尽管我们尽了最大的努力，人类还是很难避免偏见。无论是有意识的还是无意识的，我们做出的有偏见的决定都会影响我们周围的人。当公司，更具体地说，手游返利折扣，人力资源（HR）部门受到偏见的影响时，它会影响许多业务决策，如招聘、晋升和员工的机会。这最终会影响员工的满意度和公司内部的留任率。那么，我们能做些什么来识别我们甚至不知道自己存在的偏见呢？机器学习是一种很有前途的方法。

通过使用机器学习（ML）和人工智能（AI），人力资源部门可以筛选固有的偏见；预测员工流失，并努力留住那些被认为有价值的员工；找到最佳渠道招聘最优秀的人才。此外，ML可以在开发方面用于定制课程，以更好地培训个人，正如我们已经在一些学校看到的那样。

听起来不错，对吧？但即使有了这些好处，企业在人力资源领域实施机器学习仍然犹豫不决。他们现在还不想把"人"从"人力资源"中去掉。

改变游戏规则的预测机器学习广播系列

在改变游戏规则的预测机器学习广播系列的最新一集中，主持人邦尼D.格雷厄姆深入探讨了人力资源中人的偏见的含义，以及如何利用机器学习来解决这些问题是的。（听重播）

一如既往，她与该领域的专家们分享了他们对这个话题的想法和见解。本周的嘉宾是：

SAP SuccessFactors人才获取解决方案管理总监Jeff MillsErin Roberts，SAP SuccessFactors的专业服务顾问SAP解决方案营销经理John Schitka

小组讨论：为什么我们要在人力资源中实施机器学习

那么，小组成员对为什么在人力资源中实施机器学习花费了这么长时间的看法是什么？如果事实证明机器学习是如此有益的话？

"放开控制总是很难的，但让控制权落到‘非人’身上是一件非常困难的事情，"约翰·希特卡同情地说你必须意识到机器不是在做决定，而是在提出建议。人类仍然做出决定和行动。但是，机器可以很好地显示我们的一些偏见，让我们意识到这种偏见，这样我们就可以克服它。"

约翰解释说，人们不应该担心机器自己做出的决定可能不符合公司的意图。在人力资源中实施机器学习和人工智能的目的是简单地根据所提供的数据提供无偏见的建议。

人力资源工作者可以继续使用这些建议。例如，如果一个人力资源工作者基于无意识的偏见选择雇佣一个新员工，人工智能可以筛选出这种偏见。然后，它会警告HR成员他们有偏见的决定，并建议一个更适合的候补人选。

艾琳·罗伯茨补充说，我们很可能永远无法完全依靠机器来做决定，特别是在HR领域。毕竟，机器无法分辨员工个人生活中发生了什么，但是人力资源专业人员可以通过与员工友好交谈来了解情况。

因此，在做出决策时，个人如何建站，需要机器和人的互动。归根结底，机器学习只和它所提供的数据一样有效，而这正是一些担忧发挥作用的地方。

你付出的就是你得到的一切都归结为数据

如果机器的建议和提供给他们的数据一样好，如果人工智能收到有偏见/不准确的数据，它会给出什么样的建议？

简单地说，如果一台机器接收到基于偏差的数据，那么它将持续根据该偏差做出决策，而这是没有价值的。所以杰夫·米尔斯强调，这不仅仅是为了给机器提供大量的数据。它是关于给机器提供"正确"的数据，以便人工智能能够提出无偏见、适当的建议。

除此之外，企业需要充分利用和整合其非常广泛的数据集，以便在输入新数据时，机器能够识别和忽略潜在的偏差，并根据事实和硬数据创建建议相反，

向前看

把这些想法放在一起，我们可以看到有一个很好的机会用机器学习来解决人力资源中的偏见。如果一组足够广泛的"正确"数据被输入到人工智能中，消费返利新模式，它将能够揭示我们无意识的偏见并警告我们。然后，它可以提供对公司、员工和企业都有好处的无偏见的建议。但是，如果人工智能接收到错误的数据，而这些数据本身就含有偏见，那么最终人类和机器之间将没有区别。

当然，机器可能并不完美，但人也不完美，大数据怎么样，这就是机器学习的意义所在。人工智能学到的东西越多，随着它的适应，机器学习和人工智能可以成为人力资源部门在做出关键决策时的一种特殊辅助手段。

了解更多

想从这三个改变游戏规则的人那里听到更多吗？请收听完整的在线重播，并于11月7日美国东部时间下午2:00-3:00在VoiceAmerica商业频道直播。

，大数据能做什么