AI dalam Aliran Kerja HRBP: Di Mana Ia Membantu, Di Mana Ia Gagal, dan Cara Mengelak Daripada Disaman

Suku tahun lalu saya menghadiri demo vendor di mana suite AI dengan penuh yakin merangka mesej PIP yang "menyokong" untuk seorang pekerja berprestasi rendah rekaan bernama Dana. Seisi bilik mengangguk. CRO tersenyum. Saya membacanya dua kali dan menyedari bahawa jika Dana akhirnya berdepan timbang tara, mesej tepat itu (dijana dalam sembilan saat, disalin tampal oleh pengurus yang tidak tahu apa-apa) akan menjadi bukti utama. Ia menyiratkan masalah prestasi tanpa tingkah laku yang didokumenkan. Ia menggunakan bahasa lembut yang bercanggah dengan bahasa lebih tegas dalam dokumen PIP itu sendiri. Ia membuka pintu kepada tuntutan persekitaran kerja bermusuhan dan kemudian menahannya terbuka dengan senyuman.

Vendor itu tetap berjaya menutup deal. Kebanyakan mereka memang begitu.

Demo itulah ketegangan yang ingin saya bawa anda menyusurinya dalam panduan ini. AI memang berguna untuk HRBP. Ia juga merupakan cara terpantas yang pernah saya lihat untuk menghasilkan pendedahan undang-undang secara berskala besar. Hampir setiap demo yang anda hadiri tahun ini akan mengelirukan tentang yang mana satu, dan orang dalam organisasi anda yang bertanya "adakah kita sudah menggunakan AI?" tidak akan dapat membezakannya. Tugas anda adalah untuk mengetahui perbezaan itu, menulisnya, dan mempertahankannya.

Mengapa hal ini penting sekarang, secara khusus

Setiap HRIS, ATS, platform penglibatan, dan pemalam Slack kini disertakan dengan ciri AI. Workday ada satu. BambooHR ada satu. Sambungan Chrome percuma yang dipasang VP Kejuruteraan anda hujung minggu lalu ada tiga. Bahagian perolehan diberitahu untuk "menilai keupayaan AI" dalam setiap pembaharuan kontrak. Kewangan ingin tahu lesen mana yang boleh dipotong kerana "AI buat sekarang." Sementara itu, data pekerja mengalir melalui alat yang tidak dipetakan sesiapa, ke dalam model yang tidak diaudit sesiapa, menghasilkan output yang tidak disemak sesiapa.

HRBP ialah pihak yang ditanya, selalunya oleh eksekutif yang tidak mampu mentakrifkan transformer walaupun anda menawarkan bonus, "adakah kita sudah menggunakan AI?" Jika anda tiada pendirian, tiga perkara berlaku. Alat bayangan muncul dalam stack. Data pekerja bocor ke dalam LLM tujuan umum melalui salin tampal. Dan seseorang dalam organisasi anda menghantar skrip bimbingan yang berbunyi seperti ditulis oleh seorang pempengaruh LinkedIn sambil mengantuk.

Dahuluilah hal ini. HRBP yang akan menang dalam dua tahun akan datang ialah mereka yang membuat keputusan awal.

Di mana AI benar-benar membantu HRBP

Saya bukan anti-AI. Saya menjalankan sintesis tinjauan penglibatan pekerja melaluinya setiap minggu. Inilah senarai jujur tempat-tempat di mana manfaatnya nyata dan risikonya boleh diuruskan.

Sintesis tinjauan penglibatan pekerja. Mengelompokkan 800 komen terbuka menjadi tema ialah jenis kerja yang manusia lakukan dengan teruk dan perlahan. AI melakukannya dengan baik dan pantas. Berikan ia komen itu, minta tema teratas dengan petikan mewakili, kemudian anda yang menulis "apa yang akan kita lakukan tentangnya." Bahagian itu tugas anda dan akan sentiasa begitu. Amaran: tapis nama dan pengenal pasti pasukan dahulu jika tinjauan anda tidak sepenuhnya tanpa nama dari awal.

Merangka skrip perbualan sukar. Penolakan kenaikan pangkat, pengurangan skop, maklum balas prestasi yang perlu disampaikan tanpa menjadi perbualan PIP. Saya benarkan ia merangka draf pertama. Saya menulis semula separuh yang berbunyi seperti chatbot dan menambah perincian yang hanya saya tahu: gaya komunikasi pengurus, sejarah pekerja, apa yang sebenarnya perlu mereka dengar. AI memberi saya rangka. Pertimbangan itu milik saya.

Penanda aras jalur gaji. Menarik data Radford dan data pasaran, menyelaraskan peringkat merentas dua syarikat yang diambil alih, merangka rasional jalur, membandingkan struktur anda dengan syarikat setara. Ini ialah kerja penyelidikan dan sintesis. AI bagus dalam hal ini. Cuma jangan tampal jadual pampasan pekerja semasa ke dalam model awam. Sekali-kali tidak.

Kemas kini dokumen polisi. Menulis semula bahagian buku panduan dalam bahasa mudah. Menjana varian khusus bidang kuasa apabila anda membuka operasi di Colorado. Mencari percanggahan dalaman merentas polisi kerja jarak jauh, polisi cuti, dan polisi pembayaran balik perjalanan anda yang tidak disedari sesiapa kerana ketiga-tiganya ditulis oleh tiga orang berbeza dalam tiga tahun berbeza. Di sinilah AI menjimatkan saya sepuluh jam sebulan, dengan mudah.

Pengelompokan temu duga keluar. Tema merentas 50 temu duga keluar dalam satu suku tahun yang tiada manusia membacanya cukup teliti untuk dikenal pasti. Tapis nama dahulu, minta corak mengikut jabatan atau tempoh perkhidmatan, dan anda akan menemukan perkara yang terlepas oleh naluri anda. Saya pernah menangkap masalah seorang pengurus dengan cara ini tahun lalu yang dua pertemuan skip-level dan tiga tinjauan penglibatan pekerja gagal kesan.

Di mana AI gagal, dan garis yang tidak anda lintasi

Inilah bahagian yang kebanyakan demo vendor langkau. Anda tidak akan.

Keputusan berasaskan pertimbangan. "Patutkah kita meletakkan orang ini pada PIP?" bukan satu arahan prompt. "Adakah gaya bimbingan pengurus ini boleh diselamatkan atau patut kita pindahkan mereka daripada pengurusan orang?" bukan satu arahan prompt. Model tiada konteks, tiada sejarah, tiada pembacaan keadaan, tiada kepentingan dalam hal itu. Ia akan memberi anda jawapan yang yakin yang kedengaran munasabah tetapi sebenarnya direka sepenuhnya.

Kes ER. Gangguan, diskriminasi, permintaan kemudahan khas, pendedahan salah laku, apa-apa yang boleh berakhir di hadapan seorang peguam atau EEOC. Jangan sekali-kali tampal ini ke dalam LLM tujuan umum. Jangan sekali-kali tampal ke dalam tahap "perusahaan selamat" yang belum anda audit baris demi baris untuk polisi pengekalan dan data latihan. Kos jika anda silap di sini ialah kes itu sendiri. Lihat playbook Hubungan Pekerja untuk versi panjangnya.

Nuansa bimbingan pengurus. Model akan menyerahkan anda templat GROW generik. Langkah bimbingan sebenar ialah membaca keadaan, mengetahui pengurus ini ada kebimbangan tentang perbualan sukar kerana sesuatu yang berlaku pada 2023, dan menyesuaikan keseluruhan pendekatan. AI tidak boleh melakukan ini. Ia akan berpura-pura boleh. Jangan biarkan ia.

Apa-apa yang melibatkan PII atau kumpulan dilindungi. Kehamilan. Hilang upaya. Umur. Agama. Status imigresen. Orientasi seksual. Walaupun dengan tahap "perusahaan" dan BAA yang ditandatangani, jadikan tidak sebagai pilihan asal. Radius letupan kebocoran di sini ialah kerjaya anda dan reputasi syarikat anda.

Penulisan berunsur undang-undang. Surat penamatan, tawaran pampasan penamatan, penolakan kemudahan khas, perjanjian pemisahan. Hanya yang disemak peguam, dan walaupun begitu saya lebih rela bermula daripada templat firma anda berbanding daripada output model. AI tidak memahami perbezaan antara bahasa yang kedengaran betul dan bahasa yang bertahan di mahkamah.

Realiti risiko undang-undang AI dalam HR

Inilah landskap kawal selia, mengikut urutan ia sebenarnya akan menimpa anda.

Alat penyaringan resume mempunyai masalah berat sebelah yang didokumenkan. Amazon terkenal kerana mematikan satu model dalaman yang menapis keluar wanita. Penyelesaian EEOC iTutorGroup pada 2023 adalah berkenaan satu alat yang menolak secara automatik pemohon berusia melebihi 55 (wanita) dan 60 (lelaki). Kelas kes ini bukan teori semata. Vendor ATS anda mungkin mendakwa AI mereka "diaudit untuk berat sebelah." Minta lihat auditnya. Jika mereka tidak dapat menghasilkannya, itulah jawapan anda.

NYC Local Law 144 (undang-undang AEDT, atau Automated Employment Decision Tool) memerlukan audit berat sebelah untuk mana-mana alat AI yang digunakan dalam pengambilan atau kenaikan pangkat bagi calon berpangkalan di NYC. Setiap tahun. Awam. Penaltinya ialah setiap pelanggaran setiap hari. Kebanyakan syarikat yang saya bercakap dengannya fikir ia tidak terpakai kepada mereka kerana ibu pejabat mereka bukan di NYC. Ia terpakai jika anda mempunyai calon atau pekerja berpangkalan di NYC dalam skop. Baca undang-undang sebenarnya.

EU AI Act mengklasifikasikan kebanyakan AI keputusan pekerjaan sebagai "berisiko tinggi." Itu membawa keperluan ketelusan, pengawasan manusia, dan penilaian pematuhan. Jika anda mempunyai sebarang kehadiran di EU, hal ini akan muncul dalam semakan perolehan 2026 anda sama ada anda perasan atau tidak.

Garis panduan EEOC tentang AI dalam keputusan pekerjaan kini jelas: Title VII terpakai kepada keputusan algoritma dengan cara yang sama seperti ia terpakai kepada keputusan manusia. Analisis kesan tidak seimbang sedang dipertimbangkan. "Vendor kata ia tidak berat sebelah" bukan satu pembelaan.

Undang-undang negeri sedang bertimbun. Illinois HB 3773 (berkuat kuasa 2026) memerlukan notis dan persetujuan untuk AI dalam keputusan pekerjaan. Colorado AI Act merangkumi sistem berisiko tinggi termasuk pengambilan. California sedang bergerak ke arah yang serupa. Peta pematuhan dilukis semula setiap suku tahun.

Peranan HRBP dalam semua ini: jadilah orang dalam bilik yang bertanya "adakah kita mengaudit ini?" sebelum perolehan menandatangani. Jadilah orang yang membaca klasifikasi berisiko tinggi EU AI Act dan menyedari bahawa alat semakan prestasi anda tergolong dalamnya. Jadilah orang yang memberitahu CTO "tidak, kita tidak akan menguji alat itu pada data pekerja sebenar" apabila CTO teruja dengan satu alat. Ini bukan peranan yang popular. Inilah tugasnya.

Nisbah 80/50/0, tuliskannya sebelum orang lain menulisnya

Inilah peraturan kerja yang saya gunakan dan kongsi dengan setiap pasukan HRBP yang saya kendalikan. Ia bukan sekadar perasaan. Tulis ia pada satu helaian, kongsikan, audit diri anda terhadapnya setiap suku tahun.

Cetak ini. Tampal pada dinding. Beritahu pasukan anda bahawa jika mereka tidak pasti baris mana sesuatu tugas tergolong, jadikan nombor lebih rendah sebagai pilihan asal. Kos jika terlalu berhati-hati di sini ialah sedikit ketidakcekapan. Kos jika terlalu agresif ialah keseluruhan program ditutup oleh Bahagian Undang-undang selepas insiden pertama.

Senarai semak penapisan sebelum sebarang prompt

Sebelum sebarang prompt HRBP dimasukkan ke dalam mana-mana model, jalankan senarai ini. Setiap kali. Tiada pengecualian.

1. Nama dibuang dan diganti dengan label peranan ("Pengurus A," "IC2 di EMEA")
2. ID pekerja dan alamat e-mel dibuang
3. Tarikh khusus yang boleh mengenal pasti semula (tarikh pengambilan, tarikh hari terakhir, tarikh lahir) dibuang atau diumumkan kepada bulan/suku tahun
4. Isyarat kumpulan dilindungi dibuang (status kehamilan, kemudahan khas hilang upaya, amalan agama, status imigresen, umur, bangsa, orientasi seksual, status keluarga)
5. Spesifik pampasan dibuang jika anda menggunakan model awam. Jalur dan nisbah biasanya tidak mengapa, nombor tepat yang terikat kepada seseorang tidak boleh
6. Nama kod projek dalaman dibuang (ini selalunya boleh dicari semula kepada pasukan tertentu)
7. Petikan teks bebas diimbas untuk apa-apa yang mengenal pasti semula (saya pernah melihat satu komen tinjauan yang menamakan lif tertentu di tingkat tertentu, dan komen itu datang daripada salah seorang daripada tiga orang)

Jika anda tidak boleh menapis dan masih mendapat jawapan berguna, itu ialah model memberitahu anda tugas itu tidak sesuai untuk AI. Dengarinya.

Perkara yang saya cuba yang menghasilkan isi kosong

Satu nota tepi yang ringkas dan jujur.

Saya meminta sebuah model tahap teratas merangka mesej pemberhentian pekerja untuk seorang VP Jualan rekaan. Ia menghasilkan sesuatu yang bermula dengan "Dalam landskap perniagaan yang berkembang pesat hari ini" dan mengesyorkan penerima "menerima peralihan ini sebagai peluang untuk pertumbuhan." Saya tidak mampu menggambarkan kepada anda betapa teruknya itu akan disampaikan dalam kehidupan sebenar.

Saya meminta model lain menulis skrip maklum balas "menyokong tetapi tegas" untuk seorang pengurus yang lapor tugasnya telah mengadu tentang gaya komunikasinya. Output mencadangkan pengurus bermula dengan "Saya telah dengar beberapa kebimbangan daripada pasukan," yang, jika anda pernah mengendalikan kes ER, anda tahu itu ialah frasa tepat yang mencetuskan tuntutan tindakan balas menjelang minggu keempat.

Saya meminta satu model meringkaskan buku panduan 30 muka surat kepada versi pekerja yang "mesra." Ia menghalusinasikan satu polisi cuti ibu bapa yang tidak wujud. Ia sangat yakin. Ia akan berada di intranet kami menjelang Selasa jika saya tidak membacanya.

Coraknya: AI fasih dan yakin dalam konteks HR yang menjadi fasih dan yakin tanpa konteks adalah tepat mod kegagalannya.

Satu contoh sebelum/selepas, kerana prompt berfungsi lebih baik dengan contoh

Inilah penulisan semula gaya Camellia bagi skrip penolakan kenaikan pangkat yang dirangka AI, untuk seorang Pengurus Kanan rekaan yang dilangkau untuk jawatan Director.

Draf pertama AI:

Hai [Nama], terima kasih kerana meluangkan masa hari ini. Saya ingin mulakan dengan mengatakan betapa kami menghargai sumbangan anda kepada pasukan. Selepas pertimbangan teliti, kami telah memutuskan untuk tidak meneruskan kenaikan pangkat anda ke Director pada masa ini. Keputusan ini sukar, dan saya mahu anda tahu ia tidak mencerminkan kerja keras atau dedikasi anda. Kami komited untuk menyokong pertumbuhan berterusan anda dan ingin membincangkan pelan pembangunan untuk membantu anda mencapai peringkat seterusnya.

Ini tidak mengapa. Ia juga seperti chatbot. Ia tidak memberitahu penerima apa-apa. Ia bermula dengan pujian korporat, menyampaikan keputusan yang kabur, dan menawarkan "pelan pembangunan" yang tidak bermakna apa-apa. Menjelang Jumaat, penerima sudah berada di LinkedIn.

Penulisan semula saya:

Hai Priya, terima kasih kerana meluangkan masa. Saya mahu berterus terang kerana anda layak diberi keterusterangan: kami tidak menaikkan anda ke Director dalam kitaran ini. Dua sebab. Pertama, jawatankuasa kalibrasi merasakan dimensi pengaruh merentas fungsi belum mencapai peringkat Director. Pasukan anda mempercayai anda, tetapi fungsi rakan kongsi belum datang kepada anda seperti mereka datang kepada Director semasa. Kedua, kami mahu melihat anda menjalankan satu projek pelbagai suku tahun yang anda tidak warisi sebelum kami menaikkan pangkat anda. Ini boleh diperbaiki. Saya mahu meluangkan 30 minit seterusnya membincangkan rupa pencapaian yang baik dan 60 hari seterusnya pada pelan konkrit, dan saya mahu kembali kepada hal ini dalam kitaran Q3. Soalan dahulu, kemudian kita rancang.

Yang kedua memberitahunya keputusan, alasannya, apa yang boleh diperbaiki, dan garis masanya. Ia juga satu-satunya yang bertahan susulan "mengapa saya dilangkau" enam minggu kemudian. Draf AI tidak akan bertahan.

Pengajarannya: AI memberi anda rangka. Kekhususan ialah tugas anda, dan kekhususan itulah yang membuatkan perbualan benar-benar berkesan.

Pelan 30 hari untuk memperkenalkan AI tanpa memburukkan keadaan

Jika anda bermula dari kosong, inilah pelannya.

Hari 1 hingga 7. Audit jejak sedia ada. Minta bahagian perolehan dan IT untuk senarai alat AI yang sudah dibayar oleh syarikat anda, ditambah senarai alat percuma yang dipasang sendiri oleh pekerja (anda akan perlukan IT untuk senarai kedua). Petakan data pekerja apa yang mengalir melalui setiap satu. Anda akan menemukan sekurang-kurangnya dua alat yang anda tidak tahu kewujudannya. Salah satunya akan mempunyai akses kepada sesuatu yang ia tidak sepatutnya ada.

Hari 8 hingga 14. Pilih dua tugas berisiko rendah dan bervolum tinggi. Sintesis tinjauan dan penulisan semula polisi ialah yang jelas. Jalankan setiap satu melalui LLM perusahaan anda dengan templat prompt bertulis. Semak output secara kritikal. Catat di mana ia baik, di mana ia isi kosong, dan apakah nisbah suntingan anda.

Hari 15 hingga 21. Bina senarai semak penapisan anda. Gunakan senarai di atas sebagai titik permulaan dan sesuaikannya dengan data anda. Dapatkan IT dan Bahagian Undang-undang menyemaknya. Jadikannya pembukaan standard untuk setiap prompt HRBP. Latih pasukan anda mengenainya.

Hari 22 hingga 30. Tulis satu helaian pasukan. "AI dalam kerja HRBP: apa yang kita gunakannya, apa yang kita tidak sekali-kali gunakannya, bagaimana kita mengauditnya." Sertakan nisbah 80/50/0. Sertakan senarai semak penapisan. Dapatkan Bahagian Undang-undang meluluskannya sebelum mengedarkan. Jadualkan audit kendiri suku tahunan pada kalendar supaya ia tidak terlupa.

Selepas 30 hari anda akan ada: jejak yang diketahui, dua kes penggunaan produktif, disiplin penapisan, dan polisi bertulis yang bertahan soalan eksekutif yang seterusnya. Itu ialah asas yang sebenar.

Pilihan: lensa Rangka Kerja ACE

Jika anda mahu perbendaharaan kata yang lebih luas yang digunakan oleh rakan teknologi dan operasi anda, Rangka Kerja ACE (Ingest, Analyze, Predict, Generate, Execute) ialah peta berguna untuk menandakan keputusan alat anda sendiri.

• Ingest (komen penglibatan, transkrip temu duga keluar, data ATS): kebanyakannya selamat dengan penapisan
• Analyze (pengelompokan, pengesanan tema, pengecaman corak): kebanyakannya selamat; di sinilah AI memberi nilai sebenarnya
• Predict (risiko atrisi, ramalan prestasi, pemarkahan risiko kehilangan pekerja): kendalikan dengan amat berhati-hati; di sinilah berat sebelah berganda dan klasifikasi berisiko tinggi EU AI Act terpakai
• Generate (draf skrip, penulisan semula polisi, dokumen ringkasan): tidak mengapa dengan nisbah 80/50/0 dan peraturan tegas semakan manusia sebelum dihantar
• Execute (aliran kerja auto-tindakan, penolakan automatik, PIP automatik): kebanyakannya baris 0/100; pendedahan kawal selia paling tinggi di sini

Coraknya: kebanyakan risiko undang-undang dan etika tinggal dalam Predict dan Execute. Kebanyakan kemenangan selamat tinggal dalam Ingest, Analyze, dan Generate. Jika anda menilai alat HR baharu, tanya vendor bakul ACE mana setiap ciri tergolong. Jika mereka tidak dapat menjawab, itulah datanya.

Penutup

HRBP yang akan menang dalam dua tahun akan datang bukanlah mereka yang mengharamkan AI, dan bukanlah mereka yang menyerahkan pertimbangan kepadanya. Mereka ialah yang menggunakannya untuk kerja bervolum, menolaknya untuk kerja melibatkan manusia, dan boleh menerangkan perbezaannya kepada seorang CHRO yang skeptikal dan seorang pekerja yang skeptikal dalam minggu yang sama.

Kerja bervolum itu nyata. Sintesis penglibatan, penulisan semula polisi, penanda aras pampasan, pengelompokan keluar: ini memakan masa dan AI mengembalikannya. Ambil kemenangan itu.

Kerja melibatkan manusia juga nyata. Kes ER, bimbingan pengurus, keputusan prestasi individu, kemudahan khas: ini memerlukan pertimbangan dan akauntabiliti, dan AI tiada kedua-duanya. Tolak kerja itu, secara bertulis, sebelum orang lain menulis peraturannya untuk anda dan tersilap.

Jika anda tidak buat apa-apa lagi selepas membaca ini, buat dua perkara minggu ini. Tuliskan nisbah 80/50/0 anda dan kongsikannya dengan pasukan HRBP anda. Bina senarai semak penapisan dan tampal pada dinding. Selebihnya program itu dibina daripada situ.

Peranan HRBP lebih sukar tahun ini berbanding tahun lalu. AI tidak menyebabkannya, tetapi ia meningkatkan taruhan pada setiap keputusan berasaskan pertimbangan yang anda buat. Buatlah dengan baik, tuliskannya, dan semaknya setiap suku tahun. Itulah tugasnya.

Ketahui Lebih Lanjut

• HR Business Partner, Templat Penerangan Kerja
• Irama Operasi HRBP: Mingguan, Bulanan, Suku Tahunan
• Menjalankan Sesi Kalibrasi yang Benar-benar Mengkalibrasi
• Playbook Hubungan Pekerja untuk HRBP