作者： 周禹
导读
论坛实录 | 以下内容根据中国人民大学商学院教授、博士生导师、MBA中心主任 周禹老师在“2023全球商业创新大会—人力资源数智化专题论坛”上的演讲内容整理而成。
数智人本主义：数智化新兴科技通过赋能激发人的创新创造，来驱动经济产业和社会的可持续发展，规避过度追求科技效率而可能对人带来异化和权益损害风险，追求科技与人的交融发展和协同进化。
—— 周 禹（2018, 2021）
经济动能演化
在人类近现代的经济现代化发展中，从早期手工化的小生产走向了机械化的大生产。过去300年，大规模的工业化发展周期里，资本主义、市场经济、机械化大生产三位一体；从上世纪90年代开始，不管是OECD的概念、叫信息经济、后来叫创新经济，到最近几年的数据经济、智能经济等各种经济，实际上就是说进入到网络化的大生产阶段。每个人作为网络上的节点，可能都是创新的起点和源点，所以网络把组织和组织、人和组织、人和人、要素和要素无以复加、一网打尽地连接起来，让大家进入到一个网络化的创新创造阶段。网络经济当时，相信大家还有印象，如“建平台、走流量、众创、共享、平台化、生态化”等标签化流行词。其实，我认为进入网络化大生产阶段，就标志着进入了人力资本驱动阶段，有创新、有知识的人，作为经济价值、创新驱动的源动力，作为第一动力，进入到人本经济阶段。
今天，在无以复加的网络上，积累和沉淀的巨量信息，都变成了数据，数据变成了要素，要素变成了资产，进入到了以数据为驱动的数智化大生产新阶段。随着数据量级不断积累、数据算法不断精深、数据算力不断强悍，可以从数据中发现更多真相、更多规律，从而让社会治理、产业发展更加智能化，不仅是有理可寻，也更加有数可寻，进入到一个全面的、新科学管理的阶段，也就是用数字化、智能化去驱动。
这一轮新兴科技的力量和人力资源管理这个职能或专业相结合，是目前最方兴未艾的潮流和方向。过去几年，人力资源的数智化功能，不仅从甲方头部企业自己管理升级的角度，还是从供应商或产业化角度，都最活跃、最具趋向性。但正是因为它很活跃，非常热闹，作为研究者，反而要做一些更加严肃的实证研究和更加冷静的思考。
其实有时候一些新兴科技的流行化，可能带来了资本的欢娱、媒体的追捧、传播学的热闹，但是最后能不能促进经济高质量发展？不一定。到目前为止，这一轮大数据、互联网、智能化技术，到底能不能真的转换为高质量生产力？也不一定。何况跟人力资源管理结合，因为人的管理一半是科学，一半是艺术，科学的部分有理性的方法论和逻辑，艺术部分来自于人和人微妙的影响，圆融的互动，很难被科学化、被某种数据去穿透。所以人的管理，比其他领域的管理其实就更复杂，作为最复杂的要素。
人力资源管理数字化，真的会对企业绩效产生促进作用吗？
再看今天人力资源管理数字化，到底能不能提高企业的绩效？从我们严肃的实证研究，其实一直没有答案。有人就会立刻质疑，既然没有效，为什么企业都要做人力资源的数字化升级？为什么还会有这么多供应商和服务商？结论一直都没有，直到2021年，我们自己的团队，对全世界的样本进行大整合，做了一个Meta语言分析，用了全球2万多家企业样本，就回答一个问题：人力资源数字化到底对企业绩效有没有影响？我们想得到一个科学、稳健的实证结论。结论发现，人力资源数字化，尤其是对企业运营绩效的提升，有着最敏感最显著和最根本的影响，也就是说本质性地提升企业运营效率，以人力资源数字化效标影响最明显。其次人力资源数字化也能很好的推动整个企业转型和变革，也就是说随着这篇发在全球期刊的文章开始，我们可以代表人类说：人力资源数字化转型，作为一个规律性结论，是会显著提高企业的绩效尤其是运营绩效。
今天各行各的企业都在进行整体数字化转型，我们团队通过语言分析还发现，人力资源管理数字化不仅显著促进企业运营绩效，而且可以成为整个企业数字化转型升级优先的杠杆解和突破口。通过优先数字化的技术和能力，提升组织的系统效能，改变人们的工作方式，赋能各级管理者和广大员工，其实是推动我们的其他管理领域进行持续的数字化转型，一个很重要的起点变量。
人力资源管理数字化，怎样才能更好地促进企业绩效？
我们团队还用中国企业样本，做了目前为止全球第一个实证研究。先说结论：我们发现人力资源的数字化转型，并不能只局限于企业自己开发或者跟高质量的供应商合作，引入和打造一套科技解决方案，光是技术论技术，作为工具化的引入效果是有局限性的。最核心的法门在于变革牵引科技、科技融入变革。虽然是人力资源的数字化转型，我们研究发现，如果可以跟整个业务逻辑转型、组织架构的变化，尤其是企业人力资源管理机制的优化改革，同时同步，相向而行一体化推动，这才是让人力资源数字化转型能够直接更好地影响公司财务绩效最关键的行动逻辑。尤其要避免大干快上运动式的展开各种数字化转型的动作，但是把“新科技套于旧机制”，这样反而会带来“过度的锁定效应”，不仅不会提高公司财务绩效，可能还会带来负面影响。
2021年我们研究发现，如果企业只是开发或者是引入一套人力资源数字化系统、功能或产品，能提高中国上市公司财务营收4%，其实这4%也不容易，但是我们又引入各种调节变量发现，当企业在进行人力资源数字化的同时，还去优化人才管理关键机制成熟度，改革原本的机制。这时就发现过程中不仅是人力资源部自娱自乐，充分吸纳业务经理的视角，让业务经理将来对这套系统有他的便捷操作和应用性，能充分支撑业务。如果还能进一步把高层对公司的一些战略性方向、导向融入进来，同向而行地去推动人力资源数字化转型，能够提升企业23%到31%的营业收入。充分证明，进行企业人力资源数据化转型，对公司财务量级的贡献非常显著。因此，像用友这种代表中国最顶尖企业智能化解决方案的服务商，其实并不仅仅只是简单交付给企业一套数智化系统，一定是能深入结合其他甲方企业的业务转型逻辑、组织发展逻辑以及人才机制升级的逻辑，为企业做深度定制，让数字化过程本身，成为一个同步共识、驱动管理机制改革升级的过程。
HRM数智化升级-基本方法论：三段论+三构成
三段论：明确数字化效用靶向（Utility） — 聚焦应用场景（Scenario） — 循序铺排路线图（Itinerary）
世纪90年代末，中国头部企业经历了那轮ERP，当时叫信息化，包括各大央企，当年都有过这样的教训。像今天的数字化一样，是一个必然趋势，但是一不小心把它变成了一场管理运动，最后人力资源上人力系统，财务上财务系统，运营上运营的系统，供应链上供应链的系统，各自有一套系统，最后发现信息化率很高，但是口径、标准、数据、系统都不兼容。最后发现，这些局部化、轰轰烈烈、各自为战的数字化转型，不仅没能形成组织的一体化优势、智能化优势、联动化优势，相反，更加用科技的力量加强了部门墙、边界墙、领地墙，最后又重新到底层、到中间件去重新拉通各种标准，重新投入、重复建设，成本更高。因此，今天面向新一轮更具有科技强度的数字化转型时，顶层设计就变得尤为重要。做人力资源数字化要明确核心目标是什么？提高效益？优化成本？增强员工体验？提高操作便捷性？不同数智化数字技术的应用，最后转化的核心效用是不同的。
其次，人力资源管理有很多不同的功能场景，所以不同的企业围绕着面向未来的人才关键战略导向和抓手、围绕着想突破的关键问题、围绕着自己的管理基础，不同的企业进行人力资源转型，在场景的落地上，应该有一个循序渐进的各自不同的路线图。所以，企业要明确效用靶向，聚焦应用场景，循序渐进铺开路线图，指引未来持续人力资源系统的数字化转型。
三构成：人力资源计量（HRM Metrics）-人力资源分析（HRM Analytics）-数字化智能应用开发（HRM Intelligence）
人力资源数字化是要强化三个能力\三个内容。简单来说，首先是让企业里跟人有关的信息便变成“数”，把组织里人在发生的各种信息，标签化、意义化、结构化，开始持续存储、积累组织当中有关人的数据，先形成数据资产。例如阿里在做的员工数据标签，一个员工背后大而全、全而整400个标签，而在海外要求对人的数据小而精、精而美，美而准，最保守化原则。如果是针对大型企业、集团型企业，针对下面的分子公司或者业务单元，也可以建立针对组织级的、关于组织人才效能的，要建立一个关于企业、人才、量质结构效能流转的综合数据体系，这些都叫人力资源计量（HRM Metrics）。
第二，人力资源分析（HRM Analytics），有了这些数据素材，再结合企业自己的管理目标、管理需求或是要破解的问题，采用什么样的分析方法和逻辑，从数据和数据中发现规律、发现关系，甚至精准的因果实证规律，从而让接下来的管理动作有寻证的基础，提高管理动作的科学性、精准性和适切性。这需要将来后台每一个人力资源功能背后，都有大量的算法和分析。今天在一些科技密集和数据密集型的企业，分析能力是这些企业进行管理数字化转型的核心能力。
最后一个能力，是基于企业自己的数据资产、管理目的而建立的算法，然后把它封装成智能化系统和功能化产品。当然，这三个能力是同步进行的，只是为了解释清楚分成三个维度，实际上本身就是数字化转型一个同步推进的主线。
管理者数字化领导力、数字化思维（digital mindset）的开发建设，是企业数字化升级的重要建设方面
数字化转型一定要拥抱新时代新科技，但是在数字化思维过程中也要互换，从企业家到各级管理者甚至到员工，都要不断的强化数据化的领导力和数字化的思维，也就是将来各级管理者，在决策、沟通、指挥的时候，是不是善于读数、用数、看数、讲数，而不仅仅是凭着领导干部拍脑袋做决策，凭想法做沟通，仅仅基于经验做判断。也就是我提到的“想法-讲法-算法-做法”的“四法融合”，同时通过各种培养、训练、强化各级领导者，会看数、爱读数、能算数、善讲数的数字化的能力，做到想法、讲法，算法，做法四合一。
规避人力资源管理数智化的潜在风险
01/ 各类数智化评估算法中可能的歧视：如果将来用了数据化的智能，让它越来越精准的同时，不要忘记如何防止算法产生偏见，和带来的歧视；
02/ 算法“全面性”带来的“数字牢笼效应”、“信息茧房”效应(Information Cocoons)、“监控资本主义”(surveillance capitalism)；
03/ 算法“精准性”让组织少了人和人互动，模糊的美感和温度，带来了职场数字达尔文主义；
04/ 算法“全时性”，成了延长知识工作者工作时间、加重剥削的新方式，击穿了工作和生活的时间边界；
05/ 信息安全和隐私安全保护问题；
06/ 一定的周期内，AI对大量结构性工作的就业替代，带来了对就业和失业影响；
07/ 用工方式的多样性、灵活化和弹性化：尤其在中国，用工的灵活化，嫁接着平台、科技手段，无以复加地爆发出来，就业的稳定性、就业质量下降风险、劳动权益保护复杂度等；
08/ 数据确权问题：举个例子，每个人发生的数据在推动商业科技型企业、平台等升级商业模式，从而创造了更高的价值，那么出数据的人要不要去分一杯剩余价值的羹？每个人都在为社会、为商业平台贡献数据，如果这个数据是确权到个人个体身上的话，要不要去分析剩余？基于数据创造的价值增长，称之为基于数据确权的数据化共有制，这也许将来会影响人类最基本的分配逻辑。