随着知识经济的到来，作为企业核心竞争力的载体，人力资源对企业持续健康的发展起着日益重要的战略性作用。然而，现代企业人力资源管理是一项复杂的系统工程，涉及方方面面的因素。企业人力资源管理的过程中充满着行为和结果的不确定性，使得企业在人力资源管理方面存在一定的风险。
具体地，企业人力资源风险主要包括以下几个方面：一是人力资源投资风险。人力资源作为一种资本，在其投资过程中必然伴随着一定的机会成本。在现代企业管理过程中，需要在人力资源和技术和资本之间寻求一个最佳比率，人力资源投资过高或过低均无法使企业在最佳状态运行，因此，人力资源存在着一定的投资风险；二是员工人身风险。员工工作中存在人身健康和安全的风险，企业缺乏对员工采取必要的保护措施，工作流程不合理等均会增加企业员工的人身风险；三是员工流动风险。人力资源作为企业的资本投资，在其资本价值未完全发挥之前，存在员工流动的风险。一方面，员工作为企业知识的载体，构成了企业的核心竞争力，员工的流动必然导致企业核心竞争力的流失，另一方面，员工流动还会造成商业秘密泄露、企业运行无法正常衔接等运营风险；四是内部控制风险。企业的内部控制直接以企业内部人力资源作为载体，如果人力资源管理不善，出现舞弊或不认真履职的行为，企业内部控制将有控制不足甚至失效的风险，企业的盲目扩张或不合理规划等都会使企业承受一定的冗员风险，影响企业的运营效率。
基于模糊神经网络人力资源风险预警模型的构建
基于事前控制的原则，建立相关预警模型是防范和化解企业人力资源风险的有效方法。笔者认为，基于模糊神经网络的人力资源风险预警模型具有一定的针对性、实践性和应用性。在企业里，劳动者对人力资源管理持何种态度、企业的人力资源政策如何以及企业的组织结构是构成企业人力资源风险的三个根源。在神经网络预警模型中，企业领导者、人力资源政策和组织结构，是在人力资源风险评价模型中最重要的三个指标，其余指标都是在这三个指标的基础上而得来的。只需使用这三个主要指标，就能对企业的人力资源风险进行评价，因此这三个指标也就自然地构成模糊神经网络的输入变量。
第二层实现的主要功能是把输入变量实现模糊化，它是隶属函数层。语言变量总共设置高、中、低三个标度，用n表示标度，输入向量的分量用i表示。基于这种规则，某一个向量的某一个隶属度，可以用μnAi（xi）来表示。这里的隶属度代表的是每个风险影响因素所处状态的置信度，可以通过专家打分的方式来获得。
在第三层中，根据相关的空间分隔规则计算出总的模糊规则数，该人力资源预警模型总共包含35个模糊规则。虽然看上去规则数目的增多对于模型的构建以及相关计算增加了一定的难度和复杂性，但是结合相关原则加以判断可知，其中一部分的规则发挥的作用不是很大。因此，要根据重要性的原则将不重要的规则予以剔除以减少工作量。根据这个原理，最终可以筛选出六个最重要的规则，这也就是第三层的关键节点，由此第二、三层形成了模糊化的关系。
上述模糊网络预警模型的建立，表明参数为wij的网络得以形成，基于模糊神经网络多层性、前馈性的特征，其参数wij的学习算法的调整可以根据BP网络的误差反传法进行设计。
建立模糊神经网络模型，是为了建立企业的人力资源风险预警机制，企业应根据风险的相应情况发出警告并及时采取防范应对措施。根据笔者的观察以及相关专家的研究，在风险级别划分方面，以E表明人力资源风险的发生概率，当0≤E<0.3时，企业人力资源风险等级最低，0.3≤E<0.7时人力资源风险等级次之，当0.7≤E<1.0时，企业人力资源风险等级最高。
最后，企业根据该预警模型以及风险等级预警机制，将人力资源风险按照风险等级制定具体的应对和解决措施，合理地化解人力资源风险。
