人事戦略と人材開発の形成における AI の役割

人事戦略と人材開発の形成における AI の役割

AI の力を活用することで、人事チームは複雑な課題に対処し、効率性を向上させ、前向きな職場環境を育むことができます。

人材獲得から従業員の福利厚生まで、AI により HR チームは課題を克服し、プロセスを合理化し、前向きな職場環境を作り出すことができます。 Kognitos の CEO 兼創設者である Binny Gill 氏は、次のように述べています。「効率性と応答性を向上させ、ビジネスの成功を促進する AI ソリューションを通じて、HR の未来を実現しましょう。」

過去数年間、人事部門は、COVID-19パンデミックによって引き起こされた労働市場の過熱と恒久的な雇用の変化によってもたらされた課題に直面してきました。 HR チームが取り組んでいる質問には、「優秀な人材を特定して引き付けるにはどうすればよいか」「賃金が急上昇する時期に優秀な人材を維持するにはどうすればよいか」「チームの大部分がリモートで働いているときに、企業文化を維持するにはどうすればよいか」「より少ないリソースでより多くの成果を上げるにはどうすればよいか」などがあります。これらの質問に加えて、テクノロジーの影響を含め、仕事の未来がどうなるかを考えると、HR チームには考慮すべきことがたくさんあります。

これらすべての困難な課題に加えて、人事チームは、安全で前向きな職場環境と従業員の幸福を確保しながら、会社の最善の利益に配慮するという従来の役割を果たさなければなりません。当然のことながら、多くの人事担当者が燃え尽き症候群を経験しています。幸いなことに、大規模言語モデル (LLM) と生成 AI の台頭により、HR チームには、より少ないリソースでより多くの成果を上げながら、利害関係者への対応を強化できる機会が与えられています。

AIは人事部門にとって目新しいものではないが、まだ広く利用されていない。

HR チームのメンバーを支援するための AI の使用については、以前にも取り上げました。これまで、多くの人事チームは、履歴書の審査から従業員の幸福度の測定まで、日常業務における小さな問題の解決に AI を活用してきました。

では、AI を導入する上での課題は何でしょうか? ほんの数年前でさえ、人事部門で AI を使用するのは困難な作業でした。 AI プログラムの構築と展開には、高度な訓練を受けたデータ サイエンティストまたは AI 開発者が必要です。これらの分野での人材が限られているとボトルネックが発生し、経営陣は社内の自動化や AI プロジェクトよりも、顧客やコア R&D プロジェクトの AI、機械学習、自動化チームの作業を優先せざるを得なくなります。 AI を導入できるのが特定のスキルを持つ人だけである場合、特に人事部門などの社内改善プロジェクトは後回しにされ、日の目を見ることさえない可能性があります。

さらに、AI の導入は、その機能の範囲が狭いために制限されてきました。多くの AI ベースのソリューションは、人事部門が日常的な問題を解決するのに役立ちます。ただし、これらのソリューションにも上記と同じ問題が存在します。 HR 部門がチーム メンバーの生産性を向上させるために複数の AI ソリューションを導入している場合、IT チームはこれらのテクノロジーの管理において重要な役割を果たす必要があります。過負荷の IT 部門は開発者と同じ課題に直面しており、提案された HR プロジェクトが妨げられたり、遅れが生じたりしています。

AI は従来、変動性と例外性のために人材に課題をもたらしてきました。ロボティック プロセス オートメーション (RPA) などの従来の AI および自動化ソリューションは、通常、変数の数が限られた大量の予測タスクで優れたパフォーマンスを発揮します。 HR プロセスで発生する変数や「例外」の数が増えるほど、これらの従来のアプローチが機能しなくなる可能性が高くなります。 HR には人間的要素が多く含まれるため、採用からコンプライアンス、人材開発、さらには退職に至るまでのプロセスには人によって大きな違いがあり、従来の自動化ではうまくいかないことがよくあります。

今日の人事機能における人工知能の役割

大規模言語モデル (LLM) と生成 AI の最近の爆発的な増加により、状況は一変しました。通常のビジネス ユーザーは、ChatGPT と GPT4 を使用して日常のワークフローで AI を活用できるようになりました。これにより、通常の HR チーム メンバーは、開発者や IT チームによる多大な作業を必要とせずに、同僚と問題を解決するのと同じように、自然言語で AI と直接コミュニケーションをとることができます。

このように大規模言語モデル (LLM) と生成 AI を採用することで、HR プロフェッショナルは、実行したい HR プロセスの自動化方法を制御し、例外を処理できるだけでなく、従来の自動化ソリューションの 20% ~ 40% と推定されるビジネス コストを大幅に削減することもできます。

では、AI は従来の日常的なプロセスに最も大きな影響を与えることができるのはどこでしょうか?

  • 履歴書と候補者のスクリーニング: AI は、人事担当者が求人掲示板で候補者を監視し、履歴書をダウンロードし、各候補者のレビュー用の短い概要を作成するのに役立ちます。
  • 従業員のオンボーディング: AI は、人事チームのメンバーが新入社員の情報を取得し、アクティブ ディレクトリを通じて登録し、税金およびコンプライアンス フォームをアップロードし、新入社員に特定のオンボーディング情報を記載した歓迎メールを送信するのを支援できます。
  • コンプライアンス監視: AI は新しい規制を要約して追跡し、従業員がコンプライアンスを維持できるように、ユーザーを監視してトレーニングの維持と完了を促すことができます。
  • 給与計算: AI は、HRMS および給与計算ソフトウェア内の変更、CRM システムに基づく手数料計算、アクセラレータ計算など、給与計算プロセスをエンドツーエンドで自動化できます。

HR における AI の今後はどうなるのでしょうか?

HR リーダーは、将来的に組織内で AI をどのように実装し、拡張していくかを検討する必要があります。以下の点を考慮する必要があります。

(1)AIを使って機密性の高いタスクを処理する際には、人間の介入を確実にする

HR 活動には大量の個人データと企業データが関係しますが、多くの場合、これらのデータは多くのシステムに分散しています。 LLM 自体はブラック ボックスであるため、エンドツーエンドのフローに単独で使用するのは安全ではない可能性があります。人事部門は、LL.M. を活用する際には、自動化が行われる前に人間による監査が行われるようにする必要があります。

(2)セッション例外処理を採用する

HR プロセスには多くの変数があり、頻繁に変更されます。従業員の記録の住所などの細かい変更から、福利厚生プランの新しいオプションまで、さまざまな変更が行われます。 HR プロフェッショナルは、毎日発生するさまざまな例外を制御し、AI 自動化を使用するときにそれが可能になるようにする必要があります。

(3)AIが強化された未来において人事チームメンバーに必要なスキルを評価する

生成 AI と LLM は、将来最も優先されるスキル セットを変えています。 HR チームは、純粋な分析スキルよりも、最も優れた感情的知性と批判的思考力を持つ候補者を優先する必要があります。 AI の新しい時代では、批判的な質問をする人が最も生産的になります。

HRにおけるAIの未来

人材分野における人工知能の応用が熟した時期が来ています。しかし、これらの強力な新技術の導入を検討する企業が増えるにつれ、AI をめぐる誇大宣伝によってプロセスを自動化する潜在能力が失われないように、企業は慎重に行動する必要があります。

大規模言語モデル (LLM) と生成 AI の登場により、HR チームは課題を克服し、効率性と応答性を高めることができるようになりました。日常のワークフローで AI を活用することで、人事担当者は日常的なプロセスを自動化し、候補者のスクリーニングを強化し、従業員のオンボーディングを効率化し、規制遵守を確保し、給与計算を自動化することができます。ただし、慎重な実行、機密性の高いタスクに対する人間の介入、および HR チーム メンバー間の批判的思考と感情的知性の優先が、導入を成功させる鍵となります。 HR における AI の将来は有望であり、少ない労力でより多くの成果を上げ、従業員にとって前向きな職場環境を作り出す可能性を提供します。

<<:  ChatGPTのモバイル収益は9月に460万ドルという過去最高を記録し、成長疲れが現れ始めている。

>>: 

ブログ    
ブログ    
ブログ    

推薦する

AIはキーボードの音を聞いてパスワードを盗むことができ、その精度は最大95%

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

ガウス混合モデルを用いた多峰性分布の分離

この記事では、ガウス混合モデルを使用して 1 次元の多峰性分布を複数の分布に分割する方法を説明します...

機械学習を理解するための 3 つの図: 基本概念、5 つの主要な流派、9 つの一般的なアルゴリズム

機械学習は進歩しており、私たちが思い描いている人工知能にどんどん近づいているようです。音声認識、画像...

考えてみましょう: なぜ AI が必要ないのでしょうか?

[[270404]] [51CTO.com クイック翻訳] 人工知能(AI)は今ホットな話題であり...

インドのチームが人間のように考えることができる自動運転アルゴリズムを開発

[51CTO.com クイック翻訳]インド工科大学 (IIT マドラス) の研究者らは、人間のように...

OpenAI の人事異動は、Nvidia、AMD、Intel、Microsoft にどのような影響を与えるでしょうか?

OpenAI の人事異動の影響:ウルトラマンが勝つ彼はついに株式を取得することができました!マイク...

自然言語処理シーケンスモデル——HMM隠れマルコフモデル

前回の記事では、主にテキストコーパスの抽出と前処理のプロセスについて説明しました。次のステップは、コ...

...

TensorFlow から Theano まで: 7 つのディープラーニング フレームワークの水平比較

[[183874]]ディープラーニング プロジェクトを開始する前に、適切なフレームワークを選択するこ...

人工知能のいくつかの重要な技術をご存知ですか?

今日は人工知能の開発におけるいくつかの重要な技術を紹介します。音声認識からスマートホーム、人間と機械...

自動運転ソリューションプロバイダーは高精度マップをどのように活用するのでしょうか?

テクノロジー大手のBATから市場に参入する多数の新興企業まで、業界には10社を超える高精度地図サプラ...

機械学習から最も恩恵を受ける4つの業界

機械学習は、将来性が最も高く、業界に最大のメリットをもたらす AI の分野です。関連レポートによると...

AI時代のネイティブ:3歳でパズルを作り、5歳でプログラミングを学ぶ

[[241540]] 2018年世界ロボットコンテストで、子どもたちがロボットのプログラミングと制御...

Google の 130 億パラメータの多言語モデル mT5 が利用可能になり、101 言語への容易な移行が可能になりました。

Facebook は多言語機械翻訳モデル「M2M-100」をオープンソース化したばかりだが、今度は...