推薦序二
當(dāng)計(jì)算機(jī)遇見人力資源管理：一場(chǎng)跨學(xué)科的效率革命

作為一名計(jì)算機(jī)科學(xué)家，我常年沉浸在代碼與算法的世界，致力于讓機(jī)器看懂醫(yī)療影像、預(yù)測(cè)工業(yè)設(shè)備故障。某天，一位HR朋友半開玩笑地抱怨：“你們這些計(jì)算機(jī)科學(xué)家總想著改變世界，卻沒(méi)人幫我們解決每天篩選幾百份簡(jiǎn)歷的苦差事。”這句話讓我陷入深思：技術(shù)的真正價(jià)值，或許在于讓每個(gè)普通人的工作更從容、更高效。正因?yàn)槿绱耍兑槐緯莆誋R必需AI技術(shù)：從招聘、培訓(xùn)、激勵(lì)到戰(zhàn)略決策的全流程優(yōu)化》讓我倍感欣喜——它如同一座橋梁，將我熟悉的AI技術(shù)與人力資源管理的現(xiàn)實(shí)需求緊密相連。

一、從像素到人才畫像：計(jì)算機(jī)視覺(jué)的跨界啟示

在計(jì)算機(jī)視覺(jué)領(lǐng)域，我們訓(xùn)練AI識(shí)別X光片中的腫瘤、監(jiān)控視頻中的異常行為。這些技術(shù)看似與人力資源管理風(fēng)馬牛不相及，實(shí)則蘊(yùn)含共通的邏輯：從海量數(shù)據(jù)中提取關(guān)鍵特征。本書第三章提到的“AI面試輔助”正是這一邏輯的應(yīng)用。

讀取簡(jiǎn)歷如同人工閱片：HR逐字閱讀簡(jiǎn)歷，尋找關(guān)鍵詞，與醫(yī)生尋找病灶何其相似；

AI Agent好比AI賦能的CT機(jī)：自動(dòng)提取候選人的技能標(biāo)簽（如“Python熟練度”）、項(xiàng)目經(jīng)驗(yàn)強(qiáng)度（如“主導(dǎo)過(guò)三個(gè)跨部門項(xiàng)目”），并生成直觀的人才畫像。

這種方法與我的團(tuán)隊(duì)在IEEE Transactions on Image Processing發(fā)表的“醫(yī)療報(bào)告生成模型”不謀而合：AI負(fù)責(zé)處理結(jié)構(gòu)化信息，而人類則專注于進(jìn)行綜合判斷。通過(guò)算法減少重復(fù)性勞動(dòng)，這正是技術(shù)最樸素卻最實(shí)用的價(jià)值。

二、機(jī)器學(xué)習(xí)不僅能預(yù)測(cè)設(shè)備故障，還能預(yù)警人才流失

在工業(yè)AI研究中，我們利用傳感器數(shù)據(jù)預(yù)測(cè)機(jī)械故障；同樣，在人力資源管理領(lǐng)域，員工行為數(shù)據(jù)也能被用來(lái)預(yù)測(cè)離職風(fēng)險(xiǎn)。

類似工廠預(yù)警系統(tǒng)：通過(guò)分析員工的OKR（目標(biāo)與關(guān)鍵結(jié)果）進(jìn)度、會(huì)議發(fā)言頻次、審批流程響應(yīng)速度等數(shù)據(jù)，標(biāo)記出“潛在離職傾向者”。

更具人性溫度：AI不僅提供冷冰冰的數(shù)據(jù)，還會(huì)溫馨提示HRBP，“該約張工喝杯咖啡了”。

這種“技術(shù)理性與人性關(guān)懷”的平衡，與我在數(shù)字健康領(lǐng)域的研究理念相通：AI提示風(fēng)險(xiǎn)，醫(yī)生決定干預(yù)方式。既依托科學(xué)依據(jù)，又保留人性化的調(diào)整空間。

三、給技術(shù)人的跨界建議：從“炫技”到“解決真問(wèn)題”

在ICML（國(guó)際機(jī)器學(xué)習(xí)大會(huì)）、NeurIPS（神經(jīng)信息處理系統(tǒng)會(huì)議）等AI會(huì)議上，我常看到研究者們追逐模型精度，卻鮮有人關(guān)注技術(shù)落地“最后一公里”的難題。本書的價(jià)值在于，它通過(guò)真實(shí)的工作場(chǎng)景，告訴大家如何讓AI真正服務(wù)于HR：

降低使用門檻——從非計(jì)算機(jī)專業(yè)人士的角度，告訴大家如何使用AI；

適配業(yè)務(wù)需求——AI系統(tǒng)應(yīng)錨定HR的專業(yè)知識(shí)，例如海氏素質(zhì)詞典、薪酬模型等標(biāo)準(zhǔn)，通過(guò)算法封裝賦能業(yè)務(wù)，而非強(qiáng)行重構(gòu)業(yè)務(wù)邏輯。

這提醒我們，技術(shù)應(yīng)以解決問(wèn)題為導(dǎo)向，而非讓業(yè)務(wù)屈從于技術(shù)。

四、給人力資源管理行業(yè)從業(yè)者的“科技樹”加點(diǎn)指南

有朋友問(wèn)我：“AI時(shí)代來(lái)了，我需要學(xué)Python嗎？得看懂算法嗎？”我的回答是：完全不需要！例如，本書已將復(fù)雜技術(shù)封裝成“即插即用”的工具箱：

像查字典一樣找工具——附錄1、附錄4、附錄5按場(chǎng)景列出了105個(gè)工具，遇到問(wèn)題時(shí)可按圖索驥；

像玩游戲一樣試錯(cuò)——書中提供了多個(gè)提示詞模板，HR可根據(jù)實(shí)際需求靈活調(diào)整。

不是只有深?yuàn)W的表達(dá)才算技術(shù)，任何能實(shí)際解決問(wèn)題的都可以被稱為技術(shù)。

技術(shù)本身沒(méi)有邊界，但應(yīng)用需要落腳點(diǎn)。本書正是這樣一個(gè)落腳點(diǎn)——它告訴我們，無(wú)須等待通用AI的到來(lái)，今天的工具已足以讓工作更美好。

偉大的技術(shù)，往往源于對(duì)他者痛點(diǎn)的真切體察。

這本書，正是將技術(shù)與痛點(diǎn)結(jié)合起來(lái)的生動(dòng)實(shí)踐。

劉俊

蘭卡斯特大學(xué)計(jì)算機(jī)與通信學(xué)院教授

IEEE、ACM期刊高級(jí)編輯

CVPR、ICML等頂級(jí)會(huì)議領(lǐng)域主席

斯坦福大學(xué)全球前2%科學(xué)家

2025年3月9日于英國(guó)蘭卡斯特