根據Resume Builder最近的一項調查，66%的美國管理者在裁員決策時曾咨詢過ChatGPT或其他大型語言模型。大多數管理者也會使用AI來決定加薪(78%)和晉升(77%)，這些數據反映出GenAI正在滲透到業務流程中，這些流程本不應依賴它。基礎模型并非為處理高風險、領域特定的情況而設計，正是這些場景最為敏感。

雖然這些工具在撰寫郵件或職位描述時看起來便利，但它們并不具備理解業務數據復雜性或做出上下文相關決策的能力。在招聘、績效評估和人力規劃等職能中，一種更低調但更有效的AI類型通常更適合：預測型AI。

GenAI：華而不實

本質上，GenAI模型，如ChatGPT、Claude、Gemini及其他新興大型語言模型，并不真正“理解”它們所生成的內容。它們通過分析海量人類文本數據，預測最可能出現的詞語組合，從而生成文本。雖然這種方式能產生連貫、有時有用的回答，但本質上只是高級自動補全。這類系統并非基于深度、任務特定的知識或理解做決策，而是輸出根據提示詞最有可能的詞串。

這在企業環境中帶來明顯局限。例如，HR專業人士讓GenAI撰寫職位描述時，結果可能看起來很專業，但很可能無法體現公司獨特的崗位需求、團隊動態或企業使命。大多數現有HR工具已有模板化的職位描述，因此使用聊天機器人價值有限，甚至可能引入風險，例如輸出偏見或來自未知來源的不相關信息。

更嚴重的是，當HR團隊開始使用GenAI處理績效評估、晉升或裁員等敏感事務時，風險倍增。這些系統并未設計用于此類判斷，無法可靠、公平地支持高風險決策。如果你的職業發展取決于聊天機器人的查詢結果，而不清楚是否進行了其他調研或盡職調查，你會有何感受?

預測型AI在HR中的優勢

相比之下，預測型AI執行的是完全不同的任務。它不生成類人文本，而是通過分析歷史數據模式，對未來行為或結果進行科學預測。例如，預測型AI可以分析員工數據，評估候選人在特定崗位上的成功概率，從而提升招聘準確性和員工留存率。

在HR等行業，預測型AI優于GenAI的原因包括：

? 基于企業實際數據訓練：預測模型使用特定企業的數據，因此它理解的是你的公司，而非從互聯網上抓取的通用趨勢。

? 支持可重復、高風險決策：預測AI可基于客觀因素準確預測候選人未來績效，降低偏見、提升留存，還能輔助制定發展計劃、薪酬建議，甚至評估裁員風險。

? 助力戰略規劃：預測模型可識別可能離職的員工及原因，了解頂尖人才的留存動因，并幫助將人才策略與業務目標對齊。

? 結果可靠可驗證：預測型AI使用結構化數據解決具體問題，結果可衡量、可測試，可隨時間驗證和優化，同時可解釋決策依據，這對合規和透明至關重要。

當然，預測型AI也面臨挑戰。例如亞馬遜內部的招聘工具，由于訓練數據反映了公司男性占主導的技術團隊歷史，導致帶有“women’s”(如“women’s chess club captain”)等詞的簡歷被降級。同樣，基于廣泛互聯網數據訓練的GenAI，可能無意中復制刻板印象，或忽視特定公司或崗位的上下文因素。

在招聘、晉升或薪酬等本已充滿偏見風險的領域使用這些工具，可能放大不平等、帶來合規風險和聲譽損害。因此，預測型AI的價值取決于所用數據，而這些數據的收集、清洗和語境化都需要投入。每一次新客戶的實施都必須認真分析數據可用性、模型與業務目標的對齊，以及確保負責任的使用。

GenAI吸引了全球關注，且在很多情況下是有用的工具，但企業應用不能僅依賴通用模型。像HR這樣的領域，需要基于真實數據提供可操作、具體且可信的洞察。預測型AI正提供了這樣的價值：幫助企業招聘更合適的候選人、留住頂尖人才、打造高績效、可持續發展的團隊。雖然它可能不會登上頭條，但在關鍵環節創造的價值遠比噱頭更重要。