AI dalam HR: Apa Itu, Kes Penggunaan dan Batasannya

Oleh Kevin Kim · Dikemas kini 11 Oktober 2026

AI dalam HR ialah penggunaan pembelajaran mesin dan model bahasa untuk mengendalikan bahagian kerja sumber manusia yang berulang dan sarat peraturan (saringan, penjadualan, menjawab soalan dasar, menyediakan draf dokumen) serta mengesan corak dalam data tenaga kerja, manakala manusia mengekalkan keputusan yang menjejaskan pekerjaan, gaji atau kerjaya seseorang. Ia bukan satu produk tunggal, sebaliknya satu set keupayaan yang disambungkan kepada proses pengambilan, orientasi, sokongan, pembangunan dan keluar yang sudah anda jalankan.

Panduan ini ditujukan kepada CHRO, pengarah sumber manusia dan pengurus sumber manusia yang memutuskan di mana AI wajar berada dalam fungsi ini, apa yang diperlukan untuk sampai ke sana dengan selamat, dan di mana ia harus dijauhkan. Ia ialah gambaran keseluruhan untuk koleksi AI for HR, jadi ia kekal pada peringkat keseluruhan fungsi. Untuk sisi ejen, dengan sembilan pelaksanaan khusus, lihat ejen AI untuk HR.

Fakta Utama

• Dalam tinjauan Mercer pada Februari 2026 terhadap hampir 450 syarikat AS, hanya 16% menggunakan AI untuk perancangan, reka bentuk atau pengurusan pampasan, manakala lebih separuh sedang meneroka (Mercer QuickPulse, US AI survey).
• Global Talent Trends 2026 daripada Mercer (hampir 12,000 eksekutif, pemimpin sumber manusia, pelabur dan pekerja, dijalankan pada September hingga Oktober 2025) mendapati 40% pekerja bimbang kehilangan pekerjaan akibat AI, meningkat daripada 28% pada 2024, dan hanya 19% pemimpin sumber manusia memasukkan kesan emosi AI dalam strategi digital mereka (Mercer Global Talent Trends 2026).
• Dalam ujian University of Washington terhadap tiga model bahasa yang menyusun resume berdasarkan lebih 500 iklan jawatan sebenar, sistem itu memilih nama yang dikaitkan dengan orang kulit putih sebanyak 85% daripada masa berbanding 9% untuk nama yang dikaitkan dengan orang kulit hitam (University of Washington).
• Suruhanjaya Eropah menyenaraikan alat AI untuk pekerjaan dan pengurusan pekerja, seperti perisian pengasingan CV, sebagai berisiko tinggi, dengan peraturan itu terpakai mulai 2 Disember 2027 (European Commission, AI regulatory framework).

Apa Sebenarnya Maksud AI dalam HR

Tolak bahasa vendor dan AI dalam HR ialah empat perkara yang diterapkan pada data dan dokumen pekerja. Ia membaca (resume, dasar, komen tinjauan, tiket), memarkah atau meramal (pemohon mana yang sepadan dengan sesuatu peranan, pasukan mana yang menunjukkan risiko pusing ganti), menulis (huraian tugas, surat tawaran, ringkasan dasar) dan menghalakan kerja (permintaan cuti kepada pelulus yang betul, kes luar biasa kepada pakar).

Itu berbeza daripada peraturan aliran kerja yang sudah dijalankan oleh HRIS anda. Peraturan berkata "jika tarikh mula tiba, hantar senarai semak hari pertama." Model berkata "pengalaman pemohon ini menyerupai orang yang berjaya dalam peranan ini," atau "soalan tentang cuti ibu bapa ini sepadan dengan bahagian 4 dasar." Peraturan boleh diramal dan murah. Model dapat menangani input yang bersepah, tetapi ia membuat kesilapan yang perlu anda pantau, dan dalam HR sesuatu kesilapan boleh menimpa seseorang.

Dua keluarga teknologi melakukan kebanyakan kerja. Model ramalan memarkah dan membuat ramalan daripada data berstruktur seperti rekod pemohon, tempoh perkhidmatan dan skala gaji. Model generatif menyediakan draf dan meringkaskan daripada teks. Kebanyakan aliran kerja sebenar menyambungkan kedua-duanya. Dari sudut ACE Framework, rantaian itu melalui Ingest, Analyze, Predict, Generate dan Execute.

Di Mana AI Sesuai Merentasi Kitaran Hayat Pekerja

Fikirkan dari segi laluan pekerja dan bukan alat. Artikel seterusnya dalam koleksi ini, AI merentasi kitaran hayat pekerja, membincangkannya peringkat demi peringkat. Ini ialah gambaran keseluruhan, dengan potongan yang berbeza daripada halaman ejen: apa kerjanya, apa sumbangan AI, dan siapa yang masih memutuskan.

Contoh Sebenar mengikut Fungsi HR

Coraknya sama merentasi fungsi: AI mengendalikan volum dan draf pertama, dan manusia memiliki pertimbangan.

Pemerolehan bakat. Perekrut dengan 400 pemohon untuk satu peranan boleh meminta model menyusun mereka berdasarkan keperluan bertulis, kemudian membaca peringkat teratas dan sampel daripada yang lain. Risiko tertumpu di sini, dan kajian di bahagian kemudian halaman ini menunjukkan sebabnya.

Operasi dan perkhidmatan HR. Seorang pekerja bertanya sama ada cuti tahunan yang tidak digunakan boleh dibawa ke hadapan. Pembantu berasaskan pengambilan semula mencari klausa dalam buku panduan, menjawab dalam bahasa mudah dan memaut kepada sumbernya. Jika soalan menyebut keadaan perubatan, ia menyerahkan kepada seseorang. Ini titik permulaan dengan volum tertinggi dan risiko terendah bagi kebanyakan pasukan.

Pembelajaran dan pembangunan. Model boleh memetakan kemahiran yang diperlukan sesuatu jawatan dengan apa yang telah diselesaikan oleh seseorang dan mencadangkan tiga kursus seterusnya. Pengurus tetap meluluskan apa-apa yang mengubah pelan pembangunan.

Pampasan. Pasukan menggunakan AI untuk penanda aras pasaran dan untuk menyediakan draf komunikasi julat gaji. Data Mercer di atas menunjukkan ini masih awal: kebanyakan firma sedang meneroka, hanya sedikit yang menggunakannya.

People analytics. Model boleh memaparkan di mana pusing ganti tertumpu atau langkah orientasi mana yang berkorelasi dengan perletakan jawatan awal. Layan outputnya sebagai petunjuk untuk disiasat, bukan hukuman. Laluan kematangan daripada laporan kepada ramalan dibincangkan dalam people analytics dan AI.

Komunikasi pekerja. Alat generatif menyediakan draf pengumuman, ringkasan dasar dan isi perbincangan untuk pengurus. Jika digunakan dengan baik, ia menjimatkan sejam bagi setiap dokumen. Jika digunakan sambil lewa, ia menyiarkan kesilapan yang yakin kepada seluruh syarikat, iaitu masalah halusinasi.

Cara Melancarkan AI dalam HR Langkah demi Langkah

1. Pilih proses, bukan alat. Senaraikan tugas HR yang bervolum tinggi, berasaskan peraturan dan sudah ditulis. Soalan dasar, penjadualan temu duga dan penyediaan draf dokumen biasanya layak. Markahkan calon mengikut nilai, risiko dan kesediaan data.
2. Kelaskan risiko sebelum membeli. Apa-apa yang menyusun, memarkah atau menyaring orang berisiko tinggi. Apa-apa yang menjawab soalan atau menyediakan draf teks untuk disemak manusia berisiko lebih rendah. Mulakan dengan yang rendah.
3. Baiki data dan dokumen dasar. AI menjawab daripada apa yang anda berikan. Buku panduan yang lapuk dan gelaran jawatan yang tidak konsisten menghasilkan jawapan salah yang yakin. Panduan asas data HR merangkumi kecacatan biasa dan senarai semak kesediaan.
4. Tentukan titik semakan manusia secara bertulis. Bagi setiap kes penggunaan, namakan siapa yang menyemak, apa yang mereka lihat dan apa yang boleh mereka batalkan. Ini amalan reka bentuk human-in-the-loop, dan ia mesti menjadi langkah yang sebenar, bukan sekadar klik.
5. Uji bias sebelum pelancaran. Bandingkan hasil merentasi kumpulan pada data yang realistik. Jika vendor tidak dapat memberitahu anda bagaimana alatnya diuji, anggaplah itu sebagai jawapan.
6. Jalankan projek rintis satu proses selama satu suku tahun. Ukur masa yang dijimatkan, kadar kesilapan, pembetulan oleh penyemak serta maklum balas pekerja atau calon.
7. Tetapkan tadbir urus. Namakan pemilik, rekodkan apa yang dilakukan alat dan data apa yang disentuhnya, dan tetapkan kekerapan semakan.
8. Latih pasukan. Perekrut dan HR business partner perlu tahu apa yang tidak dapat dilakukan oleh alat. Membina asas itu ialah tujuan literasi AI.

Penerimaan Pakai: Apa yang Ditunjukkan oleh Bukti

Tinjauan vendor cenderung melaporkan penerimaan pakai yang tinggi kerana mereka mentakrifkan "penggunaan" secara longgar. Tinjauan bebas dengan takrifan yang lebih sempit menunjukkan gambaran yang lebih berhati-hati. Dalam tinjauan denyut Mercer pada Februari 2026 terhadap kira-kira 450 syarikat AS, hanya 16% menggunakan AI untuk kerja pampasan walaupun lebih separuh sedang meneroka. Jurang antara minat dengan penggunaan itu ialah bentuk biasa bagi teknologi yang masih awal dalam penerimaan pakainya.

Sisi manusia sama pentingnya dengan alat. Global Talent Trends 2026 daripada Mercer mendapati 40% pekerja bimbang kehilangan pekerjaan kepada AI, meningkat daripada 28% pada 2024, manakala hanya 19% pemimpin sumber manusia mengambil kira kesan emosi AI dalam pelan pelaksanaan digital mereka. Jika HR menjalankan projek AI tanpa menangani kebimbangan itu, fungsi yang sepatutnya menjaga kepercayaan menjadi punca kebimbangan. Pelan komunikasi ialah sebahagian daripada pelancaran, bukan fikiran terkemudian.

Batasan AI dalam HR

HR bukan tempat yang sesuai untuk pendekatan "bergerak pantas". Batasannya jatuh dalam lima kumpulan.

Bias. Model belajar daripada data sejarah, dan pengambilan pekerja sejarah mencerminkan keutamaan sejarah. Kajian University of Washington ialah ilustrasi terkini yang paling jelas. Penyelidik mempelbagaikan 120 nama pertama yang dikaitkan dengan lelaki dan wanita kulit putih serta kulit hitam merentasi resume dan meminta tiga model bahasa menyusunnya bagi lebih 500 iklan jawatan sebenar. Sistem itu memilih nama yang dikaitkan dengan orang kulit putih sebanyak 85% daripada masa berbanding 9% untuk nama yang dikaitkan dengan orang kulit hitam, dan nama yang dikaitkan dengan lelaki sebanyak 52% daripada masa berbanding 11% untuk nama yang dikaitkan dengan wanita. Ini ujian penyelidikan terhadap model tertentu, bukan ukuran bagi setiap produk komersial. Tetapi ia menunjukkan mengapa pengujian pada data anda sendiri penting. Konsep ini diterangkan dalam bias dalam AI.

Undang-undang. Membeli alat daripada vendor tidak memindahkan risiko. Dalam Mobley v. Workday, sebuah mahkamah persekutuan di California memperakui secara bersyarat satu kolektif diskriminasi umur pada 16 Mei 2025, berdasarkan teori bahawa vendor boleh bertanggungan sebagai ejen kepada majikan yang menggunakan alat saringannya (analisis Proskauer). Itu langkah prosedur, bukan keputusan mengenai merit kes, tetapi ia menandakan ke mana penelitian menuju. Di New York City, Local Law 144 menghendaki majikan yang menggunakan alat keputusan pekerjaan automatik menjalankan audit bias dalam tempoh setahun daripada penggunaan, menyiarkan ringkasan keputusan dan memberi notis kepada calon, dan bandar itu mula menguatkuasakannya pada 5 Julai 2023 (NYC Department of Consumer and Worker Protection). Di EU, alat untuk pekerjaan dan pengurusan pekerja dikira berisiko tinggi di bawah AI Act, dengan perisian pengasingan CV sebagai contoh Suruhanjaya sendiri, dan Suruhanjaya menyatakan peraturan itu terpakai mulai 2 Disember 2027 selepas lanjutan AI Omnibus (European Commission). Recital 44 Akta itu juga menyatakan bahawa sistem yang mengesan keadaan emosi orang di tempat kerja harus dilarang (Regulation (EU) 2024/1689). Peraturan berbeza mengikut negara dan negeri, jadi libatkan peguam sebelum menggunakan AI dalam sebarang keputusan tentang seseorang.

Privasi. Data HR antara yang paling sensitif yang dipegang oleh sesebuah syarikat. Menampal rekod pekerja ke dalam chatbot awam ialah kebocoran data. Pekerja yang menggunakan alat tanpa kelulusan sendiri ialah pendedahan yang berasingan, dikenali sebagai shadow AI. Tentukan data apa yang boleh dimasukkan ke dalam alat mana sebelum sesiapa bertanya.

Pengautomasian berlebihan. Mod kegagalannya bukan robot memecat seseorang. Ia ialah calon yang ditolak atas sebab yang tiada siapa dapat menerangkan, atau pekerja yang mendapat jawapan bot yang sopan sedangkan dia memerlukan manusia mendengar bahawa dia sedang dalam krisis. Kekalkan laluan mudah kepada manusia. Di mana alat mempengaruhi keputusan, anda harus dapat menerangkan bagaimana, iaitu idea di sebalik AI yang boleh dijelaskan.

Ketepatan. Alat generatif menyatakan perkara yang salah dengan lancar. Ringkasan dasar cuti dengan bilangan hari yang salah lebih teruk daripada tiada ringkasan. Wajibkan sumber dalam jawapan, dan minta seseorang menyemak apa-apa yang akan diterbitkan atau dijadikan asas tindakan.

Rangka Kerja Risiko untuk Dipinjam

Anda tidak perlu mencipta struktur anda sendiri. NIST AI Risk Management Framework, rangka kerja sukarela yang mula-mula dikeluarkan pada 26 Januari 2023, menyusun kerja kepada empat fungsi: Govern, Map, Measure dan Manage (NIST). Bagi pasukan HR, itu diterjemahkan kepada tugas mudah: tetapkan pemilikan (Govern), senaraikan setiap kes penggunaan dan siapa yang terkesan (Map), uji ketepatan dan bias (Measure), serta pantau dan baiki dalam pengeluaran (Manage).

Apa yang Perlu Diukur

Jejaki kelajuan dan keadilan bersama-sama. Proses pantas yang melayan orang secara tidak sama ialah satu kegagalan.

• Kecekapan: masa kepada maklum balas pertama bagi soalan HR, masa untuk menjadualkan temu duga, jam yang dihabiskan untuk menyediakan draf dokumen.
• Kualiti: bahagian jawapan AI yang dibetulkan oleh penyemak, dan kadar kesilapan yang ditemui dalam audit.
• Keadilan: hasil yang dibandingkan merentasi kumpulan bagi sebarang langkah saringan atau penyusunan, disemak mengikut jadual.
• Pengalaman: kepuasan calon dan pekerja, serta kekerapan orang meminta untuk menghubungi manusia.

Langkah Seterusnya

Jika anda hanya melakukan satu perkara pada suku tahun ini, pilih satu proses HR yang didokumenkan, tentukan titik semakan manusia, dan jalankan projek rintis. Apabila anda bersedia untuk meneroka dengan lebih mendalam, baca bagaimana AI generatif untuk pasukan HR berfungsi dalam amalan harian, lihat bagaimana AI mengubah model operasi HR dan peranan di dalamnya, atau gunakan halaman ejen AI untuk HR untuk memilih ejen pertama. Apa pun pilihan anda, tuliskan dasar dahulu. AI hanya seadil dan setepat peraturan serta data yang anda berikan.