机器学习使雇主获得更多关于技能的见解

这篇文章之前发表在社团的博客．

2019年，我们灯塔研究咨询公司的团队开始确定人工智能(AI)在某些人力资源任务上是否比人类更好。我们知道自动化可以比人类更快地处理一些行为，但如何在员工敬业度数据中找到见解呢?电脑真的能比我们做得更好吗?

在实验中，我们从北美各地的员工那里收集了1000份关于工作压力源、经理关系等方面的反馈。然后，我们与一些咨询公司分享了这些数据，以征求专家的意见和建议。这些见解很有帮助，也很有趣，但不具备可操作性。例如，我们发现60%的“员工”在工作中有压力，但我们不清楚谁有压力或为什么有压力。

然后，我们用一种算法来分析评论中的情绪，以获得相同的数据。结果是令人难以置信的密集和丰富的见解。例如，我们可以通过性别、种族、工作或地理位置看到特定的压力源，如经理关系、工作条件和家庭责任。

这向我们证明，人工智能在分析反馈数据方面比人类更好，可以帮助我们作为组织领导者采取行动。

就像上面的实验一样，在其他领域中，业务中存在丰富的数据集，但还没有挖掘出见解。我们将探索人工智能可以建议行动、提供见解并为雇主创造价值的一些领域，这些雇主利用技术来检查他们最丰富、未开发的数据源之一:员工技能。

技能与空间关系

理解技能的空间表示可以清楚地了解技能之间的密切关系，以及与技能表示的实体(例如，工作)之间的密切关系。这使我们能够确定通往目标结果的更优路径——在这种情况下，将工人或候选人与工作、内容、学习、导师等匹配;反之亦然，为求职者匹配工作，为员工学习等等。

让我们用一个基本的例子来探讨这个概念。在市场营销工作中，这些可能是相关的技能:

• 写作
• 研究
• 分析

然而，在软件工程工作中，这些技能可能适用:

• 编码
• 协作
• 分析

在这两种工作中，都需要对产出进行分析，但除此之外，技能并没有大量重叠。这意味着编码和写作技能之间的关系(尽管它们实际上都意味着坐在电脑前打字)在空间上相对遥远。然而，在每个工作中，技能有更紧密的联系。不要把工作看作是离散的、不同的实体，而是把它们看作是技能的集群。

现在，当你把这个非常基本的解释扩展到人们从事的数百万种工作中数千种可能的技能时，你开始看到识别和关联这些技能的挑战是如何非常适合算法来支持的。

人工智能和机器学习洞察

就像我们上面提到的实验一样，人类可以对技能进行一些有限的分析，但我们可以轻松处理或使用的信息太多了。机器学习和人工智能允许我们以各种各样的方式使用这些原始技能数据来支持人才和业务决策。例如，它可以揭示:

• 建议的能力。支持个人技能发展路径。

• 技能差距．揭示一个公司拥有什么技能，他们需要什么技能，以及学习内容的发展机会或个性化建议。

• 技能检定。证实怀疑/推断的技能。

• 建议演出机会。提出个性化的建议，以发挥优势。

• 就业选配。为相关工作和晋升机会提供个性化的建议。

虽然这不是一个详尽的列表，但这有助于描绘出一个基于数据驱动的AI的智能组织如何从以技能为中心的大型数据集中获得和利用价值。

未来愿景:自我发展的劳动力

这种方法的潜力是不可思议的，但它也打开了我们今天在人才市场上越来越多看到的东西。员工们越来越希望自己能控制工作的速度和方向。这种人工智能支持和以技能为中心的战略的未来愿景使我们能够拥有一支自主发展的劳动力队伍。机器学习了解存在哪些技能以及哪里可能存在差距，并有助于在公司意识到问题发生之前，针对开发、招聘活动和其他干预措施解决问题。

这是不是有点不可思议?是的。但即使在短短几年前，我们也会对一种算法说同样的话，这种算法可以很清楚地识别一个人拥有什么技能。我们的研究表明，了解您所在组织的技能是一个关键的业务问题，而不仅仅是一个孤立的人才问题。利用技术来解决这一挑战将为那些愿意采用和使用它的雇主创造竞争优势。这不是一个“如果”的问题。这是一个“何时”的问题。