人才智能化评价是一个新的领域。
笔者并非刻意倡导智能化评价，当然更不是批判智能化评价，而是针对智能化评价的趋势、AI和大数据技术给测评带来的可能性、智能评价的潜力与边界条件，和智能化评价所带来的监管、法律以及结构性的挑战等问题进行客观讨论，为专业测评人员和想要尝试智能化评价的组织一些启示。
　　将IT技术应用于人才测评始于上世纪90年代末。
科技发展为提升人才测评提供了前所未有的机会，当然新的技术手段也带来了益处和挑战。
首先，技术日新月异的发展和使用大幅度提升了人才评价的效率，技术可以省去测评过程中的重复工作程序，减少所需的时间，使同一时间段完成多项测评任务成为可能，极大地提升了整个招聘过程的效率。
设计精良的人才测评软件系统建立在一个数据库的基础之上，其具有存储可用于多种目的的数据记录，并作为一个虚拟仓库进行替换纸张存储和信息支持的作用。
一个开放或者半开放的人才数据库可以大量消除冗余的数据。
在一个组织或系统内，申请人的信息可以在最初的雇用程序中被调取和更新，用于后面的人才管理。
此外，软件自动提取的关于人才的基本特质等关键数据信息可以让简历的筛选更加标准化，更加高效地实现与人才需求的精准匹配。
　　其次，在IT技术特别是AI技术的助力下，对人的观察和测评更加精准和深入。
智能化的测评通过对包括音频、视频或虚拟工作场景对人进行测评，并迅速整合所测评数据，从而提升测评的精度。
以往在测评领域的一个很大的挑战是面试官不合格，或者群体面试的时候几位面试官无法在人才评价标准上达成共识，导致评价的结果比较随机；还有在采用评价中心技术的时候，不但耗费大量人才财力，更因为评价主体的水平参差不齐，产生大量评价误差，严重影响评价质量，而且评价质量的好坏很难识别，这也是实践中存在大量的选人不当现象的原因。
而智能化测评可以通过大数据的反复检验，形成常模，在对人的行为进行观测的时候，会自动将各类行为进行分类，放入相应的评价维度中，可以减少个体差异带来的测评偏差。
当然也会产生新的问题，一旦对人才评价的分类不准确，或没有得到及时更新，或出现不常见的行为，可能会导致决策错误。
此外，AI技术允许跟踪和记录被评价人的细节行为，例如通过监控可以发现被评价人在一组信息中的点击位置，以及他们花在电脑上的时间等，为发现新的指标维度提供可能，由此推动测评技术的不断提升。
　　最后，智能化测评可以通过对人才的全面画像进行系统的人才管理。
在技术的助力下，在不同时段所采集的数据可以实现跨个体、时间、场景、测评工具及评价结果的聚合，方便对人才进行全链条的管理。
例如，通过新员工的数据及对绩效数据的追踪，可以提出员工培训的需求。
智能数据可以更便捷地整合招聘数据、组织诊断数据、个体能力开发数据，以及客户满意度数据，为组织中一系列的人才相关战略决策提供支撑。
　　那么未来的智能化评价将如何发展呢？首先，由于不便捷一直是整个评价领域的一大挑战，测评技术和IT技术的融合一定是在能确保测评准确的前提下更高效、更便捷，否则技术的加入就没有任何意义了。
因此，随着移动设备成为一种普遍的用品，大部分的人才评价都将是基于网页或者小程序的。
整个人才评价领域将会转向一个开源的环境，评估内容和评价方式以后不会全部是订制化的，会有一部分内容在网络上开源共享。
生物特征识别系统将越来越普及，例如指纹或监控打字模式，将全面取代评价现场人工核验。
其次，测评的另一个挑战是不同情境下的测评难度高、造价高，因此基于AR、VR技术的虚拟情境将更加普及，这也会推动评价中心技术的发展和进一步普及。
最后，基于AI技术的行为采集将开始盛行，这是对传统测评的挑战，也是很好的补充。
（社会科学报社融媒体“思想工坊”出品 全文见社会科学报及官方网站）