• 人工智能
    人工智能(AI)如何融入数字化人才招聘流程的? 2019新型冠状病毒疾病迫使人力资源团队重新规划人才获取的方式与流程,以扩大人才库并使其能够在虚拟环境中运作。 媒介代理集团群邑(GroupM)的全球人才引进负责人迈克尔·赖特(音)(Michael Wright)表示:“这场危机使我们不得不重新审视招聘问题。”世界各地的公司都对这种情绪产生了共鸣。 人工智能(AI)已经成为这些新型人才获取流程中的关键因素。根据我们最近对人力资源专业人员关于行业未来的调查,结果统计,超过81%的人力资源团队计划在未来五年内采用更多的人工智能(AI)工具于流程中。 下面我们来看看人工智能(AI)是如何融入新的人才招聘流程的,从而帮助人力资源管理部门满足其团队在疫情后经济市场中的劳动力需求。 人工智能(AI)有助于扩大人才库 新冠疫情后的劳动力市场之中,人员流动率增加,寻找人才正成为团队面临的最大挑战之一。由于大量员工为了更好的工作与待遇而离开原职务,以及下岗员工推迟重返岗位的计划(除非他们提出的某些工作条件和待遇得到满足)。由此得出,雇主在人才争夺战中显然处于不利地位。 美国联合通讯社(The Associated Press)商业作家迪安·德宾(Dee Ann Durbin)写道:“许多员工不想回到曾经的工作岗位。”由于目前劳动力中人才的短缺,员工们有理由拒绝妥协,直到他们找到一份薪水更高、福利更好的工作——反正现在是雇主争抢劳动力的境地。 为了满足员工需求,人力资源团队必须在更大范围内、更加有力地吸引求职者,包括通常不会被考虑的不因循守旧的/非传统求职者。人工智能(AI)凭借其预测分析和数据挖掘能力,在这方面发挥着关键作用。 例如,通过分析求职者的工作履历,人工智能(AI)技术工具可以检测到那些不一定有着满足工作岗位标准技能,但具备良好适应工作转换的求职者。这将使更多的求职者进入招聘团队的视野,从而填补职位空缺。 人工智能(AI)使人才获取流程升级为自动化 由于人才市场如此紧张,各团队必须迅速行动以牢牢把握员工。通过将日常耗时较多的任务升级为自动化,采用人工智能(AI)加快人才获取流程中的每一步,使得公司能够在争夺人才的市场中保持竞争力。 例如,通过关键词和历史数据,人工智能(AI)供招聘团队从更广阔、更多样化的来源中寻找求职者。同时,人力资源团队也可以更快地阅览大量简历,以找到最合格的求职者。 对话式人工智能(Conversational AI),一项用于缩短申请流程的技术,方便求职者通过短信回答问题来申请工作。在整个招聘过程中,聊天机器人能够提醒求职者他们的申请状态,并实时回答他们的问题,从而帮助招聘团队与求职者保持联系。此外,这项技术还可以安排面试时间,消除了冗长的来回交流。 另外,面试本身就被人工智能(AI)技术所改变。在过去,求职者被问到的问题与招聘质量几乎没有关系,比如他们五年后想干什么,或者谈谈他们的五个优点和缺点。有了人工智能(AI)技术的支持,面试的重点就转变为技能。面试官询问求职者具备哪些技能,但他们的回答是否真实有效,需要验证。并且,面试官会和求职者谈论他们“似乎”不具备的技能;也许毕竟有求职者经历过这样的提问。 简而言之,人工智能(AI)帮助招聘经理简化人才招聘流程,以便他们能够在现今竞争激烈的劳动力市场中甄别、物色和招聘顶级优秀人才。 人工智能(AI)促进虚拟入职发展 入职是人工智能(AI)技术所支持的人才获取流程的另一个关键部分,这可能是招聘过程中最重要的一环。根据员工管理平台Hibob在2020年进行的一项调查结果琐事,“64%的员工在遭遇了负面的入职经历后,可能会在第一年内离职。” 在员工难觅之际,公司需要提供吸引员工长留的入职体验。 人工智能(AI)通过文件生成和交付自动化,使得员工可以通过聊天机器人24小时接收关于入职问题的答案,以及将入职要素人性化,提高员工参与度,从而为其提供积极的入职体验。此外,启用人工智能(AI)技术驱动的工具,求职者可以实现虚拟入职,也就是说无论新员工位于何处,他们都可以更快地入职并开始工作。 随着入职管理方面过程的简化,团队可以升级入职体验,也腾出时间进行更具战略性的对话。人工智能(AI)可在入职期间为员工提供以下服务: >了解新员工对哪些技能感兴趣,并帮助起草获得技能的计划 >设定与业务需求和新员工职业道路相一致的目标 >在新员工与整个团队的同事和潜在顾问之间建立联系 >制定项目计划,帮助员工结识新朋友,获得无法从日常工作中习得的技能 >确定未来可能提供哪些内部工作 总之,不使用包含人工智能(AI)技术的人才获取流程的团队将在人才竞争中落后。在当前对人才的需求如此之高的经济市场中,人才比以往任何时候都有更多的工作选择。为了吸引和雇用他们,人力资源团队必须接受人工智能(AI)工具能够给他们带来的竞争优势。
    人工智能
    2021年09月08日
  • 人工智能
    81%的员工表示AI能提高他们的工作绩效--他们想要更多! 排名第一的智能集成平台供应商SnapLogic发布的新研究发现,81%的员工认为人工智能(AI)提高了他们的整体工作表现。因此,超过三分之二(68%)的人呼吁他们的雇主部署更多基于人工智能的技术,以帮助他们更好、更快地执行日常工作。 根据IDC的数据,2020年全球人工智能技术的支出达到501亿美元,这一数字预计将在未来四年内翻倍。因此,人工智能正在因此而改变工作场所,这并不奇怪。但是,虽然员工最初对这项技术持怀疑态度,但新的数据表明,人们的看法正在发生转变。这项新的研究在美国和英国进行,旨在了解各条业务线的工作人员--从人力资源到财务到营销等--对今天使用人工智能技术的感受。 目前,超过一半(56%)的上班族表示他们正在使用人工智能作为其日常工作职责的一部分。然而,研究表明,人工智能的潜在影响要广泛得多,因为89%的人认为人工智能可以支持他们多达一半的日常工作活动。 员工认为人工智能在哪些方面可以为他们提供最大的帮助?确定的前三项任务都涉及移动、访问或分析数据。这些任务依次是:理解数据以及趋势和模式如何帮助决策;将数据从一个地方移动到另一个地方;以及访问居住在整个企业不同地方的数据。 当被问及人工智能在工作场所的好处时,61%的人表示,人工智能帮助他们拥有一个更高效和富有成效的工作日。此外,几乎一半(49%)的人认为,它改善了他们的决策,并加快了洞察力的时间。更重要的是,刚刚超过一半(51%)的人认为,由于上述生产力的提升,工作场所的人工智能帮助他们实现更好的工作/生活平衡。 "近年来,办公人员担心人工智能会推动工作流失,但员工的意见似乎已经改变。他们越是接触人工智能,越是看到它的实际应用,就越是意识到它对他们的日常工作有多大帮助,"SnapLogic的首席技术官Craig Stewart说。"随着人工智能被越来越多地用于做出更好的决策并提高生产力,他们已经从试探性地接受到完全拥抱人工智能。他们现在呼吁他们的领导加快人工智能技术在企业中的应用,这是一个真正的巨变。" 该研究还审视了不断增长的个人人工智能应用市场与工作中使用的人工智能应用。工作场所似乎是使用人工智能的试验场,45%的人下载了人工智能驱动的应用程序供他们在工作中使用,而只有26%的人下载了人工智能驱动的应用程序供个人使用。随着员工在工作中对人工智能感到舒适,也许他们在家里也会更充分地接受它,从而缩小目前的差距。
    人工智能
    2021年07月21日
  • 人工智能
    【前沿】未来组织新形式:数字化组织(Digital Organizations) 注:原文作者是Bankless联合创始人 David Hoffman。DeFi之道翻译 "朝九晚五"死了。 “去办公室”的日子也该结束了。 我们生活在互联网时代,世界因为新冠大流行而加速了数字化的进程,人们想用自己的方式,在他们想呆的地方工作。 但数字经济并未针对自上而下的组织进行优化,你如何衡量贡献?人力资源部在哪里?公司制不适合开放且无需许可的数字世界。 相反,未来是属于数字组织(DO)的,这是去中心化自治组织(DAO)的表亲,它仍然是数字化的,但并非完全自治。数字组织 (DO)并不严格依赖于代码,而是依靠人和Token来进行协调。 这些是自下而上的紧急协调工具。 这就是未来的工作方式。 在今天的文章中,我们就来聊聊什么是数字组织(DO)。 1 未来的工作方式 哪里有价值,哪里就有机会,而有了机会,就需要劳动力来帮助抓住这个机会。 在加密货币行业中发现的巨大机会,使得世界上的其他一切都显得相形见绌。因此,相比其他地方,加密货币行业对人才和劳动力的需求也是疯狂的。 在过去的12年里,这一行业价值和资本的大规模扩张,已经超过了地球上多数人的认知。总的来说,全球人口需要数年甚至数十年的时间才能慢慢转向解决劳动力过剩的问题。即使是像 Coinbase 这样的公司,也无法抓住这个机会的全部,因为这个机会本质上是互联网原生的。 只有互联网原生组织才能充分利用互联网原生货币和金融革命带来的机遇。随着加密财富总价值的增长,对加密劳动力的需求也会随之而来。 而这种加密劳动力,将由数字组织(DO)提供。 2 数字组织(DO)是未来 未来的工作是属于数字组织的,用之前的术语,我们会称之为DAO,但这并不是数字组织的正确标签。 DAO是去中心化的自治组织,其概念是以代码为中心,而人只在外围。DAO是以太坊上的智能合约或智能合约系统,它们是自治的,因为它们没有对人类的依赖关系,它们在以太坊上作为自主软件运行。Uniswap、AMM以及RAI都是符合DAO最初定义的好例子。 DAO的理论最终变得越来越复杂: “如果我们能把Uber变成一个智能合约,所有的Uber司机都会为DAO工作,并且能够保持更大的利润份额呢?” 像这样的评论在以太坊早期(2015-2017年)阶段是很常见的,那时的以太坊是一个完全虚拟的状态机。 DAO的组织形式是一片无限可能的土地,我预测,一旦以太坊组织人类的能力成熟到比民族国家和管辖组织架构更有效,这些自治系统将在2040年以后最终到来。 我们将在几十年后重提 DAO,但现在还不是谈论DAO的时候。 3 当下,是属于数字组织(DO)的时刻 数字组织(DO)是以太坊的下一个边界,它也是工作方式的未来。 对于数字组织(DO),了解魔兽世界公会和团队,或者任何其他MMORPG组织的人应该能很容易地理解它的概念。 数字组织(DO)是由人类组成的,其没有地理限制。目前数字组织(DO)主要依托于Discord服务器(但不完全是!),数字组织(DO)是志同道合、目标一致的人的集合,他们共同努力朝着某些目标前进。 数字组织(DO)倾向于有机地形成,那些与组织的目标和愿望最有共鸣的人越来越倾向于Discord服务器和社区。 现在,有了以太坊,数字组织(DO)可以使用一种新工具,将其从具有内在动机的社区转变为具有财务动机的组织。 而这个工具就是Token。 Token是社区的动力,它是将被动的 Discord 频道转变为主动频道的东西,Token是DAO 劳动者为为组织产出价值而消耗的燃料,它们为数字组织(DO)提供和催化动力。 Token代表了数字组织(DO)成员可以将他们的时间和劳动投入其中的储备。数字组织(DO)的成员追求的就是token,如果他们不想要token,那么他们可能就不会出现在数字组织(DO)的Discord 服务器中。想要拥有更多的token,是参与者向数字组织(DO)注入劳动力的原因,并有助于使其首先成为一件值得拥有的东西。 数字组织(DO)作为其自身token的控制实体,有权向为数字组织(DO)工作的成员铸造/发行/奖励代币,如果有足够有兴趣的劳动力愿意为数字组织的token而工作,那么这个数字组织就有可用的潜在能量来实现其预期目标。 数字组织(DO)是其自身的利维坦,共同的目标和文化构成了组织,而token奖励是保持组织凝聚力并朝着共同目标前进的动力。 在托马斯·霍布斯(Thomas Hobbes)提出的利维坦中,他声称国家是用武力组成的。入狱或伤害身体的威胁,是民众不偷窃、纳税以及在道路右侧行驶的原因。 数字组织(DO)没有这样的权力,它们靠正面激励的力量组成自己,而且仅仅是依靠激励。例如,Bankless DAO为参与者提供BANK token奖励,所有的成员都是因为激励机制而选择进入这个组织。 4 实例化目的与目标 Token是共同目的和共同目标的实例化。每个数字组织(DO)都会发展自己的社会契约和自己的文化,而Token会是社区的图腾,作为数字组织(DO)所代表的一切的代表符号。 它成为了数字组织(DO)军队背后的旗帜。 这使得人们能够与集体目标产生共鸣,为他们内在相信的事情而工作,而不仅仅是一份工作或事业。 我在上面说过:如果有足够有兴趣的劳动力愿意为数字组织(DO)Token工作,那么这个数字组织(DO)就有可用的潜在能量朝着其预期目标前进。 而一个数字组织(DO)是否有可用的潜在能量来实现其目标,与该组织想要实现的目标高度相关。 “即使是十亿美元的资本,也无法与一个有灵魂的项目相抗衡。” —— Vitalik 所谓拥有灵魂,就是在这个世界上有目的和意义。与以往任何组织结构不同,数字组织(DO)有能力在共同目标和愿望下,将世界各地的人凝聚在一起,这些目标和愿望是基于内在欲望而不是外在的利润动机。 ETH 多头愿意接受最少的代币发行量,以为系统提供充足的权益。那些与以太坊最一致的人为它做的工作最多,成本最低。 数字组织(DO)也会产生同样的效果。人们加入数字组织(DO)是因为他们与该组织的目标、抱负和文化内在地一致。这些人发现自己想要做出贡献,而不是被迫做出贡献。 这些人会以最低的成本为数字组织(DO)工作,因为他们本质上相信自己正在做的事情,而且他们也比任何人都更想要数字组织(DO)token。 数字组织(DO)是一个严格的选择加入系统,唯一为数字组织(DO)提供劳动力的人,正是那些本质上想要在那里的人。 例如,想象一下,一个年轻的数字组织(DO)拥有一个全新的代币,这个代币的市值很低(甚至没有市值),流动性也很小。而这个数字组织(DO)想要建立一个相对雄心勃勃的网站,那么它可以做以下这些事情: 寻找一个网站代理构建方 从数字组织(DO)内部寻找人才 因为这个数字组织是新的,它没有任何资本,而只有自己的代币(市值很低),流动性也很低。想象一下,要说服一个第三方代理为这个数字组织建立一个网站,同时让其接受该数字组织的非流动性token,这会有多困难。 如果网站代理机构本质上对这个数字组织(DO)的优势不感兴趣,那么这将是非常艰难的推销,他们可能会想要超额的代币来抵消相关风险。 而另一方面,如果这个数字组织(DO)正朝着参与者内在信仰的方向努力,那些对实现愿景感兴趣的人自然会被这个数字组织所吸引,也愿意帮助这个数字组织(DO)得到它想要的东西。他们可能免费为这个数字组织工作,以便从其他数字组织成员那里赢得社会资本(又名荣誉),并提升数字组织(DO)的社会影响力。也许他们也愿意打赌,这个数字组织(DO)将来会为他们的劳动奖励代币,通过展示他们对数字组织的承诺,他们将处于一个很好的位置来获得未来的补偿。 也许这些激励措施会吸引足够有才华的 Web 开发人员和项目经理,使数字组织(DO)可通过这个人才库中建立自己的网站。 数字组织(DO)是从符合数字组织愿景和精神的人才中获取劳动力的工具,并且是构建与人类价值观高度一致的组织的工具。 数字组织(DO)有能力在其成员中形成对未来的共同愿景。 而这种愿景越是美好,吸引的人才和劳动力也就越多。 数字组织(DO)是建立从根本上符合人类价值观的一种工具。 看好人性🚀 5 新的扩展限制 互联网原生组织有能力在互联网规模上调整激励措施,然而,人们已经可以看到像Twitter、Facebook和Google这样的Web2应用程序的漏洞。这些传统公司在使用其服务的不同方之间存在根本性的激励失衡。 Web2 社交网络最初是作为范式转换平台,允许来自世界各地的人们聚集在一起并分享文化经验。 然后,随着股东激励的接管,拥有这些平台的公司从增长转向提取。如果平台是免费的,那么你就是产品。 Nic Carter 在他的文章《你的财产权应该扩展到社交媒体中》,为社交媒体账户上的“擅自占用者权利”进行了争辩。 Nic认为: 创造价值的是这些 Web 2 平台的用户。 根据每个 Web 2 平台的“权利法案”(ToC),用户并不拥有自己的财产(Twitter、YouTube账户、Facebook页面)。 Web 2 平台对其用户定居的房地产进行了不受监管和错位的治理实践。 用户可能会迁移到更“政治稳定”的平台,在这些平台中,他们作为账户所有者的财产权拥有更强有力的保证。 选择摘录: “Facebook、Twitter等并没有真正在他们的平台上创建所有内容,也没有真正拥有这些内容。相反,他们定义了一个用户使用、构建并在某些情况下商业化的命名空间。用户而非管理员创造了绝大多数价值,因此用户是其数字财产的合法所有者。 ‘……很明显,目前最大的互联网平台正在采取一种不可持续的数字治理方式。’ 我们可以预期,如果主要平台继续不负责任的运作,用户将被更政治稳定的系统所吸引,并体现对财产的真正保护。 ” 这就是为什么我们需要由用户建立的组织,也就是为什么数字组织(DO)是由个人在一个共同的目标下形成的,这个共同的目标是生产团队共同想要的东西,这一点特别具有革命性。 这种自下而上的组织允许底层决定平台的方向。由于数字组织(DO)由选择加入的个人组成,而不是由 VC 资助的领导层,因此其产生的产品符合集体的愿景,而不是少数有远见的企业家的创业精神。 最终,数字组织(DO)将能够满足 Web2 平台目前所填补的类似利基。但是,这些解决方案将是用户构建、用户管理和用户导向的。他们将拥有一个数字组织token,以确保那些管理数字组织的人与组织保持一致,并且该代币将既为进展提供资金,又从系统中获取能量以维持自身。 6 改变工作文化 Discord和Slack有着很多相似之处,它们基本上都属于协调软件,可以让工作流保持专注和有条理,以实现人与人之间的异步协调。你不必永远在一个场地干活,事情可以在你不在场的情况下进行,你可以在准备好的时候调整它们,并跟上进度。 不同的Slack/Discord频道针对不同的工作流而启动,并且频道之间的流动允许工作流根据需要聚集在一起。 但Discord和 Slack的主要区别在于,Discord 要更开放,它的文化中有某些东西促进了开放性和可访问性。Slack的文化是非常自上而下的,这非常企业化,而Discord的文化则是自下而上的。 下面就是BanklessDAO discord频道在诞生一周后的情况: 对于年轻一代来说,Crypto文化是适合市场的产品。对于互联网原住民来说,Discord数字组织正在模糊劳动和娱乐之间的界限。工作发生在人们重创造的地方,每个人都接近进步和放松。 数字组织成员正引领着WFH生活方式,他们不仅没有办公室,而且也没有“朝九晚五”的工作时间。与 7*24小时的 加密货币市场一样,DAO 永远处于“开启”状态,但工作成员会流畅地打开和关闭自己,因为这符合他们的生活方式。 在传统的世界里,你会把工作放在生活之前,这样你就可以保住一份工作。 而在数字组织(DO)中,生活方式决定劳动,而不是由劳动决定生活方式。 数字组织(DO)将提供一个实验,它既可以在工作文化中建立新的范式,也可以探索生产力意味着什么。众所周知,在公司里,朝九晚五的办公室工作人员每天实际的工作时间大约只有2-3 个小时,然后他们会花5个小时假装“忙碌”,等到下午5点下班后就走人回家。 Crypto行业习惯于从事物中剥离不必要的部分,以便深入了解问题的本质。为数字组织(DO)工作的人已经在家了,所以在工作时间内,没有人是处于闲着的状态,数字组织(DO)找到了创造性和创新的方法来补偿产出。 这是千禧一代和Z世代梦寐以求的工作和生活文化(在自己家里舒适地工作,没有或几乎没有自上而下的权力压迫)。 世界上的传统机构不仅要与以太坊提供的无需许可的劳动力货币化工具竞争,而且还要与这些工具提供的生活方式竞争:为自己工作的自由。 7 流动性工作 与典型的雇佣不同,数字组织(DO)不会让你签署雇佣合同,并完全致力于这些合同。数字组织(DO)成员可以自由地在各大数字组织(DO)之间流动,在他们适合的地方贡献他们的技能。 与僵化的垂直公司结构不同,数字组织(DO)工作可以类似于组织的扁平网状网络。有趣的是,很多数字组织(DO)很可能会共享大量相同的成员,因为他们可以为多个数字组织(DO)工作。 如果你是一个年轻人,你正在寻找目标、意义,或者为的是获得一份薪水,那么将自己确立为一个强大的DOer(数字组织人)会是最佳的立足点之一。数字组织(DO)是新事物,它需要引导,这可以是你,你可以通过做一个好的DOer来提升自己的声誉。如果你相信数字组织是未来,那么你现在就应该开始尝试,这样你就能成为数字组织所需要的稀缺资源。 8 未来的人工智能世界 在进入加密货币世界之前,我最为之着迷的是即将到来的人工智能世界,很大程度上这是因为以下这两本书籍: 《Life 3.0 》- Max Tegmark 《Homo Deus》 - Yuval Noah Harai 关于人工智能、人类和劳动之间的关系,这两本书在很大程度上得出了相似的结论。 总结如下: 技术的意义在于减少对人力的需求。社会的进步,是我们找到方法来自动化所有我们不想做的事情,这就是我们无论如何都需要做的事情。 从逻辑上说,人类将会创造广义的人工智能,人工智能可以真正完成我们需要的每一项任务,以求生存。 这是乌托邦,因为有机器人在做我们所有的工作! 但这是更不利的,因为从经济上讲,很大一部分人口将无法为自己的生活提供资金,因为他们会失去工作。 在这个世界上,我们需要为特定的人类劳动力重新创造市场,而这正是数字组织(DO)能为我们做的。数字组织(DO)有机会通过捕获可用人力资本的供应并将其引导到文化输出中,将这种错位的未来重新导向更积极的未来。 存在于这个世界的全部意义在于创造文化,而消除低价值的工作(做汉堡包等)可以为文化创造带来福音。 将会有一些东西/产品/服务是人类特别想要从其他人那里得到的。这些产品和服务将不受人工智能进步的影响,因为这些产品将由人类生产,并且它们也是其他人类所需要的。我相信数字组织(DO)在很大程度上将是一种文化生成设施,而数字组织(DO)的竞争最终会集中在哪个数字组织(DO)可以为其贡献者、创作者、成员和消费者创造最好的文化? 文化即产品只能由人类制造,供人类消费。未来的工作将集中在文化创作上,资金将来源于对文化永不满足的购买欲望。数字组织(DO)和做工作可以成为人力资本的避难所,不受非文化人工智能的影响。 你可能会想:“服装?NFT?博客?人工智能能生产所有这些东西吗?它们可以像人类一样创造文化!人工智能的关键在于,它们的输出与人类的输出是无法区分的。这是一个很好的批评点。 但已经有迹象表明,世界上总会有人想要人类制造的产品(即使机器人制造的产品同样优秀)。手工制品总是很贵的,人们只是为人类的劳动付出更多,随着时间的推移,我希望数字组织(DO) 会把注意力集中在人类所希望的由其他人类所生产的产品上。 结论 我们即将开启一场伟大的远征!数字组织(DO)将帮助我们做的比以往任何时候都多!如果能实现上述愿景的话,它将具有巨大的潜力。 当然,也可能无法实现。 也许数字组织(DO)没有它所需要的,也许在没有自上而下控制的情况下紧急组织系统,这种期盼过于宏大了。 但如果它真的发生了,它就会发生,因为人们会帮助其他人弄清楚做这件事的意义。成为一名优秀的 DOer 意味着什么?数字组织(DO)最需要什么工作和劳动力?当需要支付租金和需要照顾家庭时,数字组织(DO)如何公平地补偿组织成员?我们如何确保不同数字组织(DO)的不同部分得到公平但不同的补偿? 我们需要找到这些问题的答案,而这些答案将来自合作实验。与所有事物一样,这将是一个不断迭代的过程,可以发现哪些是有效的,哪些是无效的。 如果你想参与,甚至只是观察这些实验,你可以成为Bankless DAO 的一部分。 如果 Bankless DAO 的目标和价值观不适合你,你也无需担心,最终,每个人都会有适合自己的数字组织(DO)。任何有任何特定兴趣的人,都有一个相关的数字组织(DO)可以与之保持一致,这只是时间问题,就像每个爱好都有一个 subreddit 或每个兴趣都有一个 Facebook 群组一样。 我们正处于数字组织(DO)的前沿。 Just DO it。   来源:隔夜的粥
    人工智能
    2021年06月09日
  • 人工智能
    探讨:招聘工具有多智能? 基于人工智能的工具有哪些限制? 我(作者:Kevin Wheeler)和许多其他人一直在倡导使用使用人工智能的自动招聘工具。我一直在倡导使用这些工具,原因有二:它们比人类的偏见更少,而且它们可以使招聘过程更加高效和有吸引力。 现有的工具一般分为两类:筛选和评估候选人,以及将常规任务自动化的工具。所有这些工具都是基于专门的人工智能,它们可以解决定义明确的问题或在特定环境下完成常规任务。然而,它们不能做其狭窄任务之外的任何事情。 但它们真的是 "智能 "吗?那是什么意思?显然,它们不是我们认为的智能。只要你问Siri或Alexa一个超出它们狭隘的专业领域的问题,它们的回答要么是无稽之谈,要么是把我们引向人工,要么是提供一些其他行动。例如,我刚刚问Alexa我是否需要牛奶。她说:"你在买牛奶吗?"这似乎有点智能,但 "她 "可能是为了让京东的京东超市可能进行牛奶销售而编程的。 人工智能学者凯特-克劳福德(Kate Crawford)最近的一本书《人工智能地图集》(Atlas of AI)认为,"......我们已经买了这种[人工智能]智能的想法,而事实上,我们只是在寻找规模化的统计分析形式,这些分析的问题和它所给的数据一样多。" 所有供应商为我们提供的增强招聘活动的各种工具都依赖于大量的大数据。这些数据为用于驱动其决策的算法提供了依据。因此,获取大量的数据是至关重要的。而这些数据的质量和种类对其准确性和客观性至关重要。不幸的是,我们已经目睹了许多案例,所使用的数据过于狭窄,以前有偏见,或者样本不够大,无法提供无偏见的结果。亚马逊和微软都曾落入这个陷阱。 使用人工智能的自动化工具的崛起是计算能力爆炸的结果。大量的存储、快速的处理器和可负担得起的访问,使我们有能力压缩大量的数据。利用这些数据,我们可以找到以前不可能看到的模式。例如,我们可以查看我们雇用的每个人的业绩数据、教育、经验等等,并确定导致成功或失败的特质。此外,我们还可以分析我们在面试中提出的问题的答案,并将其与绩效和留任相关联。这使得评估工具更加强大,并使我们能够根据人们的过去对其进行预测。这是否符合道德,是否公平,甚至在某些情况下是否合法,还有待研究。这项技术已经超出了我们理解它和制定公平和道德使用框架的能力。 尽管我们对人工智能工具的看似强大的力量感到震惊,但没有一项技术或思维是新的。大多数人工智能工具已经存在,至少从20世纪60年代就开始了。人工智能没有变得像今天这样重要的原因是缺乏计算机能力。要分析大量的数据,甚至要获得这些数据,需要的计算能力水平直到几年前还不存在。我们目前的许多工具都是在1960年代产生的。一个著名的例子是第一个名为Eliza的聊天机器人。在20世纪60年代,麻省理工学院的Joseph Weizenbaum创造了Eliza来充当心理治疗师。在用户看来,她是一个真正的医生,她会问问题并提供有用的建议,尽管她遵循一个非常简单的脚本。她的局限性在于处理器速度、有足够内存的电脑来处理她的算法、成本和用户访问。 即使在今天,所有的聊天机器人都遵循脚本。必须有人写出将被问到的问题并预测答案。聊天机器人本身其实不过是一棵决策树而已。当候选人回答问题时,算法会使用脚本做出适当的反应。有了今天强大的计算机,再加上自然语言处理,它们可以模仿人类,以现实和准确的方式作出反应,并利用自然语言处理在一定程度上 "理解 "一个答案,即使是出乎意料。 我是聊天机器人的倡导者,因为它们能让候选人随时获得答案和信息。它们可以节省时间,改善候选人的体验,并减轻招聘人员的工作量。如果他们的程序设计得当,他们可以筛选候选人,并淘汰那些不符合他们所寻求的工作要求的人。但是,无论它们看起来多么聪明,重要的是要注意它们不是人类意义上的智能。他们不能感知交流中的细微差别或理解情感。他们不能回答任何超出其脚本的问题。 自动评估测试使用来自数以千计的其他应试者的数据来为算法打分,例如,某人能写代码或解决问题的程度。算法可以访问候选人数据来预测他们的个性或测量他们的智商。它们可以在互联网上搜索,找到符合预定特征或具有特定技能或教育的人。所有这些能力都扩大了招聘人员的影响和范围,使他们的工作更加有效。但是,如果认为这些工具具有人类招聘人员那样的智能,那就错了。 新的人工智能技术,如神经网络和更多的计算机能力,将提高这些工具提供良好建议和作出更准确预测的能力。但是,每个工具都是基于必须存在的数据。寻找和访问这些数据是一个日益严重的问题。谁拥有这些数据?谁可以访问它?它是否被以无偏见的方式使用?这些都是我们许多人的合理担忧。 人类区别于计算机的许多事情之一是我们能够使用情感、无意识的行为,甚至是非理性的行动来做决定。当然,伴随着这些而来的是偏见和许多其他不受欢迎的特征。但与此同时,我们也有独特的能力,可以为某人抓住机会,为某人提供机会,尽管数据显示不应该这样做,但我们可以被自己的情感所左右。计算机不能也很可能永远无法做到这一点。 这些工具都不能取代人类的判断或决策。相反,它们通过比我们更好地分析数据和不偏离规则来增强我们的决策。它们为我们提供概率并指出我们可能从未见过的东西。 但令人怀疑的是,它们是否会像人类一样跳到一个结论,在没有数据的情况下做出决定,觉得某些事情是正确的,大笑、哭泣、同情,或者在一些特立独行的候选人身上冒险,因为他们可能会发明下一个杀手级产品。 How Smart Are Recruiting Tools? What are the limits on A.I.-based tools
    人工智能
    2021年05月31日
  • 人工智能
    麦穗人工智能荣获「2021中国人力资源科技创新品牌30强」 2021年4月23日,由中国领先的人力资源科技平台HRTechChina发起的「中国人力资源科技创新品牌TOP30」评选暨表彰仪式在上海隆重举办。在现场近千位来自中国知名企业人力资源中高管、人力资源数智化转型专家、人力资源行业意见领袖、以及专注人力资源科技领域的投资人及机构等的见证下揭晓。 年度HR盛典 共话HR科技未来「中国人力资源科技创新品牌TOP30」评选活动共收获来自全国范围內78家人力资源科技机构参与提名,并经过HRTech创新品牌测评、公众投票、LRP+品牌监测评定、专家评审团的等层层把关,历时30多天的严格审核,麦穗成功入围2021年中国人力资源年度峰会科技创新品牌Top30,并获得“2021中国人力资源科技创新品牌30强”荣誉证书奖项。   在人力资源科技机构的展示环节中,麦穗人工智能大客户成功部总监唐凯峰发表演讲,详细分析了中国传统招聘行业的痛点和智能化演进,并介绍了麦穗核心服务与产品,分享了麦穗人工智能自主研发的智能化招聘解决方案。 麦穗人工智能:智能化变革的引领者麦穗人工智能作为行业领先的专注于人力资源领域的科技型公司,面向企业招聘、猎头、RPO和有大量招聘需求的人力资源构建提供基于人工智能技术的一体化解决方案。通过灵活多样的技术服务组合和轻松便捷的嵌入模式,麦穗人工智能在知识图谱、简历解析、人岗匹配、人才库建设、智能机器人等场景中实现人工智能的深度运用。 在2020年,麦穗人工智能累计完成近4.8亿次智能模型调用,服务包括赛诺菲、任仕达在内的多家世界500强企业,在疫情下逆势上扬,实现收入7倍增长和90%的续费增购率。麦穗主要模型平均准确率突破92%,成功帮助企业节省了78%的时间。2021年初,麦穗人工智能获得由凯泰资本和上市公司致远互联联合投资的数千万元Pre-A轮融资。  四大行业明星级产品 持续深耕招聘垂直领域01. 简历解析基于语言处理和机器学习技术,提供批量简历解析服务,进行简历内容抽取和简历格式处理,帮助HR快速解读简历信息,对简历进行全方位探测。02. 人才画像人才是企业的重要组成部分,构建人才画像和构建智能人才库可以帮助企业对现有人才库进行有效管理,实时监控招聘流程,制定更优的招聘策略。03. 人岗匹配麦穗智能人岗匹配模型根据职位的需求、候选人特质,进行更全面、公平的人才评估和分析,优化招聘流程,提高招聘效率。04. 智能面试智能机器人在线沟通完成面试,意向获取、疑问解答一站式服务,人力资源服务共享中心开启协同实践。chatbot搭载自然语言处理系统,能够灵活的同用户进行对话沟通;深度挖掘面试场景,智能判定候选人胜任素质。 不惧挑战 助力中国智能招聘时代此次HR科技峰会的认可对于麦穗人工智能来说具有重大意义,也意味着更重的责任和全新的开端。在国内整体经济的不断提升和行业多方的合力探索下,我国AI招聘赛道的发展速度将会越来越快。“让HR将时间投入到更有价值的工作当中“——这是麦穗人工智能对于招聘行业的期许和麦穗团队共同的目标。放眼未来,麦穗将持续提供优质的产品服务和客户体验,助力中国招聘数字化进程发展,让智能招聘真正服务于企业价值的提升。
    人工智能
    2021年04月25日
  • 人工智能
    HRTech快讯:飞书发布智能招聘软件 - 飞书招聘 今天,飞书发布了另外一款企业软件-飞书招聘,目前飞书拥有OKR+ATS两款企业垂直应用,网址:https://hire.feishu.cn    目前飞书招聘官网还非常简单,只是简单介绍了下:主打更智能的招聘、更高效的面试、更愉悦的体验!更多信息还请随时关注HRTechChina后续介绍。 更高效的面试 1.三合一工作台,查简历、面试、面评更简单 2.不限量视频面试,高清、流畅、稳定 3.网页端入会,候选人无需下载 APP 更愉悦的体验 1.深度打通 IM、日历、邮件,多角色高效协同 2.移动端完美体验,随时随地看简历、批 Offer 3.快捷打通人事、OA 系统,不改变企业工作习惯   更智能的招聘 1.轻松解析复杂简历,更好地沉淀人才数据 2.高精度模糊查重,不为一份简历花两份钱 3.多维度、自定义报表,提供所需数据洞察  
    人工智能
    2021年04月01日
  • 人工智能
    使用对话式AI使人类在工作中变得更好,并为人类带来更好的工作 德勤的想法:下一代数字工作场所将如何利用技术为员工创造个性化的体验。 如果在全球大流行的灾难中找到一线希望,那可能就是它把每个人的优先重点都紧紧抓住了的方式。从业务的角度来看,虚拟员工的工作和生活之间的界限已经瓦解,一线员工比以往任何时候都更忙。组织需要通过重新构想他们使用技术支持和增强员工力量的方式来做出响应。 值得庆幸的是,这一迫切需要不断发展的员工经验与AI解决方案的不断发展和可用性相吻合,这提供了重新进行福利投资的机会。这种由大流行引起的推动将使我们迈向“工作的未来”。 正如第三版《德勤AI年度报告》中所提到的那样,“我们正在采用最新一代的AI技术,进入了新的篇章:功能不断发展,AI的开发和实施变得越来越容易,公司正在看到收养带来的实实在在的收益。” 技术已经成熟,可以使组织部署复杂的聊天机器人和数字助理。这些解决方案使用对话式AI功能为员工创造了超越人类所能提供的体验。这些机器人可以从根本上改变工作场所交互的方式,具有解决查询,自动化管理任务,提示正确行为以及提供数据和见解的能力,以改善“即时”决策。 许多组织一直在努力利用对话式AI的全部功能,但是现在是时候弄清楚了,因为组织提供这种“始终在线”和个性化支持的需求从未像现在这样重要。 AI技术风暴来临 在大流行之前,员工福祉已经是首要任务。在德勤(Deloitte)的2020年全球人力资本趋势 研究中,这是重要性排名最高的趋势,近9000名受访者中有80%认为它对组织的成功至关重要或非常重要。不过,只有12%的受访者表示他们已准备好应对这一趋势。进入2021年,组织需要专注于为福利设计工作,并着重于使远程和面对面工作更具可持续性的因素。对话式AI提供了独特的功能来支持这项工作。 可以预料的是,在涉及大胆技术的情况下,尽管认识到AI可能发挥重要作用,但许多组织仍缺乏解决这一紧迫需求的战略和路线图。在德勤(Deloitte),我们在任何AI历程中的口头禅都是大思维,小思维,快速扩展,而这首先要了解当今技术的可能性。 AI技术可能性的艺术 为AI成功制定战略和路线图,需要应用设计思维原则。目标是在“重要时刻”(即员工对公司的感知变得积极或消极的可能性更高的时刻)为员工提供卓越的体验。这些时刻是使员工感到被重视和得到支持的机会,从而与他们建立牢固的联系。 在整个人才生命周期中,有许多“重要时刻”:从产假或陪产假返回,首次晋升为人事经理职位或因重组或并购活动而流离失所。这些时刻为利用可能的艺术创造了机会。 在德勤,我们已经与对话式AI市场的领导者OneReach.ai合作,探索在这些“关键时刻”提供重新构想的体验的新方法。对话式AI不仅涉及员工的入职任务的自动化。相反,它用于设计和提供下一代体验,而如果没有这项技术,这些体验将是不切实际或不可能的: 上线截止日期检测:能够监视事件和工作人员数据以“推动”人们在需要时采取措施的能力。这种类型的监视和审核效率不高,无法手动支持,使用“开箱即用”技术可能难以实现 触发文本流:能够识别工作人员的喜好并通过广泛的渠道进行交互的能力,在此示例中为SMS文本。手动替代方法通常依赖于电子邮件,电话或案例来管理交互,而这些交互并不总是“让员工见面”或考虑员工的喜好。很多时候,沟通陷入困境,工作人员被困在追赶人们以获得他们所需的支持,所有这些都可能带来负面的体验。 填充按钮:能够根据特定情况和数据显示与工作人员相关且量身定制的选项。这允许使用更多静态技术不容易创建的新的个性化水平,并且需要大量的管理开销才能手动交付 计划信息:通过数字助理或礼宾服务体验,可以拉回后端日历数据以减轻计划负担。计划通常需要大量的管理工作来协调可用性和管理变更。基于机器人的方法为新员工提供了更无缝,更轻松的体验 循环中的人类:在需要时让人类参与提供支持的能力也会使随着时间的推移继续训练机器人的能力民主化。这是高级功能,但是当机器人向人类查询解决方案时,它可以从他们的响应中学习并提供扩展的支持,而无需技术开发人员的参与。民主化的概念为企业所有者提供了直接发展技术能力的机会,从而加快了持续改进和实时更新的速度,从而为员工提供了更好的体验 使用上面列出的功能,我们可以使员工的入职体验更轻松,更有意义。在他们的喜好驱动下,减少了手动操作,它变得无摩擦。通过消除常见的痛点,这种类型的体验使新员工可以专注于更重要的人事要素:学习如何驾驭新组织,建立网络并迅速在新角色中发挥作用。 AI技术说起来容易,做起来难 在德勤,我们与各行各业的众多客户合作,只有极少数的“成功案例”,企业以变革的方式部署了会话式AI。我们已经看到聊天机器人通过帮助员工找到例行问题的答案来减少服务中心的呼叫量,但是很少有经过架构的数字助理通过复杂的,端到端的“重要时刻”来指导员工的示例,例如上面的新员工入职示例。 该技术是可用的,那么组织为什么要努力实施它?为什么我们不让员工更轻松地进行工作场所的互动?我们发现了影响旅程各个阶段的常见障碍,并在下面提出了如何克服这些障碍的想法。 挑战1:建立业务案例。自动化和AI的早期专注于效率和容量创建。通过投资机器人,可以释放多少FTE(等同于全职;一个员工在全职工作的小时数)?这种类型的业务案例相对简单,但是支持任务级别的自动化往往会产生增量价值。我们还发现,在2020年人力资本趋势研究中,只有 12%的受访者将AI视为替代员工的解决方案。这表明AI不仅涉及削减成本,但您仍然需要理由和资金来投资新技术功能,并且很难围绕变革性和概念性内容构建业务案例。 我们建议通过将技术投资与业务成果(例如提高的保留率和生产率)联系起来,将重点转移到构建“价值案例”。量化具有挑战性,但如果定位正确,则会为变革带来更引人注目的动力。例如,一项研究表明,员工将 25%的时间用于寻找完成工作所需的信息。想象一下,能够节省一部分时间专注于更重要的活动以及它可以为组织创造的价值。 它还有助于建立具有多种功能的联盟。人力资源,IT,设施和其他部门可以结合力量和预算,以更全面的方式转变劳动力体验,并消除员工在复杂组织结构中的负担。传统上,新员工入职归人力资源所有,但在以上示例中,我们合并了请求通常由IT或设施管理和配置的资产的功能。需要采用联盟方法来设计从员工的角度来看有意义的跨职能解决方案。 挑战2:为AI奠定基础。人工智能解决方案在很大程度上依赖于数据和洞察力来发挥作用,这产生了一种误解,即组织在考虑采用更先进的技术之前需要先建立“基础”。现实情况是,对话式AI和其他解决方案可以改善劳动力体验,而无需成熟的基础架构。在上面的新员工入职示例中,我们使用了 AI平台 充当前端“协调器”,能够在后台引用多个应用程序和数据源。这种开放平台方法使组织能够构建所需的集成和工作流,以提供简单而富有成效的体验,从而使工作人员能够更轻松地浏览分散的系统环境。使用这种方法,您可以从小规模开始并迅速扩展。  挑战3:为工作找到合适的工具。该会话AI厂商市场支离破碎,混乱。许多大型组织将(也许应该)最终获得多种解决方案。企业技术提供商已经在原生的会话AI解决方案上进行了投资,该解决方案提供了一种无需添加新供应商即可轻松进行实验的途径,但是功能仍在日趋成熟。许多IT功能已经建立了企业标准平台,可以“灵活地构建自己的机器人”,但是并不能在所有用例中都起作用,并且部署和维护起来很麻烦。 市场上还有许多点解决方案和特定于功能的供应商可以考虑,但是他们通常要承担很高的技术成本。对于许多组织而言,可能的结果是实施能够执行类似操作的多种工具,并且在为复杂而端到端的“重要时刻”(例如新员工入职)提供解决方案方面存在差距。低估这种必然性会迅速适得其反,并给员工带来负面的或更混乱的体验。我们建议为何时以及如何使用不同的会话式AI工具建立清晰的策略和治理模型,并重点关注劳动力体验。 挑战4:专注于会话设计。对话式人工智能就像水一样。如果以正确的方式应用它,它可以流动并填补应用程序之间的空白,从而提供真正无缝的用户体验。但是,对话式AI计划的价值和成功取决于体验驱动设计的质量。德勤最近与客户合作,部署了一个相对简单的虚拟代理,该代理能够通过聊天界面回答问题并搜索知识库。首次启动后,客户端可以通过虚拟代理提供令人满意且有用的响应,从而使近60%的聊天互动自动化。 另一个组织部署了相同的供应商解决方案和用例,但自动化的成功率仅为5%。更为有效的示例将设计重点放在简化机器人的定位上,并专门设计了基础知识库来支持聊天,一次提供了目标信息的小片段。在另一个示例中,查找并发起与该聊天程序的聊天更具挑战性,并且该知识库是为自助式在线阅读而构建的,该聊天在无意间产生了较长且通常无助的响应。结果,工作人员很快选择了人工支持,而不是阅读虚拟代理提供的密集段落。 为了克服这些挑战,我们建议对体验设计进行广泛的研究,以解决以下说明性问题: 员工将如何访问机器人? 他们将如何知道如何访问该机器人? 他们还需要与哪些其他应用程序或漫游器进行交互,以及如何将流量引导到正确的位置? 机器人需要参考哪些信息和数据来支持用例? 必要信息的结构如何? 机器人将如何向工作人员打招呼,以及一旦发起对话,该如何组织对话? 如果僵尸程序无法提供支持,我们将如何参与人类活动? 预期的结果是什么? 我们将如何衡量绩效以确保创造成果? 挑战5:建立所需的人员能力。大多数组织都面临人才挑战。不仅在“可能的艺术”的理解上存在差距,而且利用技术进步所需的能力也供不应求。对诸如解决方案架构师和增强专家之类的尖端工作的需求很高,将需要传统上与AI领域无关的UX技能。 UX领域虽然可能涉及面广,涉及面广,但也未能跟上与AI的发展相吻合的需求,这给组织寻找合适的人才带来了挑战。弥合差距的方法是通过有意地制定策略来雇用和开发人才,以在UX和AI的交汇处进行操作。找出这一点的组织将能够提供解决方案的能力,这些解决方案能够通过更有效的人才吸引,开发和保留做法来创建生产力更高,敬业度更高和绩效更高的员工队伍。这是一个巨大的胜利。 大处着眼,小处着手,快速扩展 最好的入门方法是建立针对员工体验的数字化战略和路线图,并以您的组织将愿景变为现实所需的技术和解决方案为基础。使用现实生活中的例子和故事来验证您的想法。对于大多数组织而言,这意味着要整合对您的员工至关重要的数字体验,并选择合适的工具来交付这些体验。一旦有了正确的工具,就可以确定一个或两个最高价值的用例的优先级,以开始进行工作。通过倾听员工的声音寻找“重要时刻”。好消息是,他们通常会抱怨自己的挫败感,这可以帮助您确定对自己的经历产生积极影响的最高价值的机会。 随着组织争相采用这一新的智能技术浪潮,并为其员工带来丰厚的,高价值的体验,至关重要的是集中精力于战略和路线图,这些战略和路线图将使您获得小小的胜利并尽早创造动力。充分利用会话式AI的力量是一门新学科,您不应指望一开始就将其正确,但您需要证明其成果以维持资金和领导支持。  在成功的基础上继续前进,可以加速这一过程。扫描组织以查找AI的实验内容,并开始建立一个共享信息的联盟。从外部延伸到您的生态系统网络以获取广阔的视野并征求想法。因此,继续大胆思考。从发现对您的员工而言重要的时刻开始,然后反复进行自动化和增强方法。一旦开始以这种方式释放可能的艺术,您将能够迅速扩展规模,并使您的组织突飞猛进。 以上由机智的AI翻译完成,仅供参考! 作者:Greg Vert 原文标题:Using Conversational AI to Make Humans Better at Work, and Work Better for Humans
    人工智能
    2021年03月04日
  • 人工智能
    微表情分析不能做了?—知名AI视频面试公司HireVue停止视频面试中对面部表情分析服务 编者注:这是一个趋势,尤其是面对个人生物隐私问题的时候。HR科技公司在这方面需要有更全面的考虑和前瞻性的眼光。 对此你怎么看? 现在的求职者可能不仅需要打动潜在的领导,还需要打动人工智能算法,因为雇主通过让候选人回答视频中的面试问题来筛选候选人,然后由机器对其进行评估。 一家领先的软件提供商HireVue基于算法评估来审查求职者。该公司表示,正在取消其软件的一个有争议的功能:分析视频中人的面部表情以识别求职者某些特征。HireVue筛选的求职者坐在网络摄像头前,回答问题。他们的行为,语调和言语被反馈到指定某些特征和品质的算法中。 HireVue说,去年对其软件进行的“算法审核”显示,它没有偏见。但非营利组织电子隐私信息中心已于2019年向联邦贸易委员会投诉该公司。 HireVue首席执行官凯文·帕克(Kevin Parker)承认,公众对于使用软件分析视频中的面部表情的强烈抗议是计算的一部分。他说:“这为客户增加了一些价值,但不值得关注。” 算法审计由外部公司O'Neil风险咨询和算法审计进行。该公司没有回应置评请求。 布鲁金斯学会(Brookings Institution)的一位研究AI聘用的研究员Alex Engler说,使用AI来确定某人的能力(无论是基于视频,音频还是文本)的想法是牵强的。他说,公众不能审查这种算法也是有问题的。 他说:“机器学习可能对某些部分有帮助,但是全自动面试会给你关于工作表现的推论,这太糟糕了,”他说。“现代人工智能无法做出这些推断。” “完全自动化的面试,您在其中推断工作绩效,这太糟糕了。”——布鲁金斯学会研究员亚历克斯·恩格勒 HireVue说,大约有700家公司,包括GE,联合利华,三角洲和希尔顿,都在使用其技术。该软件要求求职者在录制的视频中回答一系列问题。然后,该公司的软件会分析各种特征,包括他们使用的语言,他们的语音以及直到现在的面部表情。然后,它评估了申请人对工作的适合程度,并评估了包括“依赖性”,“情绪智力”和“认知能力”在内的一些特征。 帕克说,该公司去年帮助筛选了超过600万个视频,尽管有时这只是为候选人的面试回答抄录答案,而不是对候选人进行自动评估。他补充说,有些客户让求职者选择退出自动筛选。他说,HireVue已经开发出了一些方法,可以避免因参差不齐的互联网连接而对候选人造成惩罚,并自动将候选人推荐给HR。 AI专家警告说,对以前求职者的数据进行训练的算法可能会使招聘中的现有偏见长期存在。HireVue的首席数据科学家Lindsey Zuloaga表示,该公司通过在培训数据中收集该信息并寻找偏见的迹象来筛选性别,种族和年龄方面的偏见。 但是她承认,要知道该系统是否因收入或教育水平等因素而受到偏见,或者是否受到诸如口吃之类的因素的影响,可能会更加困难。 EPIC高级顾问约翰·戴维森(John Davisson)说:“令我惊讶的是,他们放弃了这一功能,因为这是他们所营销产品的关键特征。” “这引起了对生物识别数据收集的许多关注,以及这些关于能够测量心理特征,情绪智力,社会态度以及类似事物的大胆主张。” 使用面部分析来确定情绪或人格特质是有争议的;一些专家警告说,基础科学有缺陷。 东北大学教授丽莎·费尔德曼·巴雷特(Lisa Feldman Barrett)研究情感分析,他说一个人的脸不会自己露出情感或性格。她说:“仅仅看着一个微笑的人,就不能真正告诉他们任何东西,除非他们的牙齿很美。” “进行心理推断,从而仅根据面部数据来确定人们的结局,是一个坏主意。” EPIC的FTC投诉指控HireVue无法保证公平,并使用了无法审查的算法。它还指控该公司声称不使用面部识别,从而歪曲了其技术。戴维森说,该机构尚未对投诉采取行动。 但是戴维森说,他担心语音的自动分析仍然会存在问题,他说,公司发布算法审核的结果很重要。他说,HireVue的技术仍然需要彻底审查。 “我当然担心,围绕数据收集,偏见和不透明度的相同潜在问题会直接转移到基于音频的放映系统中。“ 人工智能的招聘引起了一些监管机构的注意。纽约市议会提出的一项法案提议规范招聘软件的使用,要求雇主在AI评估候选人时通知他们,并要求他们每年审核其算法。 伊利诺伊州的法律要求候选人同意才能对视频片段进行分析。马里兰州已禁止使用面部分析。据报道,由于结果偏颇,亚马逊在2018年放弃了使用自己的技术来自动评估候选简历。 背景信息: 视频采访和雇用前评估的提供商HireVue上周宣布,它在2020年初取消了其软件的视觉或面部分析组件。 该公司表示:“ HireVue的内部研究表明,自然语言处理的最新进展显着提高了语言的预测能力。” “随着这些进步,视觉分析不再显着增加评估价值。” 《连线》杂志报道了该功能,该功能可分析一个人的面部表情,一直存在争议。 在上周的公告中,该公司引用的数据表明言语和非言语行为是一致的,非言语数据并没有对其预测算法增加太多。另一方面,该公司指出,非言语行为的确为某些角色增加了额外的理解,例如,高度互动的角色重视镇静的语调或举止。 此外,HireVue上周还宣布,由O'Neil Risk Consulting和Algorithmic Auditing进行的算法审计发现,HireVue的评估工作存在如公平和偏见问题。 去年10月,HireVue收购了AI驱动的招聘聊天机器人AllyO。 作者:Will Knight 对此你有什么看法?
    人工智能
    2021年01月22日
  • 人工智能
    人力资本分析:帮助组织建设更灵活的团队 当你听到 "未来办公"这几个字时,你脑海中会浮现出什么画面?机器人在没有人类的情况下运行工厂?会飞的汽车让交通不再拥挤? 在这场大流行病和大规模远程办公实验中,我们都在以某种方式塑造着工作的未来。全球危机挑战了传统的工作对象、工作方式、工作地点、工作时间和工作内容的假设。事实上,许多公司一直在重新考虑他们对后疫情时代的商业计划,因为有明确的证据表明,到目前为止"在家办公"是有效的。当企业试图在不断变化的消费者需求下生存下来时,许多企业也开始调整劳动力结构。即使是在疫情期间蓬勃发展的行业,如部分食品行业,也可能仍然需要进行枢轴调整,将人才从需求较低的产品和服务迅速调往需求较高的产品和服务。长期以来,公司一直聘请外部咨询公司帮助进行组织建设,作为重组工作的一部分。   当你听到 "团队建设"时,你的脑海中可能会立即想到组织结构图上重新绘制的方框和线条。如果我告诉你,这其实与结构无关呢? 相反,团队建设更多的是关于技能、工作活动,以及组织内如何发生互动、协作和联系。在这个不断变化的世界里,人力资本分析为企业提供了新的能力,使其团队的构成能更加灵活。   下面将介绍人力资本分析帮助组织进行团队建设的3个步骤:   首先,将未来组织的业务战略转化为技能需求。 例如,如果你的未来业务战略是加速数字化转型和数据资产的货币化,你就需要量化具体的数字/数据技能,以确保你能在未来为业务提供服务。这将需要业务领导、人力资本分析领导、人才管理和学习与发展团队的合作。此外,人才招聘团队和外部劳动力市场的洞察力可以提供有关新兴技能的有用信息。这些洞察力也可以帮助以后根据市场上新兴技能的可用性以及从外部获取这些技能的成本,为购买与构建决策提供参考。   第二,评估你目前的状态。 传统的技能清单可能涉及自我评估和经理评估,定性访谈也可以使用。但是这些都是费时费力,而且往往难以保持最新的状态。为了满足敏捷性和可扩展性的需求,一些组织使用人工智能,特别是自然语言处理(NLP),根据每个人的经验,包括职业历史、学习与发展数据和反馈数据来推断技能。虽然推断出的技能未必100%准确,但如果需要进行一些验证和调整,它们可以提供一个强有力的起点。   第三,找出差距,确定买/建/借的方式,及时弥补差距,确保新组织能够实现业务战略。 在组建新组织时,不要只考虑结构,要更多地考虑工作活动、互补技能以及联系和协作的程度。当你将现有员工安置到新的组织结构图中时,要确保你的组织结构图中不仅包括那些拥有技能的人,还包括那些对工作充满激情和活力的人。在结构调整和重组中,有时会让员工感到他们没有选择,这就降低了他们的参与度。HCM中的员工档案可以提供关于个人职业和发展兴趣的见解。另外,来自绩效管理和其他反馈系统的定性数据也可以提供有用的信息。正如我在最近的一次采访中提到的:"我们经常忽略的一个数据是--员工想做什么,他们下一步想去哪里?我们有时会被试图为员工创造一条职业发展道路所困扰,以至于忘了问他们是否感兴趣,想做什么。" 此外,组织网络分析(ANA)可以帮助评估新组织的成功。当你把变革前完全没有联系的个人组合到同一个团队中时,入职和同化可能需要更长的时间。重要的是要确保新组织中的员工为成功做好准备。ONA可以提供关于新团队成员和领导者同化速度的见解。将 ONA 与员工参与度和反馈数据叠加起来,你就能全面了解新组织中的团队是如何做的。   在人力资本分析的帮助下,团队建设可以更加敏捷高效。以上方法只是人力资本分析的一部分,你又将如何进行下一次的团队建设?   作者:Serena H. Huang 原文标题:How People Analytics Helps with Agile Org Design 以上由完美的AI翻译完成,仅供参考。
    人工智能
    2020年12月28日
  • 人工智能
    让AI为组织赋能,提高内部人才流动性 编者注:缺乏最新员工信息,无法快速组建团队是实现生产力飞跃的关键障碍,但人工智能可以为你提供帮助。 内部人才流动和重新部署是大多数公司为提高工作生产率而采用的核心战略。然而,有一个核心问题是--更新信息的缺乏。 让我们看看员工拒绝更新信息的三个最常见原因,以及人工智能可以如何帮助他们。   员工的预期努力程度与感知价值较低 随着解决方案数量的逐年增加,内部流动、人才管理和在线市场平台的参与度下降。为平台的更新并没有提供足够的价值来让员工参与其中。期望的错位造成了对整个平台的不信任,这也是为什么在这些平台中的参与度总是举步维艰。我们必须停止期望人们在技术上投入如此多的工作,而不相信他们从中得到的是值得花费的时间。推荐的职称和与等级工作结构相一致的工作描述并没有足够大的吸引力。 在德勤最近的一项调查中,"超过50%的受访者告诉我们,员工在组织外找工作比在组织内找工作更容易。" 更新数据是大多数这些系统工作的关键组成部分,但对于任何工人来说,维护这些数据都是极其繁琐的。当员工写完简历时,你已经失去了他们。 我们如何建立一种体验,提高参与度,并专注于提供员工和承包商最重视的东西?职位名称和工作描述并不像我们想象的那样相关。 我们如何理解一个人的身份、激情和目的,并将其与具体的工作内容相一致? 在Paths.io最近的一次求职中,当在美国搜索关键词为 "LGBTQ "的工作时,结果中排名靠前的公司是Aramark、Sunrun、Mayo Clinic和Oregon State University。公司需要开始将他们的身份--使命、愿景和价值观--与他们想要吸引和参与组织内的人保持一致。首先在激情和目的上进行匹配。AI内的神经网络可以通过识别员工和承包商所拥有的可转移技能来弥补支持员工和承包商的差距,然后推荐提升技能或转向与他们的激情和目的相一致的路径或项目的方法。   比起技术,员工更信任与社交人际关系 人类有与生俱来的建立人际关系的能力,并依靠彼此建立信任。员工通过管理层和领导层在内部利用关系网来发展自己的事业。求职者依靠他们在项目工作中建立的关系来建立社交网络,并找到下一个工作机会。人们本能地信任其他他们喜欢的人和合作愉快的人,这可能导致了我们今天看到的大部分偏见。我们都依赖于人类利用长期建立的判断能力来辅助决策,我们更倾向于相信我们认识的人。 要将人工智能引入任何流程,你必须了解你要打破的一个心理模型:"人们更容易对那些他们认为具有类似人类能力的产品抱有不可实现的期望。" 正如谷歌在他们的people+AI指南中所说:想让任何技术系统能够打破像人际关系一样亲密的行为,这是毫无根据的期望。我们必须退一步,用AI去启用这种行为,而不是打破它。我们如何利用数据来了解人与人之间的底层连接,并推荐新的人与人建立关系与工作?   缺乏对战略举措和项目目标的洞察力 以职称、技能或公司来定义自己的时代已经过去了。我们都是人,都有不同的动机。人们普遍缺乏对公司要完成的总体项目或战略目标的认识,这与那些认为自己需要的人群是一致的。我们把工作做得太过注重技能和职称,而对一个员工将产生的结果和影响认识不足。当动机一致时,人类能够完成更多的工作。当一个人有足够的动力时,能够学到的技能是不可思议的--每个人都有不同的学习曲线。 我们如何让人才更好地了解公司重点实现的总体项目或举措?人工智能可以理解和剖析项目,并在组织内推荐合适类型的人才,为制造或完成这些项目做出贡献。 为什么我们要将人员与职位相匹配,而不是将他们与工作内容相匹配? 为什么不把项目匹配到候选人身上呢? 要完成这个项目,你需要的人才组合是什么? AI在支持人才流动方面的帮助非常大,但这个过程需要重新规划,以上三个问题也需要解决。花时间将激情和目的与工作主体相统一,提供由人工智能驱动的有价值的体验,使生产关系和利用和锻炼技能的方式得到更大的成功。   作者:法拉·里夫斯 以上由可爱的AI翻译完成,仅供参考。
    人工智能
    2020年12月24日
  • 1234567891011 25 跳转至
关于我们  | 商务合作  | 加入我们  | 那年今日  | 招聘科技峰会精彩回顾  | 上海科技峰会回顾  | 首届HR区块链峰会  | 2017HRTech年度颁奖  | people analytics  | 候选人体验大奖  | 友情链接  | HR科技极客大奖  | 深圳科技峰会精彩回顾  | HR共享服务平台  | 三支柱论坛2018  | 2018数字人力资源科技奖榜单  | 2018 数字人力资源科技奖  | 北京2018HRTechCon精彩回顾  | 2018HRTechXPO  | 2018TOP100人物榜单  | 2019年度活动计划  | 2018年度大奖揭晓  | 2018投融资报告  | 2017投融资报告  | INSPIRE 2019精彩回顾  | 2019海外活动计划  | 2019北京招聘科技论坛精彩回顾  | 2019深圳人力资本分析峰会精彩回顾  | 2019中国人力资源科技峰会上海精彩回顾  | 2019HR科技极客大奖  | 北京HRTechXPO未来馆精彩回顾  | 深圳·2019招聘科技创新论坛精彩回顾  | 2019候选人体验大奖榜单  | 中国人力资源科技云图  | 招聘科技云图  | 2019上海招聘科技创新论坛精彩回顾  | 深圳7月19日HRTechXPO精彩回顾  | 2019HRPA上海站精彩回顾  | 2019中国人力资源科技创新奖  | 深圳·2019中国人力资源科技年度峰会精彩回顾  | 2019北京HR科技峰会精彩回顾  | 2019数字人力资源科技奖榜单  | 2019HRTechChina TOP人物榜单  | 2019HRTechTOP人物列表  | 2019HRTechXPO-上海精彩回顾  | 2020HRTechChina品牌活动计划  | 2020HRTech云图入口  | 共同战疫专题  | 2019年度评选榜单  | 2020招聘科技创新虚拟峰会精彩回顾  | 助力企业共同抗疫专题  | 2020年度候选人体验大奖(中国地区)榜单揭晓  | 2020HRTech虚拟峰会精彩回顾  | 提交业务需求  | HR专业直播  | 2020HR科技年度峰会·上海精彩回顾  | 2020HR科技年度峰会·深圳  | 2020中国人力资源科技创新奖榜单  | 2020员工体验中国峰会上海精彩回顾  | 2020数字人力资源科技奖(DigitalHRTech® Awards 2020)获奖榜单重磅揭晓  | 2020中国人力资源科技影响力TOP人物揭晓  | 2020中国人力资源科技影响力TOP人物榜单  | 北京·2020中国人力资源科技年度峰会  | 上海站精彩回顾-2020HRTechXPO未来人力资源科技论坛  | 影响力品牌50强  | 2020HRTechXPO未来人力资源科技论坛·北京站精彩回顾  | HR科技云图认证服务  | EXInstitute.cn  | 2021年度HRTech活动计划安排与评选奖项计划  | 2020年度大奖榜单  | 员工体验研究院  | 2021HRTech创新品牌30强榜单  | 员工体验指数测评  | 2021升级版员工体验旅程图下载  | 2021员工体验大奖榜单  | 2021员工体验中国指数:73.4  | 2021候选人体验大奖榜单