基于人工智能的企业人力资源战略管理系统构建与应用 ／蔡启明 朱美芳 唐 红

　　因系统中所制定的战略规划周期为三年，根据工作状态与设定目标，专家子系统将按照第一年、第二年、第三年维度对其进行措施分解，得到每年度的详细措施与目标，整合形成各年度的工作计划。以此类推，可得到各季度、月度、周度工作计划。公司员工可通过系统查阅自身工作计划，并做好执行记录，以实现系统对整个工作的追踪与控制。从以上可以看到，专家子系统通过分级诊断人力资源管理工作，重新定义了人力资源战略制定的规则，有效提高了战略制定的科学性；同时，通过系统实时跟踪员工工作情况，提高了工作报告的准确性。

　　（二）BP神经网络学习子系统

　　专家系统能够利用现有知识基础并结合规则对用户的问题进行智能化处理。但随着公司行业背景的不断变化，以及所处理问题的复杂程度不断提高，传统专家系统已无法解决实际工作中的问题。BP神经网络是一种按误差反向传播训练的多层前馈网络，利用大量的学习样本调整神经节点之间的连接权重，使其收敛。引入BP神经网络，学习新的学习样本，调整系统相关权重系数，提高网络模型泛化程度，优化程序推理过程，能有效提高专家子系统制订战略方案的准确性。

　　HRD将公司现状信息输入系统，系统生成初步战略方案。HRD对该方案进行人工评估，若符合预期就直接予以采纳，若不满足预期要求则进行人为修正。系统将HRD修改的方案与原始输出的初步方案进行差异化比较，将差异数值化，并调整神经元之间的连接权重与阈值，对BP神经网络性能加以优化，提升网络模型的泛化，提高系统的智能化程度。

　　（三）深度学习子系统

　　人力资源战略制定人工系统定位于解决单个公司内部的战略规划制定问题，然而单个公司的数据采集范围较小，有行业限制，若使用该系统的公司愿意在确保关键数据隐私性和完整性的前提下，将公司内部的战略基础数据，即知识库放置于统一的云端，云服务提供商则可以进一步构建战略制定相关的海量知识库。云服务提供商利用数据融合、数据挖掘等方式，将单个系统内部的知识库进行整合与优化，逐渐建立大数据处理中心，机器可通过深度学习对系统进行功能优化，提高整体系统的性能。随着云端上企业数量的增加以及各企业内部战略制定人工智能系统的优化，云端中的海量知识库将包含众多战略基础数据。系统可根据企业所处行业与企业规模对战略基础数据进行分类分析。

　　三、模型应用实践指南：以Y集团为例

　　（一）Y集团人力资源现状

　　Y集团是一家立足于长三角，面向社会各界提供管理咨询、培训、信息以及人才猎寻服务的综合性智业服务机构，自2003年成立以来，积极拓展业务，现下辖管理咨询、信息资讯与职业培训三个方向的子公司。Y集团业务范围广泛，人员数量众多，人力资源部门在制定战略规划时工作量较大，且难以确保预测的准确性。笔者通过实地调研Y集团，访谈Y集团公司高层管理人员，并针对人力资源战略制定工作，对人力资源部门员工以及公司员工分别进行问卷调查，根据访谈及调查结果分析得到Y集团的人力资源管理工作现状与主要存在问题。

　　（二）系统实施步骤及效应

　　Y集团积极运用人力资源战略管理系统，制定企业人力资源战略规划，并得到相应的工作计划与员工工作报告。Y