机器学习正成为2017年人力资源趋势的新浪潮。Gartner research预测，云主机，到2020年，算法将积极改变全球超过10亿员工的行为，而超过300万人可以期待"机器人"主管。SAP SuccessFactors预测分析主管Yvonne Bauer认为，大数据时代纪录片，作为人力资源从艺术到数据驱动科学稳步发展的一部分，物联网操作系统，机器学习在今年变得越来越普遍。

一些机器学习应用程序将直接支持招聘、减少营业额或提高销售效率等战略业务目标。其他人则对通过人力资源自助自动化进一步节约成本抱有新的希望。鲍尔认为，人力资源部门必须精通机器学习，至少对可能性和局限性有基本的了解，这样才能提出正确的问题，最大限度地利用产品和专家。以下是人力资源专业人士在为组织探索机器学习时可以问的四个问题

问题1：这个过程是否适合机器学习？

有效的机器学习需要明确的、可测量的结果和大量有意义的数据。

问题2：我们具体的、可测量的结果是什么？

虽然在线活动正在产生一场大数据雪崩，但如果没有明确的结果，为公司的利益而利用它是不可能的。此外，在衡量员工流动率、高绩效员工特征和医疗成本等一系列问题时，大数据共享平台，有大量未知的结果预测因素。

机器学习工具将越来越多地支持员工的个性化职业道路和培训选择，很像电子商务网站提供诱人的新报价，根据某人的购买历史。事实上，人才分析公司（Talent Analytics Corp.）首席执行官葛丽塔•罗伯茨（Greta Roberts）将机器学习与人力资源从趋势预测到员工个人预测（包括退休时间）的转变联系起来。

问题3：我们是否有让机器学习的数据？

机器学习是一个闭环数据迭代通道。错误的数据导致错误的决策。随着时间的推移，机器会变得更智能，大数据怎么用，因为它会获得更多的数据。其实就是那么简单和复杂。人力资源部需要尽早并经常与高级管理人员和业务部门合作，系统地收集和综合输入数据，使机器能够真正学习。

问题4：我们的算法会违反任何法律吗？

不要假设算法本身是无偏见的、客观的或公平的。《数学毁灭性武器》一书的作者凯西·奥尼尔（Cathy O'Neil）警告说，不要用算法大规模取代人力资源团队。

奥尼尔建议公司对算法的合法性进行审计停止使用你的算法，除非你有来自外部审计的证据证明它是合法的，因为你的公司将因违规而受到牵连。"

当然，随着机器学习的出现，还有许多其他问题需要处理，包括数据隐私和安全。人力资源部今年的第一步是将机器学习的宏大主张与对员工及其公司真正可能和有益的东西分离开来。