بلاگ / کسب و کار

هوش مصنوعی در منابع انسانی؛ ۱۴ کاربرد عملی از جذب تا نگهداشت، پرامپت‌های آماده و مرزهای اخلاقی

۱۴۰۵/۷/۲۶

راهنمای عملی هوش مصنوعی در منابع انسانی: ۱۴ کاربرد از آگهی شغلی تا تحلیل نظرسنجی کارکنان، پرامپت آماده برای هر مرحله، کارهایی که نباید به مدل سپرد و چک‌لیست اخلاقی.

هوش مصنوعی در منابع انسانی دو چهره دارد. از یک طرف، کارهایی مثل نوشتن آگهی شغلی، طراحی سؤال مصاحبه، پاسخ به پرسش‌های تکراری کارکنان و ساخت محتوای آموزشی را از چند ساعت به چند دقیقه می‌رساند. از طرف دیگر، HR با سرنوشت آدم‌ها سروکار دارد و یک مدل سوگیرانه می‌تواند بی‌صدا ده‌ها متقاضی را کنار بگذارد. این مقاله بخشی از راهنمای آموزش هوش مصنوعی سازمانی است و هر دو چهره را با هم می‌بیند.

در ادامه ۱۴ کاربرد عملی را با سطح ریسک هر کدام می‌آوریم، برای کارهای پرتکرار پرامپت آماده می‌گذاریم و در پایان مرزهایی را که هیچ‌وقت نباید به ماشین سپرد مشخص می‌کنیم.

چرا هوش مصنوعی در مدیریت منابع انسانی مهم شده است؟

واحد منابع انسانی پر از کارهای متنی، تکراری و زمان‌بر است: آگهی، ایمیل، دستورالعمل، فرم، گزارش و پاسخ به سؤال. این دقیقاً همان نوع کاری است که مدل‌های زبانی در آن قوی‌اند. هم‌زمان، طبق گزارش آینده‌ی مشاغل مجمع جهانی اقتصاد ۲۰۲۵، انتظار می‌رود حدود ۳۹ درصد مهارت‌های اصلی کارکنان تا سال ۲۰۳۰ تغییر کند و ۷۷ درصد کارفرمایان برنامه‌ی بازآموزی دارند. یعنی HR هم باید خودش از ابزارها استفاده کند و هم مسئول آموزش بقیه‌ی سازمان باشد.

پژوهش‌ها هم نشان می‌دهند که مسئله فقط سرعت نیست. مرور ۱۰۷ مطالعه‌ی تجربی در مجله‌ی AI and Ethics نشان داد بیشتر پژوهش‌ها روی جذب و استخدام متمرکز بوده‌اند و اثر واقعی روی کارکنان کمتر بررسی شده است؛ نویسندگان توصیه می‌کنند سازمان‌ها به این فناوری بیش از حد تکیه نکنند و نقش انسان را حفظ کنند.

۱۴ کاربرد هوش مصنوعی در منابع انسانی

جدول زیر کاربرد هوش مصنوعی در منابع انسانی را در پنج حوزه نشان می‌دهد. ستون آخر می‌گوید خروجی مدل تا چه حد می‌تواند بدون بازبینی جدی استفاده شود.

حوزه کاربرد سطح ریسک
جذب و استخدام ۱. نوشتن و بهینه کردن آگهی شغلی بدون عبارت‌های تبعیض‌آمیز کم
جذب و استخدام ۲. ساخت شرح شغل و شایستگی‌های هر نقش کم
جذب و استخدام ۳. طراحی سؤال‌های مصاحبه‌ی رفتاری و فنی کم
جذب و استخدام ۴. خلاصه کردن رزومه‌ها بر اساس معیارهای ازپیش‌تعریف‌شده متوسط تا زیاد
جذب و استخدام ۵. پیش‌نویس ایمیل دعوت، رد محترمانه و پیشنهاد شغلی کم
ورود و آموزش ۶. ساخت برنامه‌ی ورود (onboarding) سی، شصت و نود روزه کم
ورود و آموزش ۷. تبدیل دستورالعمل‌ها به محتوای آموزشی و آزمونک کم
ورود و آموزش ۸. نیازسنجی آموزشی از روی شرح شغل و نتایج ارزیابی متوسط
ارتباطات داخلی ۹. پاسخ به پرسش‌های پرتکرار کارکنان از روی آیین‌نامه‌ها متوسط
ارتباطات داخلی ۱۰. نوشتن بخشنامه، اطلاعیه و پیام مدیریت کم
ارزیابی و توسعه ۱۱. کمک به نوشتن بازخورد سازنده و اهداف SMART متوسط
ارزیابی و توسعه ۱۲. تحلیل پاسخ‌های باز نظرسنجی رضایت کارکنان متوسط
سیاست و نگهداشت ۱۳. پیش‌نویس آیین‌نامه‌ها و مقایسه با نسخه‌ی قبل متوسط
سیاست و نگهداشت ۱۴. تحلیل دلایل خروج از روی مصاحبه‌های خروج متوسط تا زیاد

قاعده‌ی کلی ساده است: هرچه خروجی مستقیم‌تر روی تصمیم درباره‌ی یک فرد اثر بگذارد، ریسک بیشتر است و بازبینی انسانی سخت‌گیرانه‌تری لازم دارد.

هوش مصنوعی در استخدام؛ از آگهی تا مصاحبه

هوش مصنوعی در استخدام بیشترین صرفه‌جویی را دارد، به شرطی که مدل دستیار کارشناس باشد، نه داور نهایی.

آگهی شغلی و شرح شغل

از مدل بخواهید آگهی را با زبان روشن، بدون کلیشه و بدون شرط سنی یا جنسیتی بنویسد. یک فایده‌ی کمتر دیده‌شده این است که مدل می‌تواند آگهی فعلی شما را از نظر عبارت‌های دافع یا مبهم بازبینی کند.

نقش: کارشناس ارشد جذب.
عنوان شغل: [عنوان]  |  واحد: [واحد]  |  سطح: [کارشناس / ارشد / مدیر]
وظایف اصلی: [فهرست]
مهارت‌های ضروری: [فهرست]   مهارت‌های امتیازی: [فهرست]
یک آگهی ۲۵۰ کلمه‌ای بنویس با این بخش‌ها: معرفی کوتاه تیم، وظایف، مهارت‌ها، آنچه به کارمند می‌دهیم.
قواعد: هیچ شرط سنی، جنسیتی یا ظاهری ننویس؛ از «محیط پویا» و «جوان و پرانرژی» پرهیز کن؛ مهارت‌های ضروری را حداکثر شش مورد نگه دار.

بررسی رزومه

اینجا حساس‌ترین نقطه است. مدل نباید رزومه‌ها را «رتبه‌بندی» کند. بهتر است فقط مطابقت هر رزومه با معیارهای مکتوب شما را با شاهد از متن رزومه خلاصه کند و تصمیم را کارشناس بگیرد. برای ساختن این جریان، پرامپت خودکارسازی غربالگری استخدام و برای سنجش رزومه از دید متقاضی، بررسی رزومه با معیار ATS را ببینید.

معیارهای مکتوب این شغل: [فهرست معیارها با وزن]
رزومه (بدون نام، عکس، سن، جنسیت و آدرس): [متن]
برای هر معیار بنویس: «دارد / ندارد / نامشخص» و جمله‌ای از رزومه که دلیل آن است.
هیچ امتیاز کلی یا پیشنهاد رد و قبول نده. اگر معیاری از رزومه قابل تشخیص نیست، بنویس «نامشخص».

دقت کنید که پیش از وارد کردن رزومه، اطلاعات شخصی حذف شود. این کار هم ریسک نشت داده را کم می‌کند و هم احتمال سوگیری را.

طراحی مصاحبه

از مدل بخواهید برای هر شایستگی دو سؤال رفتاری (با الگوی موقعیت، وظیفه، اقدام و نتیجه) و یک معیار نمره‌دهی پیشنهاد کند. این کار مصاحبه‌ها را ساختاریافته‌تر و مقایسه‌پذیرتر می‌کند؛ چیزی که خودش یکی از بهترین راه‌های کاهش سوگیری انسانی است.

آموزش، ورود و ارتباطات داخلی

در این بخش ریسک کمتر و سرعت نتیجه بیشتر است. یک کارشناس آموزش می‌تواند آیین‌نامه‌ی بیست‌صفحه‌ای را در چند دقیقه به خلاصه، پرسش‌وپاسخ و آزمونک تبدیل کند؛ پرامپت خلاصه‌ساز متن برای این کار آماده است. برای آموزش خود کارکنان در کار با ابزارها، راهنمای آموزش هوش مصنوعی برای کارمندان مثال‌های روزمره‌ی اداری را آورده است.

متن دستورالعمل: [متن]
مخاطب: کارمند تازه‌وارد واحد [نام واحد]
۱. خلاصه‌ی ده‌خطی به زبان ساده بنویس.
۲. هشت پرسش پرتکرار با پاسخ کوتاه از همین متن بساز.
۳. یک آزمونک پنج‌سؤالی چهارگزینه‌ای با پاسخ درست طراحی کن.
فقط از اطلاعات همین متن استفاده کن.

برای پاسخ‌گویی به پرسش‌های کارکنان، یک دستیار متصل به آیین‌نامه‌ها و دستورالعمل‌ها می‌سازید که فقط از روی همان اسناد جواب بدهد. ساختار این نوع دستیار را در مقاله‌ی دستیار هوش مصنوعی سازمانی توضیح داده‌ایم.

ارزیابی عملکرد و تحلیل نظرسنجی

مدل می‌تواند به مدیر کمک کند بازخوردش را مشخص‌تر و سازنده‌تر بنویسد، یا صدها پاسخ باز نظرسنجی را دسته‌بندی کند. اما نمره‌ی ارزیابی، ترفیع و تنبیه باید تصمیم انسانی بماند.

پاسخ‌های باز نظرسنجی رضایت کارکنان (بدون نام): [متن]
۱. پاسخ‌ها را به حداکثر هشت موضوع دسته‌بندی کن و تعداد هر موضوع را بگو.
۲. برای هر موضوع دو نقل‌قول نمونه بیاور.
۳. سه اقدام عملی برای مدیریت پیشنهاد کن.
از حدس زدن هویت نویسندگان یا واحد آن‌ها خودداری کن.
دوره اختصاصی هوش مصنوعی برای سازمان شما
سرفصل‌ها را بر اساس مسائل واقعی سازمان‌تان می‌چینیم: اول فرم نیازسنجی، بعد پروپوزال اختصاصی و در آخر کارگاه عملی. برای شروع از صفحه‌ی درخواست آموزش سازمانی و پروپوزال با ما تماس بگیرید. اگر فعلاً برای خودتان می‌خواهید شروع کنید، چت دکترپرامپت و اشتراک Dr.Pass را ببینید.

چالش های اخلاقی هوش مصنوعی در منابع انسانی

یک فراترکیب ۲۷ مطالعه‌ی منتشرشده در فصلنامه‌ی مطالعات منابع انسانی دانشگاه تهران، مهم‌ترین چالش اخلاقی را سوگیری سیستماتیک در الگوریتم‌های تصمیم‌گیری منابع انسانی دانسته و بعد از آن اثر اتوماسیون بر اشتغال و حریم خصوصی را آورده است. مرور مجله‌ی AI and Ethics هم شش دسته‌ی اصلی را برجسته کرده است: سوگیری و تبعیض، عدالت و اعتماد، حریم خصوصی، شفافیت و توضیح‌پذیری، نقش انسان و مواردی که هیچ اصل مسئولانه‌ای در آن‌ها رعایت نشده بود.

در قانون هوش مصنوعی اتحادیه‌ی اروپا هم سامانه‌های AI که برای استخدام، انتخاب و ارزیابی کارکنان به کار می‌روند در دسته‌ی پرخطر قرار گرفته‌اند. حتی اگر سازمان شما مشمول این قانون نباشد، منطق آن راهنمای خوبی است.

کارهایی که نباید به مدل سپرد

  • تصمیم نهایی رد یا قبول متقاضی، ترفیع، تنبیه یا اخراج
  • رتبه‌بندی خودکار افراد بدون معیار مکتوب و بدون بازبینی انسانی
  • تحلیل چهره، صدا یا احساسات در مصاحبه
  • پایش پنهان پیام‌ها یا رفتار دیجیتال کارکنان
  • وارد کردن پرونده‌ی پرسنلی، حقوق یا اطلاعات پزشکی در ابزار عمومی

چک‌لیست استفاده‌ی مسئولانه

  1. معیارهای هر تصمیم را پیش از استفاده از ابزار مکتوب کنید.
  2. اطلاعات شخصی و شناسه‌ها را پیش از ورود به مدل حذف کنید.
  3. برای هر خروجی که روی یک فرد اثر دارد، بازبین انسانی مشخص کنید.
  4. هر چند ماه یک‌بار خروجی‌ها را از نظر الگوی ناعادلانه بررسی کنید.
  5. به متقاضیان و کارکنان شفاف بگویید کجا از هوش مصنوعی استفاده می‌شود.

نقش HR در آموزش هوش مصنوعی به کل سازمان

واحد منابع انسانی فقط مصرف‌کننده‌ی ابزار نیست؛ معمولاً مالک برنامه‌ی توسعه‌ی مهارت کارکنان هم هست. وقتی ۷۸ درصد کاربران ابزار شخصی خودشان را سر کار می‌آورند و فقط ۳۹ درصد از شرکت آموزش گرفته‌اند (Microsoft Work Trend Index 2024)، این شکاف مستقیماً مسئولیت HR است. ماده‌ی ۴ قانون هوش مصنوعی اروپا هم سازمان‌ها را موظف کرده سواد هوش مصنوعی کارکنانی را که با این سامانه‌ها کار می‌کنند تأمین کنند.

یک برنامه‌ی ساده که HR می‌تواند اجرا کند این است:

  1. نیازسنجی: از هر واحد بپرسید کدام کارها تکراری‌اند و کارکنان امروز با چه ابزاری کار می‌کنند.
  2. آموزش پایه برای همه: اصول پرامپت‌نویسی، بررسی خروجی و داده‌های ممنوع.
  3. آموزش تخصصی برای هر واحد: سناریوهای واقعی همان واحد، نه مثال‌های عمومی.
  4. سفیران هوش مصنوعی: در هر واحد یک نفر که تجربه‌ها را جمع و به بقیه کمک کند.
  5. سنجش اثر: زمان صرف‌شده برای چند کار مشخص، پیش و پس از آموزش.

سرفصل کامل یک دوره‌ی ده‌جلسه‌ای با خروجی هر جلسه در راهنمای آموزش هوش مصنوعی برای مدیران و کارکنان آمده است و می‌تواند مبنای برنامه‌ی آموزشی HR باشد.

ابزار هوش مصنوعی برای منابع انسانی؛ از کجا شروع کنیم؟

برای بیشتر واحدهای HR، یک دستیار گفتگومحور با حساب سازمانی و چند پرامپت استاندارد کافی است تا هفته‌ای چند ساعت آزاد شود. ابزارهای تخصصی جذب و نرم‌افزارهای منابع انسانی با قابلیت AI در مرحله‌ی بعد مطرح می‌شوند و پیش از خریدشان باید پرسید داده کجا ذخیره می‌شود و مدل چطور تصمیم می‌گیرد. پیشنهاد عملی ما:

  1. سه کار کم‌ریسک (آگهی، ایمیل، محتوای آموزشی) را انتخاب کنید و یک ماه با پرامپت استاندارد کار کنید.
  2. زمان صرف‌شده را پیش و پس اندازه بگیرید.
  3. یک کتابخانه‌ی پرامپت منابع انسانی برای تیم بسازید.
  4. بعد سراغ جریان‌های بزرگ‌تر بروید؛ مراحل کامل در پیاده سازی هوش مصنوعی در سازمان آمده است و نقشه‌ی کاربرد بقیه‌ی واحدها را در هوش مصنوعی در سازمان می‌بینید.

پرامپت‌های بالا را می‌توانید همین حالا در چت دکترپرامپت امتحان کنید؛ برای اشتراک تیمی هم صفحه‌ی اشتراک‌ها را ببینید.

منابع

سوالات متداول

هوش مصنوعی در منابع انسانی بیشتر برای چه کارهایی مناسب است؟

کارهای متنی و تکراری مثل آگهی شغلی، شرح شغل، سؤال مصاحبه، ایمیل‌های استخدامی، محتوای آموزشی و پاسخ به پرسش‌های پرتکرار کارکنان. این کارها ریسک کم و صرفه‌جویی زیاد دارند.

آیا می‌توان غربالگری رزومه را کامل به هوش مصنوعی سپرد؟

نه. مدل می‌تواند مطابقت رزومه با معیارهای مکتوب را با شاهد خلاصه کند، اما تصمیم رد یا قبول باید با کارشناس باشد؛ سوگیری الگوریتمی مهم‌ترین ریسک این حوزه است.

چطور از سوگیری هوش مصنوعی در استخدام جلوگیری کنیم؟

معیارها را از قبل بنویسید، اطلاعات شخصی را حذف کنید، از مدل امتیاز کلی نخواهید، تصمیم را انسانی نگه دارید و خروجی‌ها را دوره‌ای از نظر الگوهای ناعادلانه بررسی کنید.

آیا وارد کردن اطلاعات کارکنان در ChatGPT مجاز است؟

اطلاعات شخصی، حقوق و پرونده‌ی پرسنلی نباید در ابزار عمومی وارد شود. برای این داده‌ها از حساب سازمانی با قرارداد حفاظت داده یا مدل محلی استفاده کنید.

واحد منابع انسانی از کجا شروع کند؟

با سه کار کم‌ریسک، یک ماه آزمایش با پرامپت استاندارد و اندازه‌گیری زمان. هم‌زمان آموزش تیم HR را جدی بگیرید، چون همین تیم بعداً مسئول آموزش بقیه‌ی سازمان خواهد بود.


جمع‌بندی: هوش مصنوعی در منابع انسانی می‌تواند کارهای متنی و تکراری را چند برابر سریع‌تر کند، اما هر جا پای تصمیم درباره‌ی یک انسان در میان است، باید دستیار بماند و نه داور. با کارهای کم‌ریسک شروع کنید، معیارها را مکتوب کنید و بازبینی انسانی را حذف نکنید. برای آموزش تیم HR و مدیران در قالب یک برنامه‌ی منظم، راهنمای دوره آموزش هوش مصنوعی سازمانی را ببینید.

درخواست آموزش هوش مصنوعی سازمانی
مدرس و طراح دوره: دکترپرامپت - وب سینا - سینا قیمی. برای دریافت پروپوزال، سرفصل اختصاصی و زمان‌بندی کارگاه برای تیم یا مدیران‌تان از صفحه‌ی تماس دکترپرامپت پیام بدهید. برای تمرین شخصی هم چت دکترپرامپت و اشتراک Dr.Pass در دسترس است.

پرامپت‌های مرتبط

آماده کپی
آماده کپی
آماده کپی

مقالات مرتبط

دکترپرامپت

اتوماسیون کسب‌وکار

دستیار هوش مصنوعی سازمانی؛ ۴ نوع کاربردی، ساخت پایگاه دانش، امنیت و راه‌اندازی در ۶ هفته

راهنمای ساخت دستیار هوش مصنوعی سازمانی: تفاوت با چت‌بات عمومی، چهار جریان کاری (پایگاه دانش، خدمات مشتری، گزارش، اتوماسیون)، پایگاه دانش و RAG به زبان ساده، امنیت و برنامه‌ی شش هفته‌ای.

۱۴۰۵/۷/۲۶

دکترپرامپت

کسب و کار

آموزش هوش مصنوعی برای کارمندان؛ ۸ کار روزمره اداری با پرامپت آماده، قوانین امنیت و برنامه دو هفته‌ای

راهنمای عملی هوش مصنوعی برای کارهای اداری: فرمول پنج‌جزئی پرامپت، ۸ کار روزمره با پرامپت آماده، خطاهای رایج و روش بررسی خروجی، داده‌هایی که نباید وارد کرد و برنامه‌ی یادگیری دو هفته‌ای.

۱۴۰۵/۷/۲۶

دکترپرامپت

کسب و کار

هوش مصنوعی در سازمان؛ کاربردها در هر واحد، مزایا، ریسک‌ها و پرامپت‌های آماده

نقشه‌ی کاربرد هوش مصنوعی در سازمان به تفکیک واحد: مدیریت، مالی، منابع انسانی، فروش، خدمات مشتری، عملیات، IT و حقوقی؛ همراه با پرامپت آماده، اعداد پژوهشی و ریسک‌ها.

۱۴۰۵/۷/۲۶

دکترپرامپت

کسب و کار

پیاده سازی هوش مصنوعی در سازمان؛ مراحل گام‌به‌گام، اجزای هزینه، چالش‌ها و نقشه راه ۹۰ روزه

راهنمای گام‌به‌گام پیاده سازی هوش مصنوعی در سازمان: چک‌لیست آمادگی و مدل بلوغ، ۸ مرحله از تعریف مسئله تا مقیاس‌دهی، اجزای هزینه، چالش‌های رایج با راه‌حل و یک نقشه راه ۹۰ روزه برای شروع.

۱۴۰۵/۷/۲۶