研对象使用移动端的比例，我们可以看到最高的比例在20%左右。我们再来看一下2018年这个数字的变化。2018年的被调研对象中，使用移动端的比例上升到了41%。除此之外，我们会看到，企业启动数字化人力资源转型的比例上升到56%，其中33%的受访者在采用AI技术应用于人力资源数据分析领域。所以对于现在的人力资源从业者而言，AI与HR不是做不做的问题，而是做多块、在什么场景下做的问题。接下来让我们回到本期节目的主题“员工激励与人力资源运营转型”，这也是两个在AI支持下浮现的热门话题。
你有没有遇到过这样的同事？高学历、名校毕业、经验丰富，他的简历可以说是金光闪闪，但是不管是和团队的配合沟通，还是对工作的完成度，都有一点不尽如人意。比如一个经验丰富的数据科学家，他却不擅长沟通，共情能力也不强，那么这样的人就不适合放在经常需要和业务部门对接的岗位上。而如果把他放在数据建模、模型训练等不需要和人打交道的岗位上，则更能发挥他的价值。将合适的人在合适的时间放在合适的岗位上，是HR的核心价值。可是这句话说着简单，要实现它可不是一件简单的事情，对人员的精准洞察、对标准的动态把握、对员工行为的持续观察，是数字化员工激励的三大目标。而伴随着大量的咨询、报表、汇报的日常工作，人力资源从业者始终处于分身乏术的状态。面对这样的局面，AI能为我们做什么？AI时代如何成为一名追赶潮流的HR呢？下面我们就来谈谈在员工激励与人力资源运行转型两个方面，如何成为AI HR的弄潮儿。
谈到员工激励，我们今天要探讨的第一个问题是激励，你知道你的员工真正要什么吗？
我们先来说两个概念：传统激励与可持续性激励。目前企业熟悉的激励方式大多属于传统激励的范畴，从公司层面出发，强调对企业的忠诚度与文化的认同感。比如大家都很熟悉的狼性文化，还有对员工年度工作的认可与表彰，比如各种类型的十佳员工。但这种从公司角度出发的激励，对于目前以80后、90后为代表的年轻员工来讲，最大的问题是与我何干？
我们再来看看什么叫做可持续性激励？在可持续激励中，我们强调个人的工作赋能与个人充能，包括工作的自由度、便利性、对挑战的鼓励程度以及公司的氛围、激情、活力，听到这些词是不是非常的耳熟？我们熟悉的硅谷和后场村宣传的卖点其实非常的类似，缺少传统激励可能导致的后果就是员工很满意，老板很失意，而缺少可持续激励，企业渴望的创新、挑战就经常无处发力。
我们再来看一组数据，直观的展现可持续激励对于企业经营效益的影响。可以看到，应用可持续激励的企业能够达到三倍的利润增长，所以企业的HR们，多元化员工激励的方式，对企业的效益会有非常直观的改善。意识到可持续激励对企业的效益，我想大多数的HR同仁们都有跃跃欲试的想法，那促成这种转变的关键又是什么呢？平衡与精细化是我们给出的答案。平衡指的是关注员工激励的方式与投入和企业的收益之间要达成平衡。如果我们做了很多工作环境、员工福利的软性投入，但忽视了员工的职业发展和工作自由度与突破性，就可能出现钱花出去了、人却没有加倍贡献。
而达成平衡，依靠的是对员工的精细化管理，可以对人才的过去、未来看的更清晰、更量化。这里我们用八个字来形容精细化管理的目标：以尺为规、量体裁衣。以尺为规，要求我们在企业内部能够建立与人员管理相关的统一度量衡，并能够利用人工智能的技术实现标准的自我进化。量体裁衣，指的是我们能够客观展现人员的现状画像，而这一画像要能够满足可延续性和可比较性。可延续性指的是在员工企业的生命周期内，不同阶段的画像要能够依次展现。可比较性指的是在一定范围群体内，不同人员的画像可以依据同样的维度进行比较。
说到以尺为规、量体裁衣，在实际应用中，AI可以为我们做什么呢？以下是目前在更为精准的有效激励员工上我们采用的方式方法。比如人才成功画像，通过对同一岗位高绩效人员的历史数据进行分析，选取相关性强、同质度高的维度来组成一组有很大潜能成功的人员画像，实现多维度的量化标准，多家互联网公司已经在陆续采用这种方式作为自身内部人才识别的参考。
同时，随着数据的不断累积，数据产生的成功画像会通过智能学习的方式来不断调整，适应业务变化的需求。有了人才成功画像。我们就有了按图索骥的工具，面对千里马的时候，又怎么拥有识别千里马的慧眼呢？以IBM的cognitive talent platform为例，通过对员工公司内网数据足迹的挖掘，我们从客观数据分析的角度来找出员工当前所呈现出的各种长短板，帮助员工能够更好的认知自己、发展自己，也帮助hr可以多一种选人用人的参考维度。在谈到实际部署中，说到数据分析的领域，我们经常遇到的问题是没有足够的数据或者缺乏高质量的数据，面对现状，AI同样可以提供更好的解决工具。
比如IBM在敏捷反馈的工具中内嵌如语气分析器，可以帮助管理者在提供反馈的时候，直观的注意到自己使用的措辞会对员工带来什么样的情绪影响，从而支持“培养友好的办公氛围”这一项激励因素的提升。我们也会使用个性分析器来解读员工或管理者2000字以上的文章，通过对员工日常的Blog、工作总结的解读，来提供员工个人在个性特质上的参考，收集更多的因素，来帮助匹配更加适合的工作环境和面对压力或挑战时员工的抗压能力与反应。
更多的AI工具还在持续的开发中，以满足我们对于人力资源数据收集不断增加的需求。
大家可以看到，之前我们提到了AI在HR应用的增速非常快。我们也看到了，只要想得到，就可以去尝试各种新场景。HR的同仁们会觉得兴奋、跃跃欲试。但回到现实工作中，困扰我们的问题总是各种各样的咨询、领导布置的工作、日常的报表分析，我们面临着效率和价值取舍的矛盾。
先来带领大家看一幅熟悉的图。这是大卫·尤里奇在十几年前提出的人力资源转型模型。其中提到，人力资源管理应该将更多的精力放在服务于各级管理者、满足人才管理需求、提供企业人才战略、支持业务发展的内容上。为此，可以通过人员“物理集中”的方式来集中作业、降本增效。国内很多大型企业纷纷在实践这样的理论，但是效果各有千秋，如同梨子的味道——“谁吃谁知道”。
AI的到来，为我们带来了减少HR事务性工作的新可能。通过虚拟助手和流程自动化机器人的帮助，我们可以转变员工对于人力资源咨询的工作习惯，同时通过虚拟流程集中的方式，达成原有共享中心“增强管控、降低成本”的目的，又降低实现在企业实践中的操作难度。
随着虚拟助手越来越拟人化与智能化，以及80-90新生代员工对于人机对话接受程度的大幅提高，通过虚拟助手来解决以往需要通过邮件、电话、面对面等方式的答疑类问题，将会有越来越多成熟的应用。
我们将未来HR领域的自服务类型分为三种：自查询、自发展、自决策。其中，自查询是大家较为熟知的领域；自发展和自决策是随着虚拟助手的智能化而衍生出的新应用场景。
自查询主要应用各种不同类型的智能聊天助手，通过拟人对话的方式，完成收集信息、解答问题、征求反馈的过程。目前应用较多的有招聘机器人、入职机器人、绩效机器人、学习机器人等等。
自发展主要是针对人才在职业发展中存在的各种问题和对于个人发展与企业期望值之间的匹配。在HR领域中，人才的“选、育、用、留”是非常重要的环节，但人力资源经常在“培育的效果”和“业务的促进”之间摇摆，两者很难形成直接的因果关系。自发展的提供，让员工看到企业内需要的空缺岗位、空缺岗位的要求、自己与空缺岗位的差距，从而激发自主学习的热情，提高、改善自身的技能。
我们再来看一下自决策。在我们大多数的企业中，人力资源是非常重要的后台管理部门，很多的人事决策相对是独立和保密的。但在目前HR的发展趋势中，信息的透明化与决策权力的释放，也是一种主流的趋势。
在决策权释放给更多人的过程中，如何确保出现更多高质量的管理者？自决策辅助工具为我们提供了一种方式。通过自决策辅助工具，管理者可以更好的了解自身团队的动态、行为的移动、发展的空间，以及通过聊天机器人获得相对应的管理改善建议。
介绍完虚拟助手之后，我们再来看看另外一个因素——RPA。RPA对于人力资源（来说）需要人工输入信息，或在系统间数据的校验可以提供更精准的方式。RPA的全称是Robotic Process Automation，不仅仅应用在HR领域，也广泛应用在企业的各个层面。我们可以看到，RPA对于人力资源而言，解决的是“人力资源内部线上化管理”的问题。
很多企业困扰的是，总部与分公司各自建有独立的HR系统，数据之间相互不流通，比如绩效评价、业绩核算等事务，只能看到结果，看不到过程产出。而对于分支机构而言，总部的系统有的时候与分支机构的管理规则和操作习惯不符，需要额外花时间、精力在两套不同的系统上输入内容，耗时耗力。
这些问题，我们都可以通过现有线上化流程中内置RPA的方式来得到缓解。通过流程自动化机器人，来解决系统间的信息输入、校对、复核等问题，从而减轻工作量。
接下来我们看一个事例，带大家走入IBM位于印度班加罗尔的RPA司令部。在班加罗尔，我们的RPA司令部同时控制和监督着近200个机器人的运行，为我们的外包用户提供7×24小时无休的操作服务。
最后，让我们回顾一下本期节目的重点内容。以IBM自身的数字化人力资源转型为例，实现增强员工体验、激发员工潜能，是我们数字化人力资源转型的目标。希望可以更好的支持在VUCA时代企业竞争与人才争夺快速变化的时机，以及IBM自身的人才竞争力。
刚刚收到的消息是，IBM这一系列转型带来的直接影响，就是在Glassdoor的分析中，IBM成为Z时代“97年后出生的人最青睐的公司”。
实现这一目标，我们依靠的是两大类的基础工作。一是多样、丰富的认知HR场景的实现。今天我们介绍的员工激励和HR运营转型，是其中的两部分。二是多种HR云平台打造的基础系统体系，后续我们将为大家进一步分享。
