人工智能(AI)机器学习(ML)技术已经渗透到各个行业与产品,从恒温器类小家电到汽车工业。根据Gartner报告,今年全球人工智能商业总价值将会达到1.2万亿美金,比2017年增长70%。而到2020年,这个数字有望增长到3.9万亿美金。我们不禁要问,AI技术对于劳动力管理领域意味着什么?

人工智能正在深刻的改变现代化工作的本质,也包括劳动力管理领域。Kronos及其劳动力管理解决方案是引领这次变革的前沿。本文将介绍人工智能背景和一些典型的劳动力管理问题,讨论基于Kronos AI技术的劳动力管理实践。

什么是AI?

人工智能并不是单一算法,甚至可以说它本身就不是一个特别统一的领域。人工智能是一个各种子域的集合,包括各种试图去解决传统人类智能遇到的问题。这些子域包括计算机视觉,自然语言处理,自动最优规划和机器学习。另外,每个子域都有与特定类型问题相匹配的算法。

例如,提及机器学习,通常涵盖从数据中提炼模式或模型。在机器学习领域里也包含多种算法:

非监督机器学习,对数据进行分析以提取最能概括或描述数据的特征或模式。例如聚类算法和成分分析算法。

监督机器学习,其中原始数据带有指定标签(分类任务)或者数量(回归任务)意味着模型可以做预测。例如预测中,历史业务量可以帮助检验或者“训练”模型预测每日业务量。在解决这些问题时会用到深度神经网络,树集成,支持向量机,高斯过程以及其他很多技术。

其他技术或上述学习变形,如半监督学习(其中一些数据带有标签),偏好学习(偏好标签是隐藏和必须从各种选择或查询推导出),以及强化学习(其中AI代理做出序列决策已达到最小化成本目的)。

对于从业人员面临无法明确定义商业问题,这些极具前景解决方案来说既是大量未开发商业潜力也是挑战。为了在劳动力管理或任何其他领域构建AI业务解决方案,必须有一个明确定义的业务问题,然后将它与正确的子字段、类和算法匹配。

AI和劳动力管理业务问题

劳动力管理涵盖一系列广泛的运营:考勤,排班,业务量预测,薪酬,人员流失,招聘和其他很多现代用工管理方向。经典人工智能方法已经在这个领域的某些场景应用了很长时间(例如,随机搜索技术应用在排班生成),现在更现代的AI和ML技术也已经开始应用到劳动力管理领域。近期问卷调查报告显示,尽管这些技术最终影响尚有很多不确定性,但AI的自动化精简化处理无疑为每个人带来便利。

为了进行此讨论,并展示这些技术的可量化收益,本文将重点介绍3个AI改善劳动力管理的案例。

1、考勤合规

面对每年数以百万有潜在人为修改考勤数据和异常情况,组织将会很难发现细微违反合规情况。诸如经理会巧妙调整休息时间,以避免处罚。非监督学习中如聚类算法可以在如大海捞针般数据里探测到此类模式。

2、业务量预测

任何最优化排班解决方案的第一步就是预测给定某一天的业务需求量。这是一个标准的非监督学习回归算法应用,利用更多因素和数据可以做出比传统公式更准确的预测。

3、员工自主排班

班次调换,当一个员工调换班次时,不同员工有各自喜好的搭班对象,而这是每个行业中都会有的情况。但是在各种可能性中找到合适的班次是一项令人望而生畏的任务。基于偏好学习算法的AI解决方案里却可以根据员工潜在的排班偏好推荐合适的班次,从而使这项工作变得简单有效。

这些领域虽然不是劳动力管理的最核心内容,但是仍然具有很高应用价值。便捷发现考勤合规问题可能节省人为操控薪酬所带来的巨额成本并降低诉讼风险。机器学习提高业务量预测从而使排班更精确,已帮助大型零售业大幅度降低成本。同时在AI界面辅助下,员工可以快速掌控他们自己班次,减少时间浪费更高员工满意度。

本文为《白皮书:AI时代的劳动力管理》上篇,我们将在后续的篇章中为您进一步介绍Kronos在AI技术领域的最佳实践和基于真实商业环境的独到创新,并分享3个在劳动力管理与人工智能深度结合的应用案例。


关于 Kronos 公司

Kronos公司是全球领先的劳动力管理和人力资本管理云端解决方案提供商。遍布世界120多个国家的数万组织——包括超过半数的财富1000 强企业,借助 Kronos控制人工成本、最小化合规风险,提高劳动力生产率并提升员工敬业度。每天全球使用Kronos系统的人数超过4千万。

Kronos大中华区成立于2007年,目前在北京、上海、广州和香港设有运营和服务机构,大中华区服务的国际和本土客户近400家,如海尔、施耐德、宜家家居、Coach、迪士尼乐园、万达、DHL、蓝月亮、vivo、阿迪达斯、华润置地、圆通速递等最终用户数超过120万,遍布亚太地区13个国家。2017年,Kronos位列大中华区人力资源服务机构百强榜前十,已成为大中型企业解决跨区域复杂和多样化考勤、优化排班、提升劳动力生产率的必备劳动力管理解决方案。