ESG 在人力资源中的应用与可持续职场转型 | Rishabh Shrivastava

Rishabh Shrivastava 并非传统意义上的人力资源嘉宾。他是一名计算机科学工程师，拥有能源与石油管理 MBA，12 年来一直活跃在业务卓越、可持续发展与 ESG 战略的交汇点，服务于全球资源密集型行业。现居迪拜，这里全球文化、地区监管与可持续发展要求交织，带来了独特的人才招聘与组织管理挑战。

在本期 Xobin Talks 第 24 集中，主持人 Manjeet Kaur 向他提问：GCC 地区的组织如何推进多元、公平与包容（DEI），以及他们常见的误区。对话还涉及 AI 在人力资源中的应用、远程办公作为可持续工具的作用，以及数据质量作为分析基础的重要性却常被忽视。

组织在多元与包容上仍存哪些误区？

Rishabh 首先指出，大多数 DEI 讨论常常忽略一个关键区别：多元化员工队伍与基于多元的招聘决策并不等同。

Rishabh：“无论是发达国家、发展中国家还是 GCC 地区，许多组织把 DEI 当作一项需要完成的任务，而不是深入理解的理念。仅仅拥有多元化员工，并不代表实现了公平或营造了包容的职场环境。”

多元化应体现在人才库，而非招聘结果

他的观点很明确：组织应致力于打造多元化的候选人库，而不是以多元为导向的招聘结果。混淆两者，反而会导致 DEI 本应解决的问题--即招聘决策脱离能力本位。

Rishabh：“我总是建议 HR 同事和其他专业人士，不要仅仅因为多元而招聘。更应打造一个汇聚不同背景和观点的人才库。最重要的是认知多样性，让团队拥有不同思维方式和新鲜想法。”

数据显示，族裔多元化排名前 25% 的公司，财务表现优异的可能性高出 39%（麦肯锡，2023）。BCG 研究发现，多元化领导团队的公司有 45% 的收入来自创新，而低多元团队仅为 26%。多元化的商业价值已被充分证明，但实现机制却鲜有共识，Rishabh 的观点正是针对这一机制。

Rishabh：“组织需要的是能够实现目标的人才。有时在 DEI 的‘打卡’过程中，反而忘记了招聘的初衷。是的，候选人库可以实现公平代表性，但最终应录用最适合岗位的人。”

76% 的求职者认为多元化团队对就业决策至关重要（Glassdoor，2020）。组织面临展示多元化的压力，Rishabh 强调，正确的应对方式是打造真正多元的人才库，而不是从狭窄的库中‘制造’多元化结果。

在男性主导行业，如何真正打造多元化候选人库？

GCC 地区的区域制冷行业高度依赖技术和工程人才，女性等多元人才更难觅得。Rishabh 并未将此视为限制，而是寻找实际可行的招聘改进方法。

提前走进高校，主动培养人才

Rishabh：“合适的人才并不总是现成可用，尤其是地域受限时。因此，我们不等市场自然成长，而是主动去高校宣传行业机会。希望学生们将其视为未来可探索的职业。这样既能为未来储备多元化人才，也降低了后续人才短缺的风险。”

EMICOOL 提供培训项目、毕业生计划、实习、黑客松和各类活动，面向高校学生。这些举措不仅仅是为当前岗位招聘，更是让学生和求职者了解区域制冷行业，吸引原本不会考虑该领域的人才加入。

为行业打造人才库，而非只为本企业

EMICOOL 的做法有别于传统校招，大多数校招项目只为本企业吸引人才，而 EMICOOL 明确为整个行业培养候选人。

Rishabh：“我们希望打造一个既能惠及本企业，也能造福整个行业的人才库。我们会接触数百名学生，最终根据企业需求录用五到十人，剩下的候选人同样具备潜力。即使我们暂时不用，也能为区域制冷行业带来多元化。”

阿联酋的本地化计划 Nafis 目标是到 2026 年私营部门技术岗位中本地员工比例不少于 10%，截至 2024 年已超额完成阶段性目标，超过 131,000 名阿联酋人进入私企岗位（PwC，2024）。EMICOOL 的高校合作策略与国家政策协同，为实现代表性目标提供了可持续的人才基础。

你如何看待 AI 未来几年对 HR 团队工作的影响？

Rishabh 对 AI 的回答基于实际案例：利用历史离职数据预测新员工的组织契合度。

AI 会重塑岗位职责，而非取代岗位

Rishabh：“AI 可能不会取代你的工作，但会改变你的工作方式，甚至重塑你的岗位内容。我们应让 AI 处理重复性、例行性事务，让人专注于需要思考和创造力的工作。”

在招聘前预测组织契合度

Rishabh：“我们有行为测评工具，也有技能测评工具，还有每位员工的历史数据。借助 AI，我们现在可以根据离职数据预测新候选人是否适合组织。通过分析离职员工的行为和技能模式，可以判断新员工是否契合。”

这意味着，传统招聘流程通常只评估技能匹配，文化契合则凭面试印象。基于离职数据的模型能在面试前揭示哪些行为和技能特征与高绩效、低流失相关。

随之而来的战略转变

Rishabh：“当例行事务交由 AI 处理后，你会自动将精力转向战略层面。这就是岗位描述的变化。操作性、重复性的工作将被剔除，你的角色将更多涉及战略思考、决策和贡献。”

Rishabh 的表述避开了“AI 取代 HR 判断力”的焦虑，强调 AI 释放人力去做更有判断力的工作，而非取而代之。

灵活与远程办公如何助力可持续发展

Rishabh 的 ESG 背景带来了不同于传统 HR 视角的洞见。远程办公通常被视为生产力或员工福祉议题，而他则从碳排放角度切入。

范围二与范围三排放

Rishabh：“各国在签署《巴黎协定》后，制定了到 2050 年实现净零排放的计划。阿联酋也承诺了这一目标。要实现这一目标，必须清楚自身碳排放情况，并持续监测。”

他将排放分为三类：范围一（如车辆、柴油发电机等直接排放）、范围二（电力和电网消耗的间接排放）、范围三（办公用品、水、员工通勤、差旅等其他间接排放）。

Rishabh：“员工居家办公，企业可减少办公场所和日常运营的排放。如果远程办公，员工无需通勤，碳排放自然减少。办公室用电、办公用品、咖啡机等消耗也会下降。”

远程不可行时：卫星办公室与拼车

Rishabh 也承认，并非所有行业或岗位都适合远程办公，制造、零售、运营等需要现场工作。他的建议是：在员工居住地附近设立小型办公室，或组织拼车，减少单次通勤的排放。

Rishabh：“一个实际做法是在不同地点设立小型办公室，让员工就近上班，减少长距离通勤，从而降低碳排放。如果实在无法避免，至少要推广员工拼车。”

EMICOOL 更进一步，设立了虚拟客户服务中心，减少了客户到访和相关的范围三排放。

组织持续忽视的数据质量问题是什么？

Rishabh 最后强调，任何组织的数据驱动决策都离不开高质量的数据基础。

组织面临的两大数据难题

Rishabh：“有两个挑战。首先是数据质量。要从数据中提取信息，往往需要多个数据源，这些数据源可能是手工记录、Excel 表或专业软件。数据质量从手工到系统化差异很大，信息推断也会因此失真。”

先解决数据质量，再谈数据分析

顺序很重要。许多组织在数据质量未达标时就搭建分析系统，结果是炫目的仪表盘却建立在不可靠的基础上。Rishabh 的建议是先解决源头问题。

Rishabh：“每个组织在推进数据驱动决策前，都应先审视数据源和数据质量。一旦解决了这个基础，后续的机会将无限。”

他以 EMICOOL 的实际场景举例：通过客户画像和用量数据，将区域制冷产能精准分配到不同时段和不同类型建筑，如办公楼、学校、住宅区。相同的数据管理理念同样适用于 HR 分析，从流失预测到人力规划。

关于 Rishabh Shrivastava

Rishabh Shrivastava 现任 EMICOOL（迪拜区域制冷公司）业务卓越与可持续发展经理。其职业生涯横跨石油天然气、能源服务、航空加油、设施管理和区域制冷等领域，这些行业对可持续发展、运营效率和 ESG 报告有着直接需求。

他拥有计算机科学工程学位、能源与石油管理 MBA，以及六西格玛黑带、设计思维教练、认证测量与验证专家、认证能源经理等多项资格。工作之余，他是一名主音吉他手和多乐器演奏者，大学时期起便活跃于摇滚乐队。

与 Rishabh 联系：LinkedIn