人力资源科技:你应该知道的3件事情

2018年09月21日 579次浏览


文/John Sumser

关于我们的新“数字同事”,您应该了解几个基本原则。

首先,最新的“人工智能”实际上只不过是一套复杂的统计数据。
其次,“智能机器”的输出是一种意见,而非事实。
这可能是您了解智能工具最重要的事情。无论是复杂的匹配,聊天机器人交互,机器学习,自然语言处理,情感分析还是数据模型,机器都只能提供意见。这仅仅因为它来自计算机,但这并不意味着意见的真假。

与人类无意识偏见的方式相同,机器具有未编码的偏见。它们只知道测量,量化和给予他们的事物。像人一样,它们不善于解决它们看不到和不知道的事情,并且缺乏任何想象力,它们的世界观仅限于它们拥有的数据。

更糟糕的是,机器只能知道过去的情况。它们的意见仅限于相关分析——这就像那样。它们无法进行实验,提出替代方案或进行干预以改进。当世界不像昨天那样,它们的工作就会失败。它们非常乐意总是像“昨天”一样。

目前(在可预见的未来),我们新的数字“实习生”是可以想象到的最差的员工。它们是文字头脑,固执己见,需要广泛的培训,只有在你告诉他它们时才会停止,没有良心,并且当事情不对时需要从头开始重新培训。尽管如此,我们现在仍然需要使用它们,而技术人员正努力将我们带到一个新的水平,因为下一个级别取决于我们的更多数据。

这意味着我们需要学会与他们的机器争论,并培训我们的人类员工,以了解这种新型软件,提供建议和意见而不是事实。就像视频游戏玩家在寻找下一次黑客攻击一样,员工需要监控,理解,质疑和利用他们工具的漏洞并为他们负责。数字化员工是我们未来的核心,但管理它们与管理人类或旧软件完全不同。

对于人类而言,管理者可以负担得起不精确或注意分散,信任可以是广泛的。对于机器,每个代表团,后续或培训必须完美无瑕。智能工具的有效性完全取决于其管理者。人类可以克服糟糕的管理; 机器不能。

最后,拥有最大数据库的公司通常会获胜。
数据是新的基础设施,智能工具和新业务形式的基础。与工作流程为王的老式企业计算不同,智能工具在发现模式的无限机会中茁壮成长。对于公司而言,这意味着需要迫切清理他们的数据。对于供应商而言,其声明的可信度完全取决于他们使用的数据量和质量。

我知道有一家初创企业花费了数百万台教学机器来生成“假数据”来测试算法,数据模型和情绪分析。他们知道,如果没有真正证实他们的主张的能力,就相当于把风险推给顾客承担。这种情况要是是常态就好了。

许多小型初创企业都非常需要数据,以至于他们愿意大幅打折去获取这些数据。对于选择这条道路的公司来说,这是一个高风险,高回报的策略。它需要对供应商及其资金的真正信心,以及拥有内部承受重大错误的能力。

另一方面,拥有大量数据的传统公司在将其理论模型交给客户之前,会花时间对其进行科学验证。由于这个原因,大公司比小公司有一个不平衡的优势。

您最近可能听到有人将数据称为“新石油”。这意味着我们今天的世界像过去依赖石油一样依赖于数据。建立智能工具的初创企业必须具备与采矿和勘探部门相当的职能。

因此,在探索您的选择时,请始终向潜在供应商询问有关其产品的问题:

  • 机器如何形成其意见?

  • 如果错了我们该怎么办?

  • 您的数据来自哪里?

  • 你有多少数据?(或者,样本大小是多少?)


然后,要明白我们正处于构建和使用智能工具的初始阶段,未来还有很多工作要做,从现在起,我们必须从不同的角度来考虑我们的机器。

 

注:以上内容由AI翻译,观点仅供参考。

原文链接:3 Things You Should Know About AI in HR Tech
您可能感兴趣的文章