用AI做人事決策，先考慮四件事

人工智慧（AI）最初展望的前景是，可望成為有廣泛基礎的工具，用於解決商業上的問題，而現在這種展望變得更狹隘得多，卻仍然相當有用：根據資料科學而產生的演算法，可做出一些預測，而預測能力優於人類一直以來的預測水準。

標準的統計模型，把重點放在一、兩個與某項結果（例如工作績效）相關的已知因素，但相反地，機器學習演算法不會預設是哪些因素造成影響，或是為何會有影響。演算法覺得因素愈多愈好，把所有的因素匯集在一起建立一個模型，來預測某個結果，比方說，該聘用誰。演算法會給每位申請者一個容易解讀的分數，呈現這個人未來在某個職位上表現良好的可能性有多高。

當然，這些演算法可望發揮的作用看來如此強大，因此大家也會很注意演算法的局限，特別是如果一開始用來建立模型的數據資料有偏誤，模型就會一直帶有這個偏誤。最為人所知的例子，就是如果某些企業過去對女性有偏見，而關於工作績效的資料也有偏誤，那麼根據這些資料建立的演算法，也會有偏誤。

既然如此，企業如果想用AI來做人事決策，該如何進行？以下是四點考量：

1.相較於產生這些資料的現行做法，演算法的偏誤可能會較輕微。

我們真的必須承認：人類的判斷能力很差，以及現在的員工管理實務