人工智能 劳动力-智能人工黑箱法则

根据Gartner的研究，2023年将有60%的大型企业将实施数字化转型项目，以实现HCM管理自动化。

到 2025 年，60% 的大型及中型企业将使用云部署的 HCM 套件进行行政和人才管理。

这意味着HR 对 AI 的好奇和关注度也在市场的热度中逐渐增强，希望借助这样新的技术来达成更科学的人力规划、更快速精准的招聘和人才配置、更个性化的培养发展、更高效的劳动力管理……

人工智能在劳动力管理中的应用现状

随着ChatGPT热度的不断攀升，人工智能目前几乎是每个行业的流行语，劳动力管理（WFM）领域也不例外。

目前，在劳动力管理场景中人工智能 劳动力，人工智能（AI）已经在帮助企业进行考勤管理、排班管理、以及工时管理。针对这三大场景，我们对其信息化布置率及成熟度向多家企业进行了调研。（请扫描文末二维码获取完整版调研内容）

△企业信息化布置率

△企业信息化成熟度

其中，对于成熟度的描述更多来自于前期与多位人力资源从业者访谈过程中，企业对数据应用深度的描述进行的归纳总结。结合图表 D8 与 D9，不难发现 ：

信息化布置率高 ：在考勤（出勤、休假管理）、排班管理、工时管理的场景中应用了信息化系统、软件进行管理的企业均占半数以上。

信息化成熟度低 ：就信息化系统应用的成熟度而言，无论哪一种劳动力管理实践，大部分企业仍停留在「成熟度1 ：仅用于员工自助使用、查询，或人力资源部门的简单统计」，3 成左右的企业实现了「成熟度2 ：除了简单统计外，还会进行一定的分析来了解员工的工作行为、状态」。然而，有少数企业已经迈向了成熟度 3、4。

我们对于企业信息化成熟度低这一问题和人力资源从业者展开探讨，了解其背后的挑战及原因。结合多家企业实践与专家观点，我们发现其关键挑战主要为 ：

1. 数据量不足，不足以建模进行深度应用 ；

2. 缺乏明确的数据收集节点设置策略，即不知道如何收集结构化的、可应用的数据 ；

3. 数据质量较低，需要较长时间、精力进行清洗与梳理，但企业目前缺乏投入成本的魄力与意识 ；

4. 各个领域数据不互通，存在信息孤岛，尤其在生产、零售等领域，因视角、立场的不同，人力资源部门难以获得来自于一线业务的运营数据。

人工智能如何帮助企业

优化劳动力管理？

利用人工智能洞察力进行需求预测

企业如何预测劳动力需求的高峰和低谷？从节日到天气事件人工智能 劳动力，每天、每周和每月都有许多因素影响着业务的兴衰。然而，如果没有智能的预测工具来准确地预测需求，管理人员就难以合理安排员工，因为无法确定在不同时间段安排多少人合适。安排人员过多会造成人力成本浪费，而安排得太少会导致员工工作量过高，客户体验下降，甚至无法正常运营。

人工智能和机器学习的快速发展为人力需求预测提供了更准确的选择。

AI通过机器学习算法预测的工作原理将客户数据（销售量，客流量，订单数），外部数据（天气，节假日，事件等）和需求模式（季节性，趋势，工作日）推送到机器学习算法中。然后，该算法学习所有不同数据源之间的关系，以创建模型并生成指定周期的业务预测。

然后，用AI算法模型可以创建所需劳动力的比率，以满足特定区域，岗位人数和职能的预测需求。这些比率可帮助调度经理规避潜在的人员过剩/不足的问题，并降低整体的劳动力成本。

例如，企业收到的每20个披萨外卖订单，模型会根据相应的劳效标准建议3名送货司机和2名厨师的比例来满足该业务需求。这些比率不再只是依靠劳动力模型的猜测，而是帮助管理人员围绕实际业务需求来配备合理的人员数量。

利用人工智能构建灵活的时间表

在当今竞争激烈的劳动力市场，企业需要提供灵活的日程安排，尤其是85%的小时工认为对自己的工作时间有更多的控制权是很重要的。然而，那些仍然使用传统的手工方法来创建工作时间表(如电子表格，甚至「笔和纸」)的管理者有制定低效时间表的风险，也浪费了本可以用于更高价值活动的时间，如与客户合作，向员工提供建设性和积极的反馈。

人工智能驱动的劳动力管理解决方案可以使整个调度过程自动化，使管理者能够轻松高效地生成符合当地劳动法的时间表，如用餐和休息时间，同时满足员工的偏好。这些智能调度解决方案还允许员工轻松地请求休假、交换班次，甚至加班——这些通常只需在移动应用程序上操作，为所有员工创造更好的整体体验。因为员工能够定义自己想要工作的时间、工作量以及工作地点。智能化移动平台对于千禧一代和Z世代的员工尤其重要，因为他们希望生活的各个方面都能在线、高效和个性化，以满足自身的需求。

盖雅的劳动力管理平台可允许企业通过跨多个地点共享员工来优化其劳动力。这不仅为企业提供了更多了解企业内部运作的员工，也可以让多技能员工充分发挥其价值。

徐福记

人工智能在劳动力管理中的成功实践

数字化背景

徐福记在东莞拥有40+个大型现代化车间，100+条高品质自动化生产线和400+台高速包装设备。

而这些车间、产线的正常运转依赖着5000位徐福记员工，而十余年前最高峰时，这个数字是15000人。替代这减少了的一万名劳动力的，是「机器员工」。

智能制造之后，企业面对更加柔性、更加多样复杂的产线和订单需求，如何规划和调度人力？

面对此问题，人脑很难分析并做出最佳决策，必须借力人工智能。徐福记选择从精益工时开始深入智能用工，因为精益工时会倒逼企业不断优化用工管理，力求效益最大，其中的关键便是智能化管理。

精益化用工

2020年，徐福记选择与盖雅工场合作，借助劳动力管理系统推进自动化智能排班，对所有车间的人员进行集中的规划调度，即通过智能排班系统帮助企业实现中央排班调度。

通过智能排班，把人力调度的职责集中到厂部，从而具备全局视角，运营者可以按任务排班，按技能管理，实现人力共享并统筹规划各厂区人员，实现人员的精细化管理。

例如，一些员工周一在A厂区的4产线，周二可以根据情况被调度到其他厂区的产线，而不是重复配置人力，杜绝了之前大量招人和人力分配不均的情况。

最终，通过智能化的管理，徐福记的员工数量再次减少20%，从5500人降至4400人。

△点击图片，查看徐福记成功实践案例

智能化调度

智能排班帮助徐福记实现了人力规划的精益管理，但接下来的问题是：规划能否如期执行？现场如何及时应对，合理调度？

盖雅实时考勤帮助徐福记完成了基本的工时规划和管理，保证管理者们更及时地看见员工是否到岗，进入厂区和产线，以及时进行调度和其他安排。

员工随身「携带」的无感设备，可以实时采集到员工在哪里？用了多少时间？企业能清楚了解员工生产的直接工时与间接工时，以及在各个岗位和产线完成相应生产计划所消耗的工时，以此来确定之前的规划是否合理。例如，排班规划时，在A产线安排了5位员工，实际当天到了3位员工，但生产计划依旧如期完成了。类似的情况会不断倒逼运营管理者思考目前排班规划是否合理，而不是为了追责员工。

通过实时考勤和现场的无感设备，数字化系统能自动跟踪派工单，实时记录参与人员的工时，统计参与人员的工时能效，建立生产能效数据库，智能分析得出各产品的工时能效标准，不断完善产线用人标准，最终帮助徐福记解决了令他们头痛的劳动力工时碎片化和现场灵活调度的管理难题。

如何借助AI实现数字化劳动力管理？

想要通过人工智能（AI）实现劳动力管理数字化，第一要看是否具备实现的条件，如：内部管理规则是否明确、是否有基础的系统应用、是否有相对清晰的组织架构、是否具备人员信息的基本数据。利用智能的劳动力管理系统帮助组织优化其劳动力规划和调度，改善沟通和协作，协助管理人员做出更加科学的决策。

劳动力的数字化、智能化会对人力资源团队的技术应用、服务水平要求会更高，人力资源应该提升自己相关的技能和知识储备，更好地迎接这样的变革。

参考文章：

人工智能如何帮助解决劳动力短缺问题-51CTO.COM

How AI Impact the Future of Workforce Management - Workstatus