فرض کنید مدیر منابع انسانی یک شرکت هستید.
صبح باید یک آگهی استخدام بنویسید.
بعد برای مصاحبه یک موقعیت شغلی سؤال طراحی کنید.
ظهر نتایج نظرسنجی کارکنان را بررسی کنید.
بعدازظهر مدیرعامل از شما یک گزارش کوتاه درباره وضعیت نیروی انسانی می‌خواهد.
در همین فاصله باید:
شرح شغل بنویسید،
برنامه Onboarding طراحی کنید،
پیام داخلی آماده کنید،
دلایل خروج کارکنان را بررسی کنید،
و برای برنامه رفاهی سال آینده هم پیشنهاد بدهید.
حالا یک دستیار در اختیار دارید که می‌تواند در چند دقیقه پیش‌نویس بسیاری از این کارها را آماده کند.
این دستیار هوش مصنوعی است.
اما یک نکته مهم وجود دارد:
هوش مصنوعی قرار نیست جای مدیر منابع انسانی را بگیرد.
ارزش واقعی آن زمانی ایجاد می‌شود که بتواند بخشی از کارهای تکراری، نوشتاری و تحلیلی را سریع‌تر کند تا HR زمان بیشتری برای تصمیم‌هایی داشته باشد که واقعاً به قضاوت انسانی نیاز دارند.
در این مقاله به جای توضیح تئوری درباره AI، سراغ کاربرد عملی می‌رویم.
۱۲ پرامپت فارسی آماده می‌کنیم که می‌توانید آن‌ها را متناسب با سازمان خود تغییر دهید و در ابزارهای هوش مصنوعی استفاده کنید.
هوش مصنوعی در منابع انسانی چه کاربردی دارد؟
هوش مصنوعی می‌تواند در بخش‌های مختلف فرآیند منابع انسانی نقش دستیار داشته باشد.
برای مثال:
- نوشتن پیش‌نویس آگهی استخدام
- طراحی سؤالات مصاحبه
- تهیه شرح شغل
- طراحی برنامه ورود کارکنان جدید
- خلاصه‌سازی داده‌های غیرمحرمانه
- طراحی نظرسنجی کارکنان
- دسته‌بندی بازخوردها
- ایده‌پردازی برای برنامه‌های آموزشی
- تهیه پیش‌نویس گزارش مدیریتی
- طراحی برنامه رفاهی
- نوشتن پیام‌های داخلی
- ساخت چک‌لیست و فرآیند
اما در تمام این موارد یک اصل مهم وجود دارد:
AI باید دستیار تصمیم‌گیری باشد، نه تصمیم‌گیر نهایی درباره کارکنان.
پرامپت چیست؟
پرامپت همان دستوری است که به ابزار هوش مصنوعی می‌دهید.
مثلاً:
«یک آگهی استخدام برای کارشناس فروش بنویس.»
این یک پرامپت است.
اما نتیجه احتمالاً بسیار عمومی خواهد بود.
اگر بنویسید:
«برای یک شرکت نرم‌افزاری B2B در تهران، آگهی استخدام کارشناس فروش با حداقل دو سال سابقه بنویس. لحن حرفه‌ای و صمیمی باشد، مسئولیت‌ها و شرایط ضروری را جدا کن و از عبارت‌های کلیشه‌ای استفاده نکن.»
احتمالاً نتیجه بسیار کاربردی‌تر می‌شود.
هرچه Context مناسب‌تری بدهید، خروجی معمولاً بهتر خواهد بود.
فرمول ساده نوشتن پرامپت برای HR
برای بسیاری از کارها می‌توانید از این ساختار استفاده کنید:
نقش + هدف + اطلاعات زمینه‌ای + محدودیت + خروجی موردنظر
مثلاً:
نقش:
تو یک متخصص منابع انسانی هستی.
هدف:
می‌خواهم یک آگهی استخدام بنویسم.
Context:
شرکت ما یک کسب‌وکار فناوری B2B با ۸۰ کارمند است.
محدودیت:
متن نباید بیشتر از ۳۰۰ کلمه باشد.
خروجی:
عنوان، معرفی کوتاه، مسئولیت‌ها، شرایط ضروری و شرایط ترجیحی.
حالا سراغ مثال‌های واقعی برویم.
پرامپت ۱: نوشتن آگهی استخدام
اگر اطلاعات کافی بدهید، هوش مصنوعی می‌تواند پیش‌نویس اولیه Job Ad را بسیار سریع آماده کند.
پرامپت آماده:
«تو یک متخصص جذب و استخدام هستی. برای موقعیت [نام موقعیت] در یک شرکت [نوع شرکت/صنعت] با حدود [تعداد کارکنان] نفر، یک آگهی استخدام حرفه‌ای به زبان فارسی بنویس.
اطلاعات موقعیت:
محل کار: [محل]
مدل همکاری: [حضوری/هیبرید/دورکاری]
سابقه موردنیاز: [عدد]
مهارت‌های ضروری: [فهرست]
مهارت‌های ترجیحی: [فهرست]
خروجی شامل این بخش‌ها باشد:
- معرفی کوتاه موقعیت
- مسئولیت‌ها
- شرایط ضروری
- شرایط ترجیحی
- مزایا
- یک CTA کوتاه برای ارسال رزومه
از کلیشه‌هایی مثل "محیط پویا" و "حقوق عالی" مگر در صورت ارائه اطلاعات واقعی استفاده نکن.»
چرا این پرامپت بهتر از «آگهی استخدام بنویس» است؟
چون مدل می‌داند:
برای چه نقشی می‌نویسد،
مخاطب چه کسی است،
چه اطلاعاتی مهم هستند،
و خروجی باید چه ساختاری داشته باشد.
بعد از تولید متن، HR باید آن را با شرایط واقعی موقعیت تطبیق دهد.
پرامپت ۲: طراحی سؤال مصاحبه شغلی
یکی از کاربردهای خوب AI، کمک به ساخت Interview Guide است.
پرامپت:
«برای مصاحبه موقعیت [نام موقعیت]، ۱۵ سؤال مصاحبه طراحی کن.
سؤالات را در پنج دسته قرار بده:
- تجربه کاری
- مهارت تخصصی
- حل مسئله
- رفتار و همکاری تیمی
- انگیزه و انتظارات شغلی
برای هر سؤال توضیح بده:
- هدف سؤال چیست؟
- یک پاسخ قوی چه نشانه‌هایی دارد؟
- چه Red Flagهایی باید بررسی شوند؟
از سؤال‌هایی که به اطلاعات شخصی غیرمرتبط با شغل مربوط می‌شوند استفاده نکن.»
AI نباید خودش نامزد مناسب را انتخاب کند
می‌توانید از AI برای ساخت سؤال یا چارچوب ارزیابی کمک بگیرید.
اما واگذاری کامل تصمیم استخدام به مدل می‌تواند مشکل‌ساز باشد.
تصمیم استخدام ممکن است تحت تأثیر:
Context سازمان،
فرهنگ،
جزئیات مصاحبه،
نیاز تیم،
و عوامل انسانی
باشد که یک مدل الزاماً تصویر کاملی از آن‌ها ندارد.
همچنین خروجی AI می‌تواند دارای خطا یا سوگیری باشد.
تصمیم نهایی باید توسط افراد مسئول در سازمان گرفته شود.
پرامپت ۳: نوشتن شرح شغل
Job Descriptionهای قدیمی گاهی سال‌ها بدون تغییر باقی می‌مانند.
می‌توانید برای تهیه پیش‌نویس جدید از این پرامپت استفاده کنید:
«به عنوان متخصص طراحی شغل، برای موقعیت [نام شغل] یک شرح شغل تهیه کن.
اطلاعات:
واحد: [نام واحد]
گزارش به: [سمت مدیر]
هدف اصلی نقش: [توضیح]
مسئولیت‌های اصلی: [اطلاعات اولیه]
ابزارهای مورد استفاده: [ابزارها]
سطح تجربه: [Junior/Mid/Senior]
خروجی:
- هدف شغل
- ۶ تا ۱۰ مسئولیت اصلی
- مهارت‌های ضروری
- مهارت‌های ترجیحی
- KPIهای پیشنهادی
- تعاملات درون‌سازمانی
- مسیر رشد احتمالی
مسئولیت‌های مشابه را ادغام کن و از عبارات مبهم خودداری کن.»
پرامپت ۴: طراحی برنامه Onboarding
ورود یک کارمند جدید نباید فقط شامل تحویل لپ‌تاپ و معرفی همکاران باشد.
برای ساخت برنامه اولیه می‌توانید بنویسید:
«برای کارمند جدید در موقعیت [نام موقعیت] یک برنامه Onboarding سی‌روزه طراحی کن.
شرکت ما در حوزه [صنعت] فعالیت می‌کند و تیم موردنظر [تعداد] نفر است.
برنامه را به این دوره‌ها تقسیم کن:
روز اول
هفته اول
هفته دوم
هفته سوم
روزهای پایانی ماه اول
برای هر مرحله مشخص کن:
- کارمند چه چیزی باید یاد بگیرد؟
- با چه افرادی باید جلسه داشته باشد؟
- چه دسترسی‌هایی نیاز دارد؟
- چه کار عملی انجام دهد؟
- مدیر چه چیزی را بررسی کند؟
در پایان یک چک‌لیست برای مدیر مستقیم و یک چک‌لیست برای HR ارائه کن.»
پرامپت ۵: طراحی نظرسنجی کارکنان
یکی از موضوعاتی که قبلاً درباره آن صحبت کردیم، نیازسنجی و نظرسنجی کارکنان است.
AI می‌تواند پیش‌نویس پرسشنامه را بر اساس هدف شما بسازد.
پرامپت:
«تو یک متخصص Employee Experience هستی.
برای یک سازمان [تعداد] نفره یک نظرسنجی کوتاه درباره [موضوع] طراحی کن.
هدف نظرسنجی:
[مثلاً شناخت رضایت از خدمات رفاهی]
حداکثر ۱۵ سؤال داشته باشد.
ترکیبی از:
- سؤال امتیازی
- چندگزینه‌ای
- انتخاب چند گزینه
- دو سؤال باز
باشد.
برای هر سؤال توضیح بده این سؤال به چه تصمیم مدیریتی کمک می‌کند.
از سؤال‌های جهت‌دار که پاسخ‌دهنده را به یک جواب خاص هدایت می‌کنند اجتناب کن.»
پرامپت ۶: تحلیل نتایج نظرسنجی کارکنان
اینجا باید کمی بیشتر مراقب اطلاعاتی باشید که در اختیار ابزار قرار می‌دهید.
اگر داده‌ها ناشناس و مناسب برای پردازش هستند، می‌توانید از AI برای پیدا کردن الگوها کمک بگیرید.
مثلاً:
«در ادامه مجموعه‌ای از پاسخ‌های ناشناس یک نظرسنجی کارکنان را قرار می‌دهم.
پاسخ‌ها را تحلیل کن و:
- پنج موضوع پرتکرار را استخراج کن.
- بازخوردهای مثبت و منفی را جدا کن.
- مشکلاتی را که چند بار تکرار شده‌اند مشخص کن.
- موارد فوری را جدا کن.
- سه اقدام پیشنهادی ارائه بده.
- مشخص کن کدام نتیجه نیازمند داده بیشتر است.
هیچ نتیجه‌ای را که مستقیماً از داده قابل استنباط نیست به عنوان واقعیت بیان نکن.
داده‌ها:
[اطلاعات ناشناس]»
نکته مهم: اطلاعات کارکنان را کورکورانه وارد AI نکنید
قبل از وارد کردن هر اطلاعاتی در یک ابزار هوش مصنوعی، سیاست امنیت و حریم خصوصی سازمان و شرایط همان سرویس را بررسی کنید.
به‌خصوص درباره داده‌هایی مانند:
نام و نام خانوادگی
شماره موبایل
کد ملی
آدرس
اطلاعات پزشکی
اطلاعات حقوق و دستمزد فردی
پرونده انضباطی
اطلاعات بانکی
رزومه دارای اطلاعات شخصی
ارزیابی عملکرد فردی
یا مکاتبات محرمانه
باید احتیاط جدی داشته باشید.
قاعده ساده:
اگر افشای آن اطلاعات برای سازمان یا کارمند مشکل ایجاد می‌کند، قبل از ارسال آن به یک سرویس خارجی بررسی امنیتی و مجوز لازم را انجام دهید.
ناشناس‌سازی یعنی چه؟
فرض کنید می‌خواهید بازخورد کارکنان را تحلیل کنید.
به جای:
«علی رضایی، مدیر فروش شعبه تهران، گفته مدیرش رفتار نامناسبی دارد.»
می‌توان داده را در صورت مناسب بودن هدف تحلیل به شکل غیرقابل‌شناسایی‌تری ارائه کرد:
«یکی از کارکنان واحد فروش نسبت به نحوه مدیریت تیم انتقاد داشته است.»
البته حتی حذف نام همیشه برای ناشناس‌سازی کافی نیست.
ترکیب سمت، محل، سن، واحد و جزئیات دیگر ممکن است فرد را قابل شناسایی کند.
برای داده‌های حساس، سیاست سازمان و نظر تیم امنیت/حقوقی اهمیت دارد.
پرامپت ۷: تحلیل دلایل ترک شغل
اگر Exit Interviewها را به صورت ساختاریافته و مناسب برای تحلیل آماده کرده‌اید، AI می‌تواند در دسته‌بندی دلایل کمک کند.
پرامپت:
«این داده‌ها شامل دلایل ناشناس خروج کارکنان در [دوره زمانی] است.
آن‌ها را در دسته‌هایی مثل:
حقوق و جبران خدمات
مدیر مستقیم
فرصت رشد
حجم کار
فرهنگ سازمانی
انعطاف
مزایا
پیشنهاد شغلی بهتر
دلایل شخصی
و سایر موارد
دسته‌بندی کن.
سپس:
- تعداد موارد هر دسته را اعلام کن.
- سه الگوی اصلی را مشخص کن.
- بین داده و فرضیه تفاوت بگذار.
- برای هر الگو حداکثر دو اقدام قابل بررسی پیشنهاد بده.
اگر داده برای نتیجه‌گیری کافی نیست، صریحاً اعلام کن.»
پرامپت ۸: طراحی Stay Interview
لازم نیست منتظر استعفا بمانید تا بفهمید کارکنان چه مشکلی دارند.
پرامپت:
«برای یک Stay Interview سی‌دقیقه‌ای با کارکنان فعلی، ۱۰ سؤال باز طراحی کن.
هدف این است که بفهمیم:
چه چیزی باعث ماندن کارکنان می‌شود؟
چه مشکلاتی دارند؟
چه چیزی ممکن است در آینده باعث خروج آن‌ها شود؟
از سؤال‌های بازجویی‌گونه یا سؤال‌هایی که فرد را مجبور به تعریف از سازمان می‌کنند اجتناب کن.
در کنار هر سؤال یک Follow-up Question هم پیشنهاد بده.»
پرامپت ۹: طراحی برنامه آموزشی کارکنان
AI می‌تواند برای ساخت اولین نسخه Learning Plan مفید باشد.
مثلاً:
«برای تیم [نام تیم] با [تعداد] نفر یک برنامه آموزشی سه‌ماهه طراحی کن.
سطح فعلی:
[توضیح]
مهارت‌های موردنیاز:
[فهرست]
هدف کسب‌وکار:
[هدف]
محدودیت:
حداکثر [عدد] ساعت آموزش در ماه برای هر نفر.
برنامه شامل:
- موضوع آموزش
- هدف یادگیری
- روش پیشنهادی
- تمرین عملی
- نحوه ارزیابی
- ترتیب اجرا
باشد.
موضوعات را بر اساس اثر روی هدف کسب‌وکار اولویت‌بندی کن.»
پرامپت ۱۰: نوشتن گزارش مدیریتی HR
یکی از کارهای زمان‌بر تبدیل داده به یک گزارش کوتاه برای مدیریت است.
اگر داده‌های مناسب و غیرمحرمانه دارید:
«بر اساس اطلاعات زیر یک گزارش مدیریتی منابع انسانی برای مدیرعامل تهیه کن.
گزارش حداکثر ۵۰۰ کلمه باشد.
ساختار:
خلاصه مدیریتی
۳ تغییر مهم
۳ ریسک
۳ اقدام پیشنهادی
شاخص‌هایی که نیازمند بررسی بیشتر هستند
بین واقعیت، تفسیر و پیشنهاد تفاوت واضح ایجاد کن.
اگر داده‌ای برای نتیجه‌گیری کافی نیست، حدس نزن.
داده‌ها:
[داده‌های مناسب]»
چرا عبارت «حدس نزن» مهم است؟
مدل‌های هوش مصنوعی ممکن است پاسخی بسیار مطمئن و خوش‌ساخت تولید کنند، حتی زمانی که اطلاعات کافی ندارند.
به همین دلیل در کارهای تحلیلی بهتر است صریحاً بخواهید:
عدم قطعیت را اعلام کند،
بین داده و فرضیه تفاوت بگذارد،
و اطلاعات ناقص را مشخص کند.
البته حتی با این دستور هم خروجی باید توسط انسان بررسی شود.
پرامپت ۱۱: طراحی برنامه خدمات رفاهی کارکنان
حالا به یکی از موضوعات مهم برای استفینو می‌رسیم.
فرض کنید نتایج نیازسنجی کارکنان را دارید و می‌خواهید چند سناریوی رفاهی طراحی کنید.
پرامپت:
«تو یک مشاور Compensation & Benefits هستی.
می‌خواهم برای یک سازمان [تعداد] نفره چند سناریوی برنامه خدمات رفاهی طراحی کنم.
مشخصات:
تعداد کارکنان: [عدد]
شهرها: [شهرها]
بودجه تقریبی: [عدد یا بازه]
میانگین سنی: [در صورت نیاز و مجاز بودن]
اولویت‌های استخراج‌شده از نظرسنجی ناشناس:
[مثلاً دندانپزشکی، ورزش، خرید اقساطی، سفر]
سه سناریو ارائه کن:
- اقتصادی
- متعادل
- گسترده
برای هر سناریو مشخص کن:
- دسته خدمات
- منطق انتخاب
- نحوه تخصیص تقریبی بودجه
- مزایا
- محدودیت‌ها
- KPIهای پیشنهادی
فرض نکن همه کارکنان نیاز یکسان دارند و امکان ایجاد حق انتخاب را هم بررسی کن.»
AI برای طراحی مزایا کافی نیست
این خروجی می‌تواند برای Brainstorming مفید باشد.
اما برای اجرای واقعی باید موارد دیگری هم بررسی شوند:
بودجه واقعی
قوانین و الزامات مالی
قرارداد تأمین‌کنندگان
ظرفیت خدمات
پراکندگی جغرافیایی کارکنان
قیمت بازار
نیاز واقعی کارکنان
و سیاست سازمان
AI می‌تواند گزینه تولید کند.
تصمیم نهایی باید بر اساس شرایط واقعی سازمان باشد.
پرامپت ۱۲: نوشتن پیام داخلی برای کارکنان
HR دائماً باید پیام‌هایی برای کارکنان آماده کند.
مثلاً:
اعلام یک خدمت جدید
نظرسنجی
تغییر فرآیند
برنامه آموزشی
یادآوری
یا اطلاعیه داخلی
پرامپت:
«یک پیام داخلی برای کارکنان درباره [موضوع] بنویس.
مخاطب:
[همه کارکنان / یک واحد]
هدف:
[هدف]
اقدام مورد انتظار:
[مثلاً تکمیل فرم تا چهارشنبه]
کانال:
[پیام‌رسان / ایمیل / SMS]
لحن:
حرفه‌ای، محترمانه و ساده.
مهم‌ترین اطلاعات:
[اطلاعات]
سه نسخه ارائه کن:
نسخه خیلی کوتاه
نسخه استاندارد
نسخه ایمیل
از متن‌های تبلیغاتی و عبارت‌های غیرضروری استفاده نکن.»
یک تکنیک ساده: از AI بخواهید قبل از پاسخ سؤال بپرسد
یکی از بهترین روش‌ها برای گرفتن خروجی بهتر این است که اجازه ندهید مدل با اطلاعات ناقص فوراً جواب بدهد.
مثلاً ابتدای پرامپت بنویسید:
«قبل از ارائه پاسخ، اگر اطلاعات مهمی برای انجام دقیق این کار کم است، حداکثر ۵ سؤال ضروری از من بپرس.»
این روش برای کارهایی مثل:
شرح شغل
برنامه آموزشی
طراحی مزایا
Onboarding
و گزارش مدیریتی
بسیار مفید است.
تکنیک دوم: خروجی اول را نسخه نهایی ندانید
فرض کنید AI یک پرسشنامه تولید کرده است.
به جای Copy/Paste مستقیم، مرحله دوم را اجرا کنید:
«حالا این پرسشنامه را نقد کن. سؤال‌های تکراری، جهت‌دار، مبهم یا غیرضروری را مشخص کن.»
بعد:
«نسخه اصلاح‌شده را با حداکثر ۱۲ سؤال تولید کن.»
این فرآیند معمولاً نتیجه بهتری از قبول اولین پاسخ ایجاد می‌کند.
تکنیک سوم: از AI بخواهید نقش منتقد را بازی کند
برای مثال بعد از طراحی برنامه رفاهی بنویسید:
«حالا در نقش مدیر مالی این پیشنهاد را نقد کن و پنج نگرانی مالی احتمالی را بگو.»
بعد:
«حالا در نقش یکی از کارکنان آن را بررسی کن و بگو چه بخش‌هایی ممکن است جذاب نباشند.»
بعد:
«حالا در نقش HR راه‌حل متعادل پیشنهاد بده.»
این کار کمک می‌کند مسئله را از چند زاویه ببینید.
تکنیک چهارم: خروجی را ساختاریافته بخواهید
به جای:
«تحلیلش کن.»
بگویید:
«خروجی را در این ساختار بده:
مشاهده
شواهد
ریسک
پیشنهاد
اولویت
اطمینان به نتیجه»
ساختار مشخص باعث می‌شود بررسی خروجی هم ساده‌تر شود.
چه کارهایی را بهتر است به AI واگذار نکنیم؟
در منابع انسانی بعضی تصمیم‌ها تأثیر مستقیم روی زندگی افراد دارند.
بهتر است AI به تنهایی درباره مواردی مانند:
استخدام یا رد نهایی یک فرد
اخراج
ارتقا
کاهش حقوق
تنبیه
ارزیابی نهایی عملکرد
تشخیص وضعیت روانی کارکنان
یا تصمیم‌های حساس مشابه
تصمیم‌گیری نکند.
AI می‌تواند اطلاعات را سازمان‌دهی کند یا به تهیه پیش‌نویس کمک کند.
اما مسئولیت تصمیم انسانی باقی می‌ماند.
مراقب سوگیری هوش مصنوعی باشید
مدل‌های AI از داده‌های بسیار زیادی یاد گرفته‌اند و ممکن است الگوها یا سوگیری‌های موجود در داده‌ها را نیز بازتاب دهند.
این موضوع در HR اهمیت بیشتری پیدا می‌کند.
مثلاً اگر از AI بخواهید رزومه‌ها را رتبه‌بندی کند، باید بررسی کنید:
بر اساس چه معیارهایی؟
آیا معیارها واقعاً مرتبط با شغل هستند؟
آیا بعضی گروه‌ها به شکل ناعادلانه تحت تأثیر قرار می‌گیرند؟
آیا انسان نتیجه را بازبینی می‌کند؟
استفاده از AI نباید فرآیند ناعادلانه را فقط سریع‌تر کند.
پنج قانون ساده استفاده از AI برای مدیر منابع انسانی
۱. اطلاعات محرمانه را بدون بررسی وارد نکنید
اول سیاست امنیتی و حریم خصوصی را بررسی کنید.
۲. خروجی را Fact فرض نکنید
اطلاعات مهم را بررسی کنید.
۳. تصمیم حساس را به مدل نسپارید
AI دستیار است.
۴. Context کافی بدهید
پرامپت عمومی معمولاً پاسخ عمومی ایجاد می‌کند.
۵. نتیجه را اندازه‌گیری کنید
ببینید AI واقعاً زمان یا کیفیت کار را بهتر کرده یا فقط یک ابزار جدید به فرآیند اضافه شده است.
از کجا استفاده از AI در HR را شروع کنیم؟
بهتر است از کارهای کم‌ریسک شروع کنید.
مثلاً:
نوشتن پیش‌نویس پیام
ساخت چک‌لیست
Brainstorming
بازنویسی متن
طراحی ساختار جلسه
ایده‌پردازی برای نظرسنجی
خلاصه‌سازی اطلاعات غیرحساس
وقتی تیم تجربه بیشتری پیدا کرد، می‌توانید موارد پیچیده‌تر را با کنترل‌های مناسب بررسی کنید.
یک برنامه ۳۰ روزه برای ورود AI به منابع انسانی
هفته اول: کارهای تکراری را پیدا کنید
از تیم HR بپرسید:
چه کاری هر هفته تکرار می‌شود؟
چه کاری بیشترین زمان نوشتن می‌گیرد؟
کجا مرتباً از صفر شروع می‌کنیم؟
پنج مورد را انتخاب کنید.
هفته دوم: پرامپت بسازید
برای هر کار یک Prompt Template ایجاد کنید.
مثلاً:
Job Description
Job Ad
پیام داخلی
گزارش
نظرسنجی
هفته سوم: آزمایش کنید
زمان انجام کار با AI و بدون AI را مقایسه کنید.
کیفیت را هم بررسی کنید.
هفته چهارم: Playbook بسازید
پرامپت‌های خوب را ذخیره کنید.
قوانین استفاده از اطلاعات را مشخص کنید.
موارد ممنوع را تعریف کنید.
و یک کتابخانه داخلی پرامپت برای تیم بسازید.
کتابخانه پرامپت HR بسازید
اگر هر مدیر هر بار از صفر Prompt بنویسد، کیفیت خروجی متفاوت خواهد بود.
می‌توانید یک Prompt Library داخلی داشته باشید.
مثلاً:
HR-01: آگهی استخدام
HR-02: شرح شغل
HR-03: سؤالات مصاحبه
HR-04: Onboarding
HR-05: نظرسنجی
HR-06: گزارش مدیریتی
HR-07: Stay Interview
HR-08: برنامه آموزشی
HR-09: برنامه رفاهی
HR-10: پیام کارکنان
هر پرامپت می‌تواند نسخه، تاریخ آخرین اصلاح و صاحب فرآیند داشته باشد.
اینجا AI از یک ابزار شخصی به بخشی از فرآیند سازمان تبدیل می‌شود.
هوش مصنوعی و خدمات رفاهی کارکنان
AI می‌تواند در حوزه رفاه کارکنان هم نقش کمکی داشته باشد.
برای مثال:
تحلیل نتایج نیازسنجی
دسته‌بندی بازخوردها
پیدا کردن خدمات کم‌استفاده
تهیه گزارش برای مدیریت
طراحی سناریوهای بودجه
یا تولید پیام برای معرفی خدمات
اما خود AI نمی‌تواند نیاز واقعی کارکنان را بدون داده بفهمد.
اگر داده ندارید و بپرسید:
«کارکنان ما چه مزایایی می‌خواهند؟»
پاسخ مدل بیشتر یک حدس عمومی خواهد بود.
روش بهتر:
از کارکنان سؤال کنید.
رفتار استفاده را اندازه بگیرید.
سپس از AI برای کمک به تحلیل داده‌های مناسب استفاده کنید.
استفینو در این میان چه نقشی دارد؟
استفینو بستری برای مدیریت و ارائه خدمات رفاهی کارکنان سازمان‌هاست.
سازمان می‌تواند بر اساس سیاست و نیاز خود، خدمات مختلفی مانند:
غذا
بیمه
دندانپزشکی
خدمات پزشکی
ورزش و تندرستی
سفر
خرید اقساطی
خدمات خودرو
خرید کالا
تفریحات
و سایر خدمات رفاهی
را در اختیار کارکنان قرار دهد.
هوش مصنوعی می‌تواند به HR در تحلیل، برنامه‌ریزی و تولید پیش‌نویس کمک کند.
اما اجرای برنامه رفاهی همچنان به داده واقعی، تأمین‌کنندگان مناسب، فرآیند اجرایی و دسترسی کارکنان به خدمات نیاز دارد.
چک‌لیست استفاده از هوش مصنوعی در HR
قبل از استفاده از AI برای یک کار منابع انسانی بپرسید:
- هدف این کار چیست؟
- آیا واقعاً AI برای آن مناسب است؟
- چه داده‌ای باید وارد شود؟
- آیا داده محرمانه است؟
- آیا اطلاعات قابل شناسایی کارکنان وجود دارد؟
- سیاست سازمان اجازه استفاده می‌دهد؟
- آیا خروجی نیاز به بررسی انسانی دارد؟
- احتمال سوگیری وجود دارد؟
- اگر AI اشتباه کند چه اتفاقی می‌افتد؟
- مسئول تصمیم نهایی چه کسی است؟
- آیا نتیجه قابل اندازه‌گیری است؟
- آیا استفاده از AI واقعاً زمان یا هزینه را کاهش می‌دهد؟
اگر پاسخ این سؤال‌ها روشن نیست، قبل از اجرا فرآیند را دوباره بررسی کنید.
سوالات متداول
هوش مصنوعی در منابع انسانی چه کاربردی دارد؟
AI می‌تواند در تهیه پیش‌نویس آگهی استخدام، شرح شغل، سؤالات مصاحبه، نظرسنجی، برنامه Onboarding، گزارش، آموزش و تحلیل داده‌های مناسب به تیم HR کمک کند.
آیا ChatGPT می‌تواند برای منابع انسانی استفاده شود؟
ابزارهای مولد هوش مصنوعی می‌توانند برای بسیاری از کارهای نوشتاری، ایده‌پردازی و تحلیلی نقش دستیار داشته باشند؛ اما نحوه استفاده باید با سیاست امنیت و حریم خصوصی سازمان سازگار باشد.
آیا می‌توان رزومه کارکنان را وارد هوش مصنوعی کرد؟
رزومه می‌تواند حاوی اطلاعات شخصی باشد. قبل از ارسال چنین اطلاعاتی به سرویس‌های AI باید سیاست سازمان، شرایط سرویس و الزامات حریم خصوصی بررسی شود. در صورت امکان از داده‌های ناشناس یا حداقل اطلاعات لازم استفاده کنید.
آیا AI می‌تواند مصاحبه استخدامی انجام دهد؟
AI می‌تواند در طراحی سؤال یا ساخت چارچوب ارزیابی کمک کند، اما تصمیم نهایی درباره استخدام نباید صرفاً به خروجی مدل واگذار شود.
بهترین پرامپت هوش مصنوعی برای HR چیست؟
یک پرامپت خوب معمولاً نقش، هدف، Context، محدودیت‌ها و شکل خروجی را مشخص می‌کند. برای کارهای مهم بهتر است از مدل بخواهید در صورت کمبود اطلاعات ابتدا سؤال بپرسد.
آیا هوش مصنوعی جایگزین مدیر منابع انسانی می‌شود؟
AI می‌تواند بخشی از کارهای تکراری و تحلیلی را سریع‌تر کند، اما بسیاری از وظایف HR به قضاوت، ارتباط انسانی، اعتماد، مذاکره و مسئولیت‌پذیری نیاز دارند.
جمع‌بندی
بهترین استفاده از هوش مصنوعی در منابع انسانی این نیست که همه کارها را به AI بسپاریم.
بهترین استفاده این است که مشخص کنیم:
کدام کار تکراری است؟
کدام کار زمان زیادی می‌گیرد؟
کجا به یک پیش‌نویس سریع نیاز داریم؟
و کجا تصمیم انسانی ضروری است؟
از کارهای کم‌ریسک شروع کنید.
پرامپت‌های خوب را ذخیره کنید.
اطلاعات محرمانه را محافظت کنید.
خروجی‌ها را بررسی کنید.
و اثر واقعی AI روی زمان و کیفیت کار را اندازه بگیرید.
اگر این فرآیند درست انجام شود، هوش مصنوعی می‌تواند از یک ابزار سرگرم‌کننده به یک دستیار واقعی برای تیم منابع انسانی تبدیل شود.
و شاید مهم‌ترین مهارت HR در دوره هوش مصنوعی این نباشد که بتواند طولانی‌ترین پرامپت را بنویسد.
بلکه این باشد که بداند:
چه چیزی را به AI بسپارد،
چه چیزی را خودش تصمیم بگیرد،
و چه زمانی به خروجی هوش مصنوعی اعتماد نکند.
نظرات و پرسش‌ها
در حال بارگذاری نظرات...