• Josh Bersin
    大咖谈:2024的AI正在以比预想更快的速度改变企业学习 在受人工智能影响的所有领域中,最大的变革或许发生在企业学习领域。经过一年的实验,现在很明显人工智能将彻底改变这个领域。 让我们讨论一下 L&D 到底是什么。企业培训无处不在,这就是为什么它是一个价值 3400亿美元的市场。工作中发生的一切(从入职到填写费用账户再到复杂的操作程序)在某种程度上都需要培训。即使在经济衰退期间,企业在 L&D 上的支出仍稳定在人均 1200-1500 美元。 然而,正如研发专业人士所知,这个问题非常复杂。有数百种培训平台、工具、内容库和方法。我估计 L&D 技术空间的规模超过 140 亿美元,这甚至不包括搜索引擎、知识管理工具以及 Zoom、Teams 和 Webex 等平台等系统。多年来,我们经历了许多演变:电子学习、混合学习、微型学习,以及现在的工作流程中的学习。 生成式人工智能即将永远改变这一切。 考虑一下我们面临的问题。企业培训并不是真正的教学,而是创造一个学习的环境。传统的教学设计以教师为主导,以过程为中心,但在工作中常常表现不佳。人们通过多种方式学习,通常没有老师,他们寻找参考资料,复制别人正在做的事情,并依靠经理、同事和专家的帮助。因此,必须扩展传统的教学设计模型,以帮助人们学习他们需要的东西。 生成式 AI 登场,这是一种旨在合成信息的技术。 Galileo™ 等生成式人工智能工具可以以传统教学设计师无法做到的方式理解、整合、重组和传递大型语料库中的信息。这种人工智能驱动的学习方法不仅效率更高,而且效果更好,能够在工作流程中进行学习。用户可以提出任何他们想要的问题,并获得与其需求相关的答案。 早期,在工作流程中学习意味着搜索信息并希望找到相关的东西。这个过程非常耗时,而且常常没有结果。生成式人工智能通过其神经网络的魔力,现在已经准备好解决这些问题,就像 L&D 的瑞士军刀一样。 这是一个简单的例子。我问 Galileo™(该软件经过 25 年的研究和案例研究提供支持),“我该如何应对总是迟到的员工?请给我一个叙述来帮助我?”它没有带我去参加管理课程或给我看一堆视频,而是简单地回答了问题。这种类型的互动是企业学习的大部分内容。 让我总结一下 AI 在 L&D 中的四个主要用例: 生成内容:人工智能可以显着减少内容创建所需的时间和复杂性。例如,移动学习工具Arist拥有AI生成功能Sidekick,可以将综合的操作信息转化为一系列的教学活动。这个过程可能需要几周甚至几个月的时间,现在可以在几天甚至几小时内完成。其他工具,例如 Sana、Docebo Shape 和  user-focused learning platform 360 Learning  同样令人兴奋。 个性化学习者体验:人工智能可以帮助根据个人需求定制学习路径,改进根据工作角色分配学习路径的传统模型。人工智能可以理解内容的细节,并使用该信息来个性化学习体验。这种方法比杂乱的学习体验平台(LXP)有效得多,因为后者通常无法真正理解内容的细节。 Uplimit 是一家致力于构建 AI 平台以帮助教授 AI 的初创公司,正在使用其Cobot 以及其他工具,为技术专业人员学习人工智能提供个性化指导和提示。 Cornerstone 的新 AI 结构按技能推荐课程,Sana 平台将 Galileo 等工具与学习连接起来,而新的 AI- SuccessFactors 中的功能还为用户提供了基于角色和活动的有组织的学习视图。 识别和发展技能:人工智能可以帮助识别内容中的技能并推断个人的技能。这有助于提供正确的培训并确定其有效性。虽然许多公司正在制定高级技能分类策略,但真正的价值在于可以通过人工智能识别和开发的细粒度、特定领域的技能。Eightfold, Gloat,和SeekOut,可以推断员工技能并立即推荐学习解决方案。 用知识工具取代培训:人工智能在学习与发展中最具颠覆性的用例也许是完全取代某些类型培训的潜力。人工智能可以创建提供信息和解决问题的智能代理或聊天机器人,从而可能消除对某些类型培训的需求。这种方法不仅效率更高,而且效果更好,因为它可以在个人需要时为他们提供所需的信息。 沃尔玛今天正在实施这一举措, LinkedIn Learning 正在向 Gen AI 搜索开放其软技能内容,很快 Microsoft Copilot 将通过 Viva Learning 找到培训。 这里有一个重要的“陷阱”:我们必须教会自己(和员工)如何“提示”这些系统。我确信我们的人工智能工具将很快变得更加智能、更具对话性,但到 2024 年,我们将花费大量时间教用户如何提示人工智能系统为我们提供我们想要的答案。 这里潜力巨大 在我作为分析师的这些年里,我从未见过一种技术具有如此大的潜力。人工智能将彻底改变学习与发展领域,重塑我们的工作方式,以便学习与发展专业人员可以花时间为企业提供咨询。  L&D 的未来已经到来,而这一切都由人工智能驱动。
    Josh Bersin
    2023年12月17日
  • Josh Bersin
    Josh Bersin公司推出Galileo™——全球首款人工智能人力资源专家助理 众所周知,人力资源专业人员在企业中扮演着重要、复杂和不断变化的角色。这 3,000 万名专业人员担任着 250 多个工作角色,掌握着 400 多项技能,帮助公司进行各方面的管理:招聘、发展、领导力、辅导、多样性、薪酬、福利、混合工作等。此外,他们还必须选择和实施各种技术和工具,以帮助公司发展。 Josh Bersin Company通过 25 年的研究以及对数千家公司和供应商的采访,积累了最值得信赖的最佳实践、供应商信息、基准、案例研究和人力资源专业发展工具库。 去年春天,我们开展了一个建立 "HR Copilot "的项目,将我们的内容整合到一个人工智能生成平台中。结果令人惊叹:利用 Gen AI,我们能够打造令人惊叹的全新体验:用户可以提出问题、比较供应商、深入研究解决方案,并生成实施计划、RFP 模板等。 今天,在我们不断努力帮助人力资源专业人士为公司创造价值的过程中,我们准备推出这一产品。我很高兴向大家介绍全球首款人工智能人力资源专家助理 Galileo™。(加入等待名单) 每个人力资源问题都有答案 正如伽利略绘制天体图来解释宇宙一样,我们的Galileo™让人力资源团队有能力了解、学习和寻求人力资源各个领域的最佳实践。伽利略™由萨纳公司的人工智能平台提供支持,用户可以完全访问乔希-贝尔辛公司的所有综合研究、文章和工具。与基于互联网的人工智能工具不同,伽利略不含任何宣传材料,为您提供可信、详细、可验证的准确信息。 我们设计的 Galileo™ 是人力资源专业人士 "随时随地 "学习、提问和制定解决方案的资源。 Galileo™ 可以回答数百个主题的问题,提供有关供应商和人力资源技术的详细信息,起草招标书和实施计划,并为用户提供指导、案例研究和基准。Josh Bersin 公司的所有研究报告都可即时获取,并可访问深度报告、播客、文章和课程。这包括访问我们的成熟度模型、框架、案例研究和我们的新术语定义 The Josh Bersin Company Lexicon™。 Galileo™ 将彻底改变人力资源专业人员的工作方式。您不必再猜测如何制定新计划或了解供应商--准确的信息唾手可得。 伽利略是学习、设计和解决问题的助手 许多人力资源问题都很复杂。为了让解决问题变得简单,Galileo 包含一个由 50 多个预定义 "提示 "组成的库,可帮助专业人员解决招聘、入职、绩效管理、培训等主题,以及构建技能分类法、实施薪酬公平、劳动力规划或设计能力学院等多学科主题。 我们将这些提示设计成链式,因此当您提出问题时,伽利略会引导您学习、探索,并进一步帮助您解决疑问。(伽利略入门指南》向您展示了一些可用的解决方案)。 企业就绪: 伽利略是您公司的专家助手 还有更多。在使用伽利略的过程中,您会希望在系统中加入自己的人力资源政策和内部信息。得益于 Sana 的架构,伽利略允许用户和团队将您的信息添加到语料库中,从而使伽利略成为贵公司的内部人力资源和员工助理。在这个私人工作空间,您的数据和隐私都将受到保护: 伽利略是一个企业级的安全平台,可将您的数据与其他数据隔离,并由The Josh Bersin Company的研究人员进行预先训练。 我们与 Sana 的合作关系更进一步。萨纳平台不仅能提供规模和速度,还能让我们构建多个人工智能助手。如果您需要针对特定人力资源领域(如人才招聘、L&D、DEI 或部门经理)量身定制的专家助理,我们无需编写代码即可创建。 "Josh Bersin Company 首席执行官兼创始人 Josh Bersin 说:"这仅仅是个开始。"这一颠覆传统的产品将改变公司运营人力资源组织和管理员工的方式,使任何专业人员都能在短时间内成为世界级专家。伽利略是一个支持性的发展助手,随时准备为用户提供详细的解答、实际案例和指导。 Galileo 最初将面向我们的企业会员,明年晚些时候我们将推出面向乔希-贝尔辛学院会员的版本。 我们要感谢萨纳公司的合作,并期待在未来几个月内迅速发展伽利略系统。任何有兴趣体验伽利略的人都可以注册加入等待名单。我们预计在 2024 年初全面投入使用。 问题: 伽利略涵盖哪些主题? Galileo 存储了超过 50,000 页的 Josh Bersin 公司研究报告,包括播客、文章以及有关各种主题的综合数据和分析。其中包括人才招聘、人才管理、企业培训、多样性与包容性、组织设计、奖励与认可、薪酬与薪酬公平、绩效管理、领导力发展、全球人力资源运营、混合工作、文化、变革管理以及人力资源技术的各个主要领域。 伽利略涵盖了 500 多家供应商,而且数据库每周都在不断扩大和更新。随着时间的推移,Galileo 还将包括有关新供应商产品、劳动力市场、技能和能力以及人力资源重要法规变化的实时信息。 要了解伽利略的功能,请查看 "伽利略入门指南"。 伽利略是生成式人工智能吗? 是的,伽利略是一种先进的生成式人工智能解决方案,用户可以提出问题,系统会提示比较供应商、列出最佳实践,甚至创建实施计划、历史视角和深入分析。这意味着人力资源专业人员可以提出任何简单的问题,伽利略不仅会回答问题,还会给用户后续提示,帮助他们了解更多信息、查找实例或下载详细报告、文章、播客或工具。 提供哪些研究和信息? 在过去的三十年中,Josh Bersin 公司几乎研究了人力资源的每一个领域,开发了深入的成熟度模型、框架、基准和案例研究。我们还添加了乔希的所有博客、播客和视频--我们还将添加更多内容。虽然伽利略不包括法律法规指南(可在当地司法系统中查找),但它涵盖了人力资源的每个主要领域,使任何人力资源领导者或专业人士都能快速学习、查找实例并解决问题。 我们如何知道伽利略信息是准确的? 与公共领域的工具不同,伽利略完全是在乔希-贝尔辛公司(The Josh Bersin Company)的庞大信息和研究语料库中训练出来的。这意味着它不会出现互联网系统所遇到的 "人工智能漂移 "问题。事实上,情况恰恰相反:用户在查询和使用系统时,系统会对生成的答案进行评分,并随着时间的推移变得更加智能。 我如何知道伽利略是安全的? 伽利略不对用户输入进行任何底层语言模型训练,因此消除了数据泄露的风险。为 Galileo 提供支持的 Sana 是单一租户,已通过 ISO 27001 认证,并符合 GDPR 要求。所有数据在静态时使用 AES 256 加密,在传输过程中使用 TLS 1.2+ 加密。该平台遵循数据隐私法规和准则,以保护每位用户。 我能否使用伽利略创建自己的人力资源助理? 是的,Galileo建立在高度可配置的Sana平台上,使用户和团队能够添加自己的内容并创建新的人工智能助理。我们将向企业客户提供这些私人工作空间功能,然后在2024年晚些时候向JBA会员推出。 伽利略与其他人工智能工具有何不同? 许多公司都在通过公共互联网工具尝试使用生成式人工智能。伽利略与这些现有的人工智能工具不同,原因如下: 企业规模、范围和安全性。伽利略建立在企业级人工智能平台上,能够加载大量公司信息。这意味着您可以在 Josh Bersin 公司语料库的基础上,安全地为人力资源专业人员和公司其他用户添加自己的流程、培训、合规文件和支持材料。 专业知识的深度。您从 Galileo 获得的答案和支持都是基于 Josh Bersin Company 提供的大量资料库,Josh Bersin Company 是世界领先的企业学习、人才管理和人力资源咨询公司之一。The Josh Bersin Company 对 Galileo 进行了定制,使其在回答问题时就像来自其组织的专家顾问一样。 来源归属。其他人工智能聊天工具不会始终如一地支持其答案,而 Galileo 则会在每个答案中注明来源,并提供具体参考资料和 Josh Bersin 公司资料库中的进一步学习内容。对于企业会员,您可以下载并阅读详细的资料来源。 隐私。其他助手可能会对您的数据和使用情况进行训练,从而导致数据泄露的风险,而 Galileo 可让您上传自己的内容,无需对您的数据进行任何底层大型语言模型训练。 工作流程支持。除了回答问题和集思广益,Galileo 还能帮助您解决起草实施计划等日常任务,因为它可以根据人力资源专家资源和您的组织信息生成内容。 随着时间的推移,伽利略如何变得更加智能? 正如我们所说,伽利略很聪明,而且一直在变得更聪明。它通过多种功能来实现这一点。 首先,Galileo 不断整合、标记、转录乔希-贝尔辛公司的所有内容并编制索引,确保系统始终接受最新研究、发现和供应商信息的培训。我们每天都会添加新的信息。 其次,通过检索增强生成(RAG)来生成问题的答案,识别语义相关的视频、音频和文本,对来源进行排序,并将生成的答案归属于基础参考资料。我们对问题进行监控,并不断改进结果,以提供详细和可操作的答案。 第三,我们利用用户生成的反馈。当用户对答案进行向上或向下投票时,系统就会学习如何提供更准确的答案。Bersin 团队与 Sana 合作改进常见问题的详细答案。在为期 9 个月的试点期间,我们已经优化了数百个问题。 最后,我们还开发了 "提示链",包含人力资源和管理领域的 100 多个已知用例。伽利略会提示您深入问题,了解更多信息,探索供应商,阅读案例研究,学习最佳实践。随着时间的推移,我们将加快这些解决方案的步伐。 Josh Bersin 公司使用 Sana AI 的助手生成器来定制 Galileo 的指令,这些指令专门适用于各种人力资源角色,并经过数百种典型人力资源场景的调整。 Sana 是谁, Sana AI 是什么? Sana 是一家人工智能公司,致力于改变组织学习和获取知识的方式。他们的端到端学习平台深受 Kry/Livi、Merck 和 Svea Solar 等领先企业成千上万用户的信赖。在顶级投资者、运营商和创始人的支持下,他们迄今已融资超过 8000 万美元。公司总部位于瑞典斯德哥尔摩,并在伦敦和纽约设有办事处。Galileo 由公司的最新产品 Sana AI 提供支持。 伽利略如何销售和提供? Galileo最初面向Josh Bersin公司的企业会员,使这些组织能够以一种令人兴奋的新方式为其人力资源团队提供授权和支持。这些个人可以访问所有信息、下载所有资料、参加课程并与团队分享工具和信息。 在接下来的几个月里,我们将为乔希-贝尔辛学院的成员提供伽利略版本。我们鼓励有兴趣的人在我们的候补名单上注册,以便我们提供最新的可用性信息。 如何立即访问伽利略? 请加入我们的等待名单,我们正在向企业会员推出伽利略,并期待为您提供支持。
    Josh Bersin
    2023年11月16日
  • Josh Bersin
    LinkedIn宣布在招聘和学习中推出人工智能的功能 本周,LinkedIn 在其两款旗舰产品中宣布了一些大规模的 Gen AI(生成式人工智能) 功能:LinkedIn Recruiter 和 LinkedIn Learning。让我给你一个概述。 让我从 LinkedIn 学习开始。 如您所知,学习是一个复杂的过程。员工希望提出问题,从一个主题跳到另一个主题,并就下一步需要了解的内容获得建议。LinkedIn Learning的产品团队刚刚推出了他们新的人工智能辅导功能,允许用户提出问题,并根据对他们的技能和角色的洞察,从为他们量身定制的课程中获得叙述性答案。 考虑下面的演示。正如您从“Learn with AI”按钮中看到的那样,用户现在可以提出问题并获得课程生成的叙述性答案。LinkedIn最初专注于软技能 ( PowerSkills ),并计划随着时间的推移将此功能扩展到其他课程。 这一功能很可能出现在许多其他学习平台(例如我们的 JBA Copilot)上,对市场产生巨大影响。我们不再需要参加一小时的课程或在互联网上搜索有关某个主题的提示:整个学习图书馆突然解锁以提供内容、参考和支持。 这不仅为 LinkedIn Learning 增加了巨大的价值,还引出了教练网络走向何方的问题。我不会详细讨论这个话题,但随着时间的推移,这些类型的“助教”或“一线教练”可以帮助员工解决心理健康问题、个人关系挑战,当然还有有关技术、工具、编码和数据分析的问题。 LinkedIn 正从管理和软技能课程开始,但你可以看到它的发展方向。其他供应商(例如 Udemy)也在致力于此。 LinkedIn Recruiter 招聘人员有许多手册写作和分析任务。我们必须编写职位描述、设置采购查询、向候选人发送电子邮件、回答候选人问题、安排面试、记录和分析面试、撰写工作机会,甚至分析和协商薪资。所有这些步骤都需要时间、需要数据,并且常常成为瓶颈,因为涉及审批和其他因素。 输入 LinkedIn Recruiter 的“自动化工具”。看看这个演示,它真的会让你大吃一惊。 LinkedIn 将这些产品创新分为四类: 人工智能辅助候选人发现:快速、轻松地寻找、筛选、选择、技能分析 更智能的建议:建议地点、职位、技能、公司和其他可扩展搜索结果的条件 简化候选人外展:人工智能辅助的 InMail、自动 InMail 后续消息、CRM 和电子邮件集成。 可操作的数据和见解:用于分析招聘广告、发布绩效、流量和许多其他内容的深入报告和见解。 正如您所看到的,人工智能可以帮助和自动化我们在招聘过程中所做的许多耗时的事情。在每一步中,“生成”或自动化流程都可以由 LinkedIn Economic Graph 或您自己公司的庞大员工和候选人信息数据库中的数据驱动。 考虑一下招聘人员的人工智能辅助消息传递的演示。您可以看到 Gen AI 如何节省数小时的时间,并以高度调整的“助手”方式利用技能数据、劳动力市场信息和公司价值。 搜索同样重要。正如该演示所示,用户可以轻松替代招聘人员必须学习的复杂“多面搜索”或布尔逻辑。人工智能可以提示用户并迭代搜索路径,而不必强迫用户了解系统中的每个搜索条件和数据元素。他们可以用自己的话进行搜索。 底线:生成式人工智能将改变我们招聘、雇用、设定薪酬和学习的方式。作为招聘和学习市场的强大领导者,LinkedIn 向我们展示了 Gen AI 如何成为提高生产力、改善运营并帮助员工和招聘人员在工作中变得“超级强大”的工具。
    Josh Bersin
    2023年10月07日
  • Josh Bersin
    大咖谈:生成式AI在人力资源中的作用日益重要,谈HR不同领域的应用场景 编者注:本文Josh Bersin深入探讨了生成性AI(Generative AI)在人力资源(HR)领域的变革性作用。谈到生成性AI不仅能够整合和分析分散在多个系统中的大量员工数据,还能帮助HR团队更高效地解决招聘、员工体验、培训和合规等多个方面的问题。生成性AI的应用场景包括人才智能、员工体验应用、员工培训和合规应用等。这些应用不仅能提高HR团队的工作效率,还能为员工提供更个性化的体验。推荐HR管理者阅读了解,关注HRTech,了解全球最新HR科技动态。 人力资源是一个综合运营职能 让我们提醒自己,人力资源部门与财务、IT 和其他内部职能部门一样,是一个设计、支持和集成职能部门。人力资源部门与企业合作,处理无数复杂的问题:招聘、入职、培训、领导力发展、绩效管理、薪酬、奖励、福利、混合工作、组织设计、多元化战略、文化等等。在我们所谓的系统人力资源出现之前,大多数这些操作功能都是独立完成的。 如今,公司面临着竞争激烈的劳动力市场、高流动率和劳动力压力,以及重新培训、提高技能和明智地内部人员调动的需要。多样性和包容性、文化和领导力发展等问题仍然至关重要,人力资源团队还担心员工体验、生产力和内部效率。 HR 内部的数据遍布各处。一般大公司拥有超过 80 个面向员工的系统,每个系统都存储大量重要数据以帮助管理自己的区域。当业务领导者或高管想要做出改变、查看业务场景或修复表现不佳的团队时,他们需要将所有这些数据集中在一个集成位置。人工智能有望将这个梦想变为现实(更多内容见下文)。 当人力资源团队制定新的计划和解决方案时,我们还面临着不堪重负的劳动力问题。员工大部分都精疲力竭(87% 的人认为他们正在满负荷运转),因此我们必须简化工作、减少系统数量,并节省人们在管理职能上的时间(使他们能够在“最高许可范围内”运作) 。这意味着人力资源团队不断处理扩大服务数量、缩小服务范围并使其更易于使用的问题。人工智能AI对此有所帮助。 最后,人力资源团队正在转变为创造者、开发者和顾问。正如我们的系统人力资源研究指出的那样,人力资源的未来是更少的“支持代理”,更多的“顾问、产品经理、设计师和顾问”。这意味着越来越多的人力资源团队正在“构建事物”和“分析事物”,这本质上是生成人工智能所做的核心部分。 因此,从某种意义上说,生成式人工智能是解决人力资源团队面临的几乎所有挑战的完美新解决方案。 我们将如何实现这一目标:真实案例 在我们与数十家公司和HR科技供应商交谈时,让我总结一下我们看到的一些大型、高投资回报率的实际案例。 1/ 用于招聘、流动、发展、薪酬公平的人才情报 人才情报现已成为现实。公司可以使用基于 LLM 的系统(Eightfold、Gloat、Beamery、Seekout、Phenom、Skyhive)来识别员工的数百个特征(即技能),使公司能够智能地寻找候选人、决定谁已准备好晋升、调动人员寻找新的机会(人才市场),并确定薪酬不平等。 我们已经研究了这个领域好几年了,现在许多供应商都可以“现成”使用,并且使用来自 Lightcast 等提供商的数据,公司可以相对轻松地开始识别能力差距,研究外部市场的趋势,并使用人工智能为许多人力资源实践构建战略和运营解决方案。——我相信这个市场还很年轻,最终将颠覆许多核心 HCM 参与者。 在招聘中,现在有一些AI插件可以生成职位描述,针对不同的角色进行调整,创建个性化的候选人电子邮件,并丰富您自己的简历。这些工具正变得越来越智能:它们现在可以个性化招聘流程的每个部分,从而节省招聘人员的外展和写作时间。例如,我刚刚看到不少最新的人工智能职位描述生成器,它可以让你根据技能、技术和许多其他因素调整描述。 2/ 员工体验应用程序(入职、工作过渡、管理) 第二个增长空间是“智能员工聊天机器人”,它将文档、支持材料和交易系统整合到一个易于使用的体验中。我们的一些客户正在尝试这一点,我们自己的 JBC HR Copilot 为人力资源专业人员本身提供了这种类型的解决方案。这些实际上是企业应用程序,公司将自己的内容放在一起,制定数据安全策略(我们不希望每个员工看到每个文档或流程),然后使用“编排”工具将聊天机器人连接到企业系统。 IBM Watson Orchestrate 就是为此而设计的(SAP 现在正在使用),并且平台供应商和 HCM 提供商将提供许多此类工具。Workday Assistant 是第一代尝试 - 一旦您将各种人力资源系统的知识与流程文档结合起来,聊天机器人就可以最终取代我们所有的员工门户。 到目前为止,我们发现这些应该首先关注狭窄的用例,然后再进行扩展。例如,一家大型连锁酒店刚刚构建了一个聊天机器人,旨在帮助前台工作人员准确了解如何为高净值客户提供服务。它连接到预订系统,帮助员工了解如何为该客户定制服务。想象一下像这样的入职工具、领导层过渡系统等。 每个 EX 供应商都希望参与其中。Firstup 等提供商使用人工智能为每个人单独定制员工通信。这将成为我们用于许多员工体验应用程序的一组核心功能。 3/ 员工培训和合规应用程序 价值 3500 亿美元的员工培训行业迫切需要生成式 AI。我们已经看到了一些工具,可以从文档生成培训,自动创建测验,并利用现有内容并将其变成“教学助手”。就在昨天,我与一位客户交谈,他刚刚与供应商建立了一个新的领导力发展计划。我们讨论了将这些内容放入我们的 Copilot 中,以便通过经理的对话界面“按需”提供。一旦有了人工智能平台,这并不是一个困难的项目。 但还有更多。Cornerstone、Docebo、Degreed 等公司现在正在使用 AI 来智能推荐内容(基于人才智能,而不仅仅是点击流),根据角色、团队、位置和员工活动生成和推荐微学习,甚至将 AI 用作游戏“提示”员工了解更多信息。 举个例子:我们刚刚在公司的培训学院启动了一个微型学习项目,向人力资源人员传授人工智能知识。例如,该课程由一系列互动问题、小笔记和手机上的互动组成,可以导入到我们的副驾驶中,并在有人提问时提供。这些并不是现成的解决方案,但我们已经很接近了。 请记住,学习与开发团队的大部分工作都是围绕内容创建展开的。这些构建角色、图像、场景和视频的新一代人工智能应用程序将被 L&D 团队广泛使用。我刚刚找到了一个工具,可以拍摄长视频(即讲师指导的课程)并快速找到“最有趣”或“最密集”的内容来创建迷你片段。想象一下,您将不得不拍摄长视频并将其转化为章节、点播学习以及新知识学习的促销活动。 4/ 员工发展和成长应用程序 接下来是帮助员工发展职业生涯的大量新工具和平台领域。感谢人才智能平台,我们现在拥有由人工智能(而不是你的老板)生成的“职业道路”。这些系统会考察您的技能和经验,并(以图形方式)向您展示您拥有的所有成长选项,所有这些都基于数百万人的经验。 例如,您是否知道从事分析工作的营销经理可以进入数据科学、网络安全甚至财务分析领域?或者,一个在医院做小时工“交通支持”的人可以加入职业道路,成为一名 X 射线技术人员或临床护士? 这些路径都是由人工智能揭示和解释的,这些新系统准确地向你展示了你需要学习什么、你必须获得什么认证,甚至你可以和谁谈论这条路径。实际上,我们正在为人力资源专业人员开发此类解决方案(即将推出),您会惊讶于这些工具的帮助之大。 为什么人工智能如此重要?因为这从根本上来说是一个大数据问题。我不可能猜测一个人在我们公司可能拥有的所有职业选择,但如果我将他们的个人资料和历史记录插入八重职业导航器或其他系统,我们都可以看到许多我们从未考虑过的选择。 想想这将如何帮助没有学位的员工在职业生涯中取得进步。不再需要在网站上逛来猜去哪里申请工作——这些职业导航系统将改变许多人的生活。 5/ 绩效管理和运营改进 人工智能应该用于绩效管理吗?嗯,我不希望这些系统写绩效评估,但是,是的,它们会有很大帮助。考虑一下我们每个公司都遇到的典型问题:一个团队、一个工作组或一个个人表现不佳。这个群体或个人的数量落后,他们的项目迟到,或者他们的质量不合格。我们是否要等待经理找出问题所在并让他们弄清楚该怎么做? 这就是今天的运作方式:每个经理都必须猜测、弄清楚并决定对绩效不佳的个人、团队或项目“做什么”。为什么不让人工智能为我们做一些事情呢?例如,我们已经看到一些应用程序可以向您展示公司绩效的综合“视图”。从很多方面来说,这都是一个数据问题。 例如,如果我们发现超过一定规模的项目团队根本无法完成工作怎么办?如果我们查看团队的技能构成并发现缺少一项重要技能怎么办?也许终身教职是问题所在(顺便说一句,这通常是问题)。也许多样性阻碍了团队的发展。 虽然直线经理可能不会进行此类分析,但我可以向您保证,人力资源顾问很乐意在​​这里提供帮助。这些更广泛的组织设计和绩效项目无处不在,一旦我们在人工智能系统中拥有了所有数据,我们就可以简单地向它提问。 我问Google 的 Bard,“请比较一下雪佛龙和埃克森美孚的财务增长、回报和利润率。” 大约十秒钟就完成了相当不错的工作。想象一下,如果您在自己的公司中跨团队这样做会怎样?一旦我们将内部数据输入正确的人工智能系统,这将成为常规且常见的事情。 6/ 保留、混合工作、幸福感、敬业度分析 这引导我进入最后一个重要领域:研究、分析和提高员工保留率、福祉和敬业度。 我接触过的每家公司现在都在处理员工倦怠、福祉和其他敬业度问题。几十年来,我们依靠调查和各种基准来试图弄清楚该怎么做。是的,良好的反馈系统可以为我们提供大量有帮助的信息。 但是,如果我们只是将这些数据放入我们的大型人工智能平台并询问一些问题会怎样?“影响销售部门人员流动的最重要因素是什么?” 可能是经理。这可能是一种补偿。可能是终身教职。可能是别的东西。 是的,我们总是可以使用调查、市政厅和其他倾听方法来做到这一点。但如果我们只看数据呢?我们已经多次介绍过美国银行学院的故事,讲述的是一家公司通过详细分析数据“发现”其人才问题的故事。例如,他们发现银行余额与分行员工的任期密切相关。终身任职是由许多其他因素驱动的:人们在职业生涯中如何被聘用、入职和支持。通过进行该分析,他们能够显着提高业务绩效和保留率。他们的敬业度调查永远不会指出这一点。 你是如何开始的? 这给我们留下了一个大问题:如何开始?让我分享一下我们学到的东西。 首先,与其“追逐技术”,不如“爱上问题”。 换句话说,您想关注什么问题?是员工入职吗?人力资源自助服务?小时工排班和轮班管理?这意味着让您的团队聚集在一起确定投资的优先顺序,因为构建基于人工智能的解决方案并不像您想象的那么简单。 其次,一旦您决定从哪里开始,就该让 IT 团队参与进来。这些用例中的每一个都会变成一系列数据质量、数据管理、数据字典、然后是安全、业务规则和机密性的问题。 请记住,“将信息扔进法学硕士”可能听起来很有趣,但即使它有效,你也只是让各种各样的人访问他们可能不需要、不想要、甚至不被允许看到的信息。因此,聊天机器人的实施意味着同时关注用户体验、数据管理、搜索和编排。 我们自己的副驾驶工作已经给了我们这样的经验。一旦你收集到数据(在大多数情况下,并不清楚谁拥有什么),你必须开始测试 Gen AI 用例,定义安全规则,并决定你想要什么(如果有)后端编排。这些并不像“将一堆电子表格扔进 OpenAI 并开始提出问题”那么令人兴奋,但这正是真正的解决方案需要做的。 第三,你必须意识到,人工智能系统与交易系统不同,它负责照顾和喂养。“及时工程”意味着调整系统以正确回答问题,找到数据或文档中的差距,并不断努力保持用户体验简单。一旦聊天机器人或其他系统投入运行,我可以保证将会需要更多(和新的)数据。 从很多方面来说,新的人工智能系统就像一个新生婴儿。它必须学习如何走路、说话、举止以及避免麻烦。在您真正使用之前,现成的工具不会执行此操作,因此您需要 IT 的帮助来确保您的系统在增长时具有可持续性和可支持性。 人工智能将如何影响人力资源本身? 还有一个关于你的角色的大问题。这些新系统会让你被淘汰吗? 答案显然是否定的。这些智能系统是数据饥渴的恶魔。一旦构建它们并添加正确的信息,您将成为分析师、聊天机器人培训师、产品经理和设计师。查找信息和分析信息的许多平凡工作可能会消失,但了解要使用哪些信息的更高级别的工作将保留下来。随着新应用程序的到来,将会出现许多新的工作来负责人工智能系统、调整它们并不断改进它们。 让我向您告别:尽管这个领域令人兴奋不已,但人力资源中的人工智能实施仍然是技术项目。它们与任何交易系统都存在许多相同的问题和挑战,并且系统本身一直在“学习”。 我可以向您保证,整个领域既被过度炒作又被低估。如果您从小事做起,亲自动手,并带上您的 IT 团队,那么您将开始在我讨论的任何领域看到令人震惊的商业利益。  
    Josh Bersin
    2023年09月03日
  • Josh Bersin
    员工体验平台Perceptyx收购Humu:重塑员工体验市场的新篇章 编者注:Perceptyx收购Humu是人力资源科技行业的一个重要里程碑。此举结合了两家创新公司的优势,产生了强大的协同效应,有望彻底改变企业了解和利用员工洞察力的方式。 Humu 凭借其开创性的 "轻推引擎",在行为科学领域取得了长足进步,为推动组织内部变革提供了一种独特的方法。然而,作为一个独立的解决方案,它的覆盖面和影响力都受到了一定的限制。现在,作为Perceptyx的一部分,Humu的潜力可以得到充分发挥。此次收购不仅仅是技术的结合,而是要创建一个全面的解决方案,满足现代企业的需求。它将改变企业倾听员工心声、解读反馈意见的方式,最重要的是,将这些洞察力付诸行动。 另外Humu一开始就有评论家认为太不接地气,因其卓越的创始团队,融资多轮,不断尝试超前的理论逻辑帮助员工更加幸福,这是非常有意义的常识和探索,虽然在商业上不太成功。 员工体验管理领域正在迎来新的变革与发展。近日,全球知名员工体验平台Perceptyx宣布收购行为科学公司Humu。业内专家认为,这标志着员工体验管理市场正处于重要转型期。 一、Humu的起源与发展 Humu由前谷歌人力资源副总裁Laszlo Bock与人才管理专家Wayne Kurtzman于2017年联合创立。两人在谷歌期间合作密切,拥有丰富的人力资源管理经验。Humu名称来源于“humanity”(人性)和“humility”(谦逊),寓意着利用科技提升人性化管理。Humu致力于改善工作场所,其核心产品是基于行为科学研究的“微推动”(nudge)系统。该系统通过电子邮件、Slack等渠道,使用语言、时间、社交影响等科学方法,推动员工建立积极的工作习惯。 Humu曾获得凯鹏华盈、GV、Khosla Ventures等多家顶级投资机构的融资,累计融资超过8000万美元。 Humu被Perceptyx收购的原因可能有多种。 首先,Perceptyx可能看中了Humu的技术和产品。Humu的“nudge engine”可以提供个性化的行为改变建议,这是Perceptyx平台上缺少的功能。 其次,Perceptyx可能看中了Humu的客户群。Humu的客户包括一些大型公司,这些公司可能会对Perceptyx的产品感兴趣。 最后,Perceptyx可能看中了Humu的团队。Humu的团队有丰富的经验和专业知识,他们可能会为Perceptyx带来新的思维和创新。 在Humu被Perceptyx收购的过程中,有一个小故事值得一提。当Perceptyx首次接触Humu时,Humu的联合创始人Laszlo Bock表示,他们意识到通过联手,他们可以更快地接触到更多的人和组织。他称这是一个改变数百万人工作感觉的机会。这个故事显示了Humu的创始人对改善员工体验的执着追求,也显示了Perceptyx对Humu的高度评价。2019年,Ultimate Software创始人斯科特·什勒弗曾有意收购Humu,但最终收购失败。在独立生存发展压力下,Humu选择加入Perceptyx。 二、洞察与行动的有效结合 过去员工体验平台市场由Qualtrics等老牌供应商主导,更注重收集员工反馈的数据,而较少将洞察转化为实际行动。Humu恰恰弥补了Perceptyx在这方面的短板。 Humu依托行为科学理论与人工智能技术,能够基于员工调研洞察,使用“微推动”触发员工行为改变。这为Perceptyx提供了从洞察到行动的闭环系统。业内公认,洞察与行动的高效结合,而非单纯的数据收集,是员工体验管理的关键。 Josh Bersin等分析师认为,Perceptyx通过收购Humu,实现了洞察与行动的完美融合,这正是员工体验管理的发展方向。这也是Perceptyx实现从工具向系统转型的关键一步。 三、员工体验平台的战略升级 这次收购被视为员工体验平台从工具到系统的战略升级。过去平台侧重数据收集,现在用户需求已升级为洞察驱动的系统,以全面提升员工绩效。 Humu为Perceptyx提供了从洞察分析到行动干预的系统化能力。这标志着企业对员工体验平台的需求正在发生重大变化,平台角色也在发生从工具向战略系统的转型。 根据Josh Bersin的分析,Perceptyx正在将员工体验打造成直接影响业务结果的战略系统,而不再是简单的测量工具。我们也看到,其他员工体验平台供应商,如CultureAmp、Limeade等,都在朝着这个方向转型。这是整个行业的大趋势。 四、技术赋能员工体验创新 这次收购也将Perceptyx带入人工智能和大数据技术的最前沿。作为行为科学的先驱,Humu拥有世界一流的AI技术实力,这将助力Perceptyx实现更智能化的员工洞察分析。 事实上,在过去几年中,Perceptyx已经在AI赋能员工体验数据方面进行了大量创新探索。其团队利用自然语言处理技术,分析语音、文字等非结构化数据,实现了员工行为分析的自动化。 随着GPT等AIGC新兴技术的出现,Perceptyx正在探索如何利用生成式AI进行更智能的语义分析,并基于洞察为用户提供个性化的实时建议。未来,借助AI技术的加持,员工体验管理领域将迎来新的技术革新和应用革新。 五、业界的积极评价 业内对这一重大战略举措褒贬不一,但主流声音较为积极。创新型员工体验平台CultureAmp的联合创始人也表示,这是一次“勇敢的举措”。 但是企业客户和部分分析师则较为谨慎,担心整合过程中的文化差异等问题可能会对Perceptyx和Humu带来挑战。的确,两个公司在文化与技术上还存在一定差异,这需要管理层投入时间进行融合。 Perceptyx的CEO John Borland表示,Humu的技术增加了客户一直在寻求的功能。他说,组织对利用他们的人员数据的期望正在提高,能够在信号和行动之间填补差距比以往任何时候都更重要。行业分析师Josh Bersin表示,Humu一直是一个拥挤的市场的一部分,而且“有点超前于时代”。他说,Humu在大多数公司刚刚开始工作,所以他们没有达到他们希望的惊人成功。他认为,收购意味着Humu被“螺栓到一个更传统的解决方案,有可能增加更多的价值”,并将Humu置于更多的客户面前。 总的来说,业界还是更看好洞察与行动高效结合所带来的积极影响,以及这对员工体验平台产品与市场的推动作用。这次收购被视为员工体验管理市场的新思路。 六、对行业发展的深远影响 Perceptyx收购Humu,标志着员工体验管理市场已经进入到一个崭新的发展阶段: 首先,这加速了员工体验平台从工具到系统的战略转型,也将推动更多平台向这个方向演进。 其次,这推动了员工体验技术的智能化进程,AI分析和个性化干预将成为新趋势。 再次,这也将引发员工体验平台市场的新一轮竞争与整合。创新型平台将对传统企业形成强大冲击。 最后,这为整个行业提供了新的思路,员工体验将与业务结果深度融合,成为影响企业绩效的关键战略系统。 七、结语 Perceptyx与Humu的战略联姻,无疑将掀起员工体验管理领域的新一轮变革浪潮。行业正处在一个关键的转型点上,企业对员工体验平台的需求正在发生重大升级。洞察与行动的有效结合、平台角色的战略升级、新技术的加持等新方向,都将深刻重塑这一细分市场的发展格局。 最后借用Jash Bersin的话:员工体验市场巨大。ServiceNow、微软、Qualtrics、Medallia、Zoom (Workvivo) 和 Firstup 等主要供应商正在积极争夺这一领域。Perceptyx 拥有强大的调查、反馈和倾听工具,现在可以缩小洞察力和行为改变之间的差距。而Humu的IP能够生存下来,满足更多企业的需求。 让我们拭目以待,见证这场员工体验管理革命,如何重构未来工作场所,帮助每一个员工发挥最大潜能,创造更大的组织价值!   最后我们附录了Perceptyx 在2021年和2022年的3次收购Waggl、CultureIQ和Cultivate的相关信息: Waggl(2021年7月收购) 总部位于美国犹他州,提供员工体验和参与度调查平台。 Perceptyx通过该收购获得员工洞察和反馈管理能力。 收购金额未披露。Waggl团队加入Perceptyx,Waggl品牌停止独立运营。 CultureIQ(2021年7月收购) 总部位于美国纽约,提供员工体验和文化洞察平台。 Perceptyx获得文化评估和数据分析能力。 收购金额未公开。CultureIQ团队加入Perceptyx。 Cultivate(2022年8月收购) 总部位于美国加州,提供语音分析平台,通过AI分析交流内容。 Perceptyx获得语音数据分析能力。 收购金额未披露。Cultivate团队加入Perceptyx的数据科学团队。 综上所述,通过这几次收购Perceptyx进一步加强了在员工洞察和文化建设等方面的产品能力。
    Josh Bersin
    2023年08月03日
  • Josh Bersin
    Josh Bersin公司预测:生成式AI将为新的人力资源人才智能范式提供动力 全球人力资本咨询公司Josh Bersin公布新研究结果,强调了ChatGPT式的 "生成式人工智能 "在帮助企业改进招聘和发展实践方面的巨大潜力--但前提是企业必须消除对该技术的恐惧。 Josh Bersin公司就 "生成式人工智能 "在为人力资源领导者和学习与发展团队创造强大的新洞察力方面的潜力采访了具有人工智能意识的高级管理人员、工程师和产品领导者。还在最近举行的 "不可抗拒的2023 "会议上与全球顶级人力资源领导者进行了交流,发现在对人工智能技术及其提供新颖人力资源和人才管理见解的潜力的信心和理解方面存在明显差距。 研究发现,虽然许多人力资源领导者及其公司的技术团队都很欣赏人工智能通过发现不同数据源的模式来发掘新的人才管理机会的能力,但许多人承认对该技术的理解有限。 此外,研究还定义了三类人工智能解决方案: 新兴(附加人工智能)、第一代(内置人工智能)和第二代(基于人工智能的解决方案)。人力资源领导者还对人工智能的作用表示担忧,不确定如何有效利用人工智能在人力资源和人才相关用例中的潜力。 该研究强调了人工智能在释放人才智能方面的巨大潜力,随着全球企业寻求新的工具集来帮助他们发现、吸引、发展和留住未来所需的人才,人工智能已成为一种日益增长的必需品。 Josh Bersin公司最新发布的白皮书《了解人工智能在人力资源中的应用--深度剖析--评估人工智能在人力资源中应用案例的详细指南》对研究结果进行了解读,并探讨了核心问题。 该白皮书的目的是让人力资源战略家--特别是那些希望建立一种更系统、更可持续的方法来寻找、吸引和磨练对组织的长期成功至关重要的技能组合的人--更容易获得和使用这项技术。 其开创性的见解被提炼为以人力资源为导向的人工智能技术评估指南,为人力资源和人才发展领域的推动者提供了一份最新的教育报告。 全球行业分析师兼The Josh Bersin Company首席执行官Josh Bersin在谈到研究结果时说: "这项新研究的目的是了解究竟是什么阻碍了人力资源部门在核心业务战略中充分利用人工智能,比如了解在招聘和人才管理中以不同方式思考和行动的新的、尚未开发的机会在哪里。从这项研究和我们最近举办的 "不可抗拒 "活动的对话中可以看出,由于人工智能对人力资源变革的影响范围尚不明确,因此人们还在犹豫不决。 "我们的目标是帮助克服这种恐惧感。具体来说,我们将人工智能的障碍转化为一个相关的问题,并提醒CHRO,这并不是人力资源部门第一次不得不调整和发展他们的技术架构或他们的数据以及他们如何利用这些数据。 "我们不是试图宣讲人工智能工程的基础知识,而是希望帮助人力资源领导者更加适应这项技术以及它能做什么。我们表明,这可以更好地定位和缩短招聘时间,或识别不太明显的人才管道,以及许多许多用例。 使用 "生成式人工智能 "来了解招聘和人才数据中更微妙但更具变革性的知识,这也仅仅是令人兴奋的基于技术和数据的人力资源人工智能之旅的第一步。 "最终,我们正在明确人工智能在未来人力资源中的作用,以便雇主能够积极主动地转换其潜力。" Josh Bersin 公司在其6月举行的 "不可抗拒的2023"(Irresistible 2023)活动上预览了自己的人工智能解决方案 "人力资源驾驶员"(The HR Copilot)。Josh Bersin公司的HR Copilot提供了一种智能手段,用于查询该研究和咨询公司在过去25年中积累的丰富多样的人力资源知识库和劳动力市场洞察力--这只是人工智能在人力资源领域开始揭示的众多用例中的一部分。 文章来源:techrseries
    Josh Bersin
    2023年07月14日
  • Josh Bersin
    大咖谈:建立基于技能的组织—令人兴奋但清醒的现实 JoshBersin这篇文章的核心介绍了以下几点: 基于技能的组织的概念:这是一种无偏见、无政治的公司,决策基于技能、绩效和表现。我们将创建一个全球技能数据库,通过人才智能,我们将能够看到趋势技能、技能缺口,并对招聘、晋升、薪酬和领导力更加科学。 技能的重要性:技能在商业中一直很重要。然而,我们要记住,最重要的技能(我称之为“PowerSkills”)尚未被包括在内。公司的成功基于文化、雄心、学习敏捷性和一致性。 技能分类的复杂性:商业技能分为许多类别,每个公司对不同类别的价值评估也不同。技能包括技术熟练度、操作熟练度、功能熟练度、行业熟练度以及管理和领导熟练度。 新的变化:最大的变化是建立一个公司技能分类法,一个单一的“动态数据库”用于技能。 技能技术的挑战:尽管市场仍然不成熟,但许多智能AI供应商现在提供解决方案。这些系统不仅仅是数据库:它们是AI工具,理想情况下,它们使用第二代AI来不断找到技能,推断技能,并为每个工作、人员和职业路径更新技能。 详细内容请查看原文翻译: 在新的AI工具和技能技术的推动下,几乎每家公司都希望成为“基于技能的组织”。 前提 让我们从前提开始:白皮书所提倡的想法是,我们将创建一家公正、无政治的公司,其决策基于技能、精英管理和绩效。供应商承诺,我们将拥有一个全球技能数据库,通过人才智能(的奇迹,我们将能够看到趋势技能、技能差距,并在招聘、晋升、薪酬和领导力方面变得更加科学。 这个概念的背后是我们可以用激光精度“标记”或“评估”每个人的技能。许多人工智能工具,包括我们用于GWI 研究的工具,今天都承诺做到这一点。他们如何评估我们的技能?他们利用人工智能的魔力来查看我们的工作历史、绩效、工作产品和其他来源,以推断、建模和预测我们擅长什么、特别擅长什么以及下一步需要学习什么。 多么辉煌的愿景啊。好处有很多:基于能力的公正招聘、定向人员流动到新角色以及帮助我​​们规划薪酬、招聘地点等的战略规划工具。 现实 这并不是一个新想法:技能在商业中一直很重要。 我(Josh Bersin)于 1978 年大学毕业,获得机械工程学位。毕业后,我面试了宝洁公司、波音公司、美国海军和其他组织。45 年前,每家公司都对我的技能感兴趣。我参加了测试,回答了技术问题,向面试官介绍了我的技能,并在面试中展示了我的熟练程度。 但这些公司并不天真。他们之所以问这些问题,并不是为了了解我在大学学到了什么,而是为了了解我的想法。后来我了解到,我在宝洁的行为面试旨在解读我的个人目标、我的心态、我的思考能力和我的沟通能力。虽然这些可能被归类为技能,但它们比弄清楚我是否知道如何用 Java 编码要复杂得多。 半个世纪后的今天,我们感觉我们正在倒退。我们非常关注用于识别技术技能和通用业务能力的工具和系统。虽然这些工具和系统令人惊叹,但我们必须记住,最重要的技能(我称之为PowerSkills )仍然被遗漏了。正如我的 IBM 经理常说的,“硬技能是软技能”,而“软技能才是硬技能”。 换句话说,公司的成功取决于文化、雄心、学习敏捷性和一致性。虽然我们希望评估技能来定义工作、角色和发展,但我们还必须假设每个人都可以(并且必须)持续学习新技能。这意味着我们需要对技能有更全面(用我们的语言来说是“系统”)的看法,而不仅仅是技术熟练程度。 哈佛大学教授鲍里斯·格罗伊斯堡研究了世界顶级投资银行家的表现。这些人在金融产品、交易和大额交易方面拥有很高的技能。他发现了什么?如果你将一位“高技能”的投资银行家从一家公司调到另一家公司,他很可能不再是一名高绩效人士。他的“超强表现”技能实际上并不是他的技术技能,而是他利用组织并知道如何完成工作的独特能力。 因此,建立技能分类可能很复杂。正如我们的研究发现,商业技能分为许多类别,不同的公司以不同的方式评估每个类别。虽然通用技能固然很重要,但推动价值的是您在公司中使用它们的方式。 技术能力(编码、软件、IT 系统、医疗程序等) 操作熟练程度(运行设备、修理泵、安全程序等) 职能能力(营销运营、CRM、产品管理、工程、设计) 行业熟练程度(了解石油和天然气行业、化学品、软件业务等) 管理和领导能力(管理团队、领导业务等) 每一项都充满了“技能”,以至于像 Lightcast 这样的公司汇总了数万个职位的技能,建立了包含数万到数十万种技能的动态库。除此之外,我们还拥有人工智能推断技能的广阔新世界,例如它自己得出的“处理异议”或“分析财务报表”。   那么这里有什么新内容呢?很多。 考虑到这些复杂性,什么是真正的新鲜事?最大的变化是对建立企业技能分类法的兴趣,这是一个单一的技能“动态数据库”。 这种分类法与过去的能力模型不同。这是一个巨大的数据集(数以万计的分层技能),分类法中的每个词都存在争议。我们应该使用“协作”还是“团队合作”?我们应该使用“java”、“java 编程”还是“java 语言”? 有数百种现成的分类法,每个行业都不同。能源公司拥有炼油、生产和分销技能。消费品公司拥有品牌营销、产品营销和渠道分析技能。制药和化学公司拥有科学、遗传和受监管的制造技能。 有些技能必须经过验证:像 Kahuna 这样的整个平台可以让您决定谁可以验证技能以及何时必须重新验证技能。以及其他技能需求评估:建立在领导力、管理和其他软技能模型的基础上。 您可以看到这有多么复杂,并记住每个公司都是不同的。您的公司可能重视创新和产品设计技能;您的竞争对手可能专注于制造和分销。 我们怎样才能把这一切放在一起呢?这不是一个“沸腾海洋”类型的问题吗? 公司倾向于走两条路。路径 1 是建立一个技能分类团队,然后创建一个与业务部门合作的长期流程,以就语言和分类架构达成一致。这可能有效,但最终它有很多失败点。如果没有真正在行动中测试这些技能,它们可能需要调整,因此这通常需要很长时间。 我们推荐的路径 2 是从关注一个问题开始。根据该问题,您可以构建分类法的一部分,创建设计和治理流程,并了解哪些工具最有效。 爱上一个问题 让我给你一个现实世界的例子。假设您的客户服务人员流动率很高,且士气低落。 当您深入研究问题时(我们称之为“爱上问题”),您会意识到客户服务面临的挑战是广泛的。该团队被分成专注于不同产品领域的小组,这使得他们的工作变得无聊和重复。因此,您与团队领导坐下来,开发客户服务的“技能模型”。 当您构建模型时,您会发现很少有员工接受过交叉培训。还有一些根本没有受过训练!现在,借助您的技能模型,您可以决定如何重组团队(还发现其中一些“技能”可以通过 ChatGPT 实现自动化)、开始交叉培训并识别高绩效者。 你现在还发​​现你的一些人不适合。因此,您可以使用技能模型来寻找其他内部候选人并更好地从外部寻找资源。当您寻求招聘时,您会建立评估或面试问题来“根据这些技能进行招聘”。 美国运通实际上几年前就这样做了。他们意识到,美国运通销售和服务团队所需的“技能”根本不是客户服务技能,而是接待技能。美国运通对待客户就像对待客人一样,因此他们开始从丽思卡尔顿和其他酒店公司招聘人才。需要基于技能的分析才能解决这个问题。 正如你所看到的,当你专注于一个问题时,工作可以很快收敛,你就可以解决一个真正的问题。我们刚刚采访了一家使用这种方法更清晰地定义其网络安全角色的公司,发现他们可以通过雇用更多初级候选人为每位员工节省 20,000 美元。 这种分析可以帮助您决定是“购买还是培养”这些技能。2020 年,我们对 3 家公司进行了研究 ,发现“培养技术技能”的成本可能比购买(招聘)便宜六倍。 这样的技能项目比比皆是 这种方法有很多用例。 在招聘中,以技能为中心的方法可以让您扩大候选人网络,通常可以找到最适合某项工作的内部员工。通过“技能邻接”技术,我们可以找到具有相似技能且适合某个角色的人。 基于技能的招聘减少了偏见。一家大型半导体公司告诉我们,他们现在使用基于人工智能的技能平台进行招聘(Eightfold),他们的整个候选人渠道增加了两倍多。他们通过在简历中隐藏姓名、性别和学历来寻找具有卓越技能的人。 在职业发展和成长方面,人才市场和内部流动工具带来了惊人的成果。劳斯莱斯使用基于技能的模型来寻找制造和生产专家,使人们能够轮换到工程和运营方面的新工作。大都会人寿、施耐德电气、强生和其他公司使用人才市场(基于技能的员工职位匹配系统)来促进零工工作、职业发展和人才流动。 在薪酬和奖励方面,公司正在尝试基于技能的薪酬。一家大型管道公司告诉我们,他们现在对各个职能领域(泵、仪表、电气工程)的维修技术人员进行认证,当技术人员获得相关技能证书时,他们的时薪会上涨 5-10 美元。想象一下我们可以根据技能模型分析的所有薪酬公平数据:这可能会帮助我们进一步减少不平等,无论职位级别或头衔如何。 在技​​术、IT 和科学领域,许多组织感到自己无法跟上。例如,您的公司为人工智能做好了多少准备?与我们合作的一家公司正在为其 IT 职能构建新的技能模型,他们发现许多员工正在研究已有 15 年历史的技术。新模式正在帮助他们招聘、重新培训和激发整个 IT/产品职能,从而提高招聘、保留率和生产力。 那么我们如何扩大规模呢? 从数据的角度来看,企业需要构建一种以业务为中心的方式来管理、治理和更新这些模型。 例如,爱立信为其大规模 5G 转型构建了明确的技能模型。该模型是由工程师、销售和营销团队以及首席学习官共同设计的。他们坐下来决定要解决哪些领域、角色和技术,并从那里确定了一个发展的模型。他们的新旅程是刷新所有 IT 技能。 纽约梅隆银行在 IT 运营中也采取了同样的方法。他们建立了“能力团队”,在关键工作角色(即产品经理、项目经理、分析)上进行协作,以便团队能够保持最新的技能模型。 当你以这种方式工作时——一个项目接着一个项目——努力就会获得动力。您会获得真正的成果,并且业务支持可以扩大。我们最近帮助一家大型软件公司构建了一个联合模型(协调工作的业务部门),以为其所有客户教育开发技能模型。通过以联合方式执行此操作,他们可以将其内部技能需求与客户的需求合并和管理,利用两个地方的内容和教育。 技能技术挑战 但是系统呢?所有这些技能应该存储在哪里?我们如何让它们保持最新状态? 虽然市场还不成熟,但让我分享一下我们所学到的东西。 许多智能人工智能供应商现在都提供解决方案。Workday、Eightfold、Gloat、Cornerstone、Seekout、Kahuna、Techwolf、Skyhive、Beamery、Phenom、Oracle、SAP 和 ServiceNow 均提供可帮助您存储和定义技能、在不同应用程序中利用它们以及通过各种方式评估技能的产品人工智能和评估技术。 不幸的是,它们各自针对不同的目的进行了优化。例如,Eightfold 可以自动识别职位描述中的技能,找到候选人,然后通过其复杂的模型识别趋势和相邻技能。Cornerstone 可以向您展示海量学习目录中涵盖的所有技能。Techwolf 可以从 Jira 和 Asana 项目中推断技能。Gloat 和 Fuel50 可以推断技能并将其与职业机会、工作和零工相匹配。 当然,每个供应商都希望成为“记录系统”。尽管其中许多供应商拥有大客户,但我们尚未找到一家可以使用一个平台处理所有事情的公司。因此,虽然我们可能在某个时候找到一个能够存储公司每项工作的每一项技能的单一“技能云”,但这一目标尚未实现。 供应商面临的问题是问题的严重性。这些技能系统不仅仅是数据库:它们是人工智能工具,理想情况下使用第二代人工智能来不断寻找技能、推断技能并更新每个工作、个人和职业道路的技能。他们必须拥有与市场上数百个技能库的开放接口(每个行业和每个工作类别都有许多分类法),并且必须拥有帮助您管理、分析、消除重复和整理这些数据的工具。 尽管有这样的说法,这些“技能推理”工具各不相同。招聘平台通常使用最多的数据进行培训。这些平台(Eightfold、Beamery、Seekout、Phenom、iCims)搜索并索引数十亿的员工历史记录,并使用时间序列、神经网络和绩效模型来推断技能。这意味着他们涵盖许多行业,并且可以识别和分析跨行业的许多工作类别的技能。 人才市场平台(Gloat、Fuel50、Hitch)往往深度较低,只是因为它们的目标只是“在公司内部进行匹配”。(Gloat 正在进入整体“人才情报”类别,现在正在跨越界限。)Gloat 推出了一款招聘产品,因此他们的平台显然也正在成为一个端到端的人才情报系统(他们称之为“劳动力敏捷性”) )。 学习技能工具最不复杂(Cornerstone、Degreed、EdCast),因为它们的目标是将某人与课程或学习路径相匹配。(Cornerstone 现在也远远超出了这个范围,并构建了一个全新的 AI 结构来推断 7,000 名客户的技能。) ERP 供应商(Oracle、SAP、Workday 等)最不复杂,因此他们更有可能成为“技能聚合者”,通过 API 来协调这些更专业的系统与其内部机器学习模型之间的技能数据。 在我们新的人工智能白皮书(即将发布)中,我们讨论了这些系统的工作原理,您会发现技能引擎必须做很多事情。它必须推断/访问数十亿的员工档案,需要进行时间序列分析,并且需要先进的人工智能(神经网络)来推断、识别和构建识别技能的模型。 随着时间的推移,每个技能技术供应商都会走自己的路。Techwolf、Retrain 等较新的供应商正在将公司数据视为技能推断的来源,现在在 Asana 或 Jira 中对信息进行索引。这些数据虽然有限,但却打开了一扇新门:想想 Microsoft Graph 中的技能信息。利用这些信息的供应商(Viva Topics 是为了文档管理而这样做的)可以了解更多有关内部技能的信息。最终这就是您需要的数据类型。 无论技术市场如何发展,成功的项目都会关注一个问题。宝洁建立了一个技能分类法,帮助他们在疫情期间加强供应链工作。路透社建立了一个技能分类法来帮助他们建立和扩大数据科学团队。爱立信的技能之旅始于 5G 重新设计。这样的例子不胜枚举。 当我们看到这些项目的进展时,我相信这项工作的好处是巨大的。开始这一过程的公司可以快速了解大量有关其员工的信息。他们开始了解治理流程。他们与供应商建立了经验,帮助他们确定谁可以扩展以满足他们的特定需求。 走向何方:从“工作”到“工作” 最后一点。这项工作比你想象的还要重要。正如我在《不可抗拒》中所讨论的,这项工作是更大转变的一部分,从“严格定义的工作”到专注于工作的“角色”。我们称之为商业“后工业模式”的黎明。 这意味着花时间仔细地做这件事是可以的。建立治理、尝试不同的工具并一步一步地“爱上这个问题”是可以的。因此,在未来几年中,我们将建立适应性更强、规模更大、生产力更高的公司。 基于技能的组织正在一步步地到来。如果您认真对待转型并考虑它将变得多么重要,您就可以制定一个可行的计划。
    Josh Bersin
    2023年07月10日
  • Josh Bersin
    Josh Bersin认为的未来趋势:人工智能时代员工成为“超级工人“,而公司和团队将会变得更小! 随着我们都开始了解人工智能在公司中的作用,一个新的时代已经出现了。我称之为 "超级工人 "的时代--公司里的每个人都拥有他们以前从未经历过的 "超人 "力量。 是的,由于人工智能,我们都有机会获得信息、洞察力、教育和我们过去努力工作才能获得的观点。我们的新人工智能系统HR Copilot(我们将在下周的会议上进行预览),使人力资源专业人士能够获得20多年的研究、供应商分析、案例研究和劳动力市场数据--所有这些都来自一个提示。因此,人力资源专业人员,就像所有的工人一样,突然有机会获得过去需要几个小时(或几个星期)才能收集到的信息。 如果你看一下全球经济的生产力(以每小时工作的国内生产总值衡量),曲线几乎是直接向上倾斜的。换句话说,人工智能的时代,我称之为 "智能时代",将导致员工和工人拥有前所未有的超能力。而这些人,我们可能会为某个特定的工作而雇用,很快就会有多学科的能力,这仅仅是由于基于神经网络的学习和信息检索的力量。 正如杰弗里-辛顿(Geoffrey Hinton)在其最新的讨论中所描述的那样,生成性人工智能不仅仅是一种 "寻找或组合信息的更快方式"。它将来自数千个来源的信息连接起来,并以我们以前从未见过的速度将其同化为背景。因此,在我们的案例中,正在处理薪酬问题的人力资源专业人员可以立即看到任期、多样性、工作级别,甚至绩效的作用都在一个地方。 我曾要求巴德做一些事情,比如 "分析埃克森与雪佛龙的财务业绩",在短短一分钟内,它就向我显示了毛利率、储备、市值、盈利能力以及其他一系列需要花时间才能弄清楚的指标的变化。它将多方面的信息汇集在一起,并将其作为一个整体做得相当好。 这就引出了我演讲的主题:如果我们假设我们的员工会通过这些工具成为 "超人",那么我们如何利用所有这些智能和生产力,使我们能够作为一个整体的、有利可图的组织来运作?公司不是由员工的总和组成的:它们 "比员工的总和还要大",创造出各种协同效应,以及通过学习、创新、协调和文化发展起来的团队倍增器。 考虑一下苹果的Vision Pro。根据我的消息来源,有数千人在这上面工作了7年。这项工作的结果并不是1000人独立进行工程创新的总和。而是将这些人集合成团队、小组、项目和学习的结果,形成了一个壮观的、定义类别的产品。 正如我之前描述的那样,这为一个新的想法让路,我称之为 "组织的独创性"。在《不可抗拒的组织》(书)的七个原则基础上,我们现在必须重新思考我们的公司如何工作,假设每个员工都能以比以往更快、更综合的方式获得信息和见解。 想象一下,客户服务将如何工作,或销售,或营销,或工程。生成性人工智能不仅仅是帮助他们更快地写电子邮件或制作时髦的小册子的工具--那些是小的、渐进的改进。随着信息开始以更快的速度和更综合的方式流动,我们如何才能重新调整这些群体,使他们的生产力提高一个数量级? (PS:我对Salesforce的重大人工智能创新是让销售代表更快地发送刺激性的电子邮件印象不深。在过去的两周里,我被人工智能驱动的垃圾邀约淹没了。这 "不是 "独创性的工作)。 我不会在这里泄露所有的秘密,但有一件事我要提到。我认为公司将变得更小。如果说我们从大流行病和我们今年所做的所有系统性人力资源研究中了解到一件事,那就是大多数经理和领导仍然按照 "让我们雇用更多的人以使我们的公司更快地发展 "的思路思考。我认为这一原则很可能会被颠覆。新的口号可能是 "我们如何减少该小组的开销和官僚主义,并利用人工智能使其运作比以往更快、更综合"。 这需要人才管理、工作架构和组织设计方面的重大转变。正如我在本周的博客中简要讨论的那样(我们将在洛杉矶谈论更多),我们需要一个 "后工业化 "的组织设计、绩效管理、问责制和领导力模式。而这,我相信,将是未来最大的创新。 加入我们的旅程,这将是领导力、人力资源和持续学习世界中令人兴奋的十年。 来源:joshbersin
    Josh Bersin
    2023年06月16日
  • Josh Bersin
    HR-GPT已经到来,海外诸多产品加速接入ChatGPT,你能想到哪些场景? 越来越多的HRTech公司开始接入生成式人工智能(AIGC如ChatGPT)以增强其产品能力,下面2张图就是介绍了Paylocity推出得AI Assist™ 展示的部分功能。其实在招聘领域已经有不少的机构也开始接入,本文就介绍了Beamery 推出的 TalentGPT。 HRTech推出了GPT的专题,放在文末大家可以保存收藏!我们一起来看看JoshBersin的介绍 不管我们是否准备好,GPT和生成式AI正在迅速到来。在众多领域中,HRTech可能是最先受到影响的。正如比尔·盖茨在他最近的文章中所描述的那样,ChatGPT及其生成式AI表亲将彻底改变我们使用技术的方式(比Windows更具影响力)。在人力资源领域,我们几乎在所有方面都使用工具和系统,因此影响将无处不在。 本周,AI招聘领域的先驱之一Beamery推出了TalentGPT,这是其非常成功的人才灵活性平台的全新界面。我从Eightfold、Seekout、Phenom、CoRise、Workday、iCims以及一个非常时髦的原型CourseAI(courseai.co)中看到了原型和演示,每个原型都或多或少地重新定义了各种人力资源系统的功能。 请记住,我们在人力资源领域使用的大多数工具都是基于搜索、索引和技能推断的。如果您看看招聘跟踪系统(评分和排名候选人)、预聘用评估(评估技能和能力及经验)、学习平台(搜索内容、创建内容大纲、详细学习路径、担任助教)以及所有行政系统(编写职位描述、职位要求、学习计划)所做的事情,每一件事都可以通过GPT来提升或重塑。 在与Beamery的总裁兼联合创始人Sultan Saidov交谈时,他描述了我们在用户界面方面可以期待的巨大变化。想象一下,当您正在寻找一位软件工程师,并要求TalentGPT(Beamery的名称)帮助您找到具有一定技能集的工程师时。该系统将向您提问以精细化您的请求,然后向您展示一系列屏幕,在聊天界面下方显示,以帮助您精细化搜索。 一旦您进一步细化搜索,后端系统(使用Beamery AI模型)可以向您展示您已经细化的候选人,然后帮助您选择合适的人。 (注意:Beamery的AI模型是经过偏见调整的,而GPT开箱即用则不是。作为招聘组织,您可能需要为AI引发的偏见承担责任,因此供应商正在小心行事。) 它可以自动为您找到内部候选人(无需进入人才市场本身),帮助您细化职位名称,甚至为您提供关于薪酬、福利、地点和其他重要标准的即时见解。 正如您所看到的,这种“对话式体验”(我们可以称之为助手或副驾驶员)比“搜索和重新搜索”要更高效、更有用。正如我在最近的播客中讨论的,这就是为什么Bing Search可能会真正颠覆谷歌在消费者互联网搜索领域的地位。我们作为人类更自然地考虑迭代式发现,而这正是ChatGPT的设计目标。 还有更多的东西即将到来。 让我简要地提一下其他几家供应商(我不想提前公布任何产品)。Eightfold、Seekout、Phenom和LinkedIn都在开发工具,以彻底改进撰写职位需求、细化候选人库和寻找优秀候选人的过程。这一功能将帮助重塑职位发布和搜索广告,同时也将彻底改变内部招聘流程。 然后想想候选人的体验。Paradox.ai,这个领域的先驱,已经用他们的AI机器人 Olivia 成功取代了招聘跟踪系统的需求。像麦当劳和通用汽车这样的公司已经证明,候选人根本不需要填写任何表格就能找到好工作。  现在想想,花在内部人才市场和职业发展工具上的精力。为什么员工或招聘经理不直接进入HR-GPT,询问“对我来说,什么是一个好的下一步工作?”然后让系统询问员工关于他或她的兴趣、他们想要使用和不想使用的技能,并搜索工作目录(以及详细的工作信息)以推荐职位?我不得不告诉你,这几乎就是生成式AI设计的目标。(而且,GPT可以识别出您的技能和公司职位的技能,与市场上的任何技能引擎一样好。) 这是否意味着人才市场系统和职业门户将消失?一点也不,但你可以看到这些新的GPT系统可能会有多具颠覆性。我们可能会看到许多您最喜欢的系统(Workday、Gloat、Cornerstone等) 慢慢地转到后台,而一整套新的GPT设计的前端(助手)取而代之。这些不仅仅是“聊天机器人”——它们是高度智能的前端平台(用微软的语言说就是副驾驶员),可以搜索、索引并发现所有这些后端应用程序中正在进行的事情。 在与苏丹(Sultan)讨论这个问题时,我意识到了另一个有趣的事实。构建这些智能前端的供应商可能不是我们今天所熟知的现有公司。例如,Salesforce和Workday这样的公司非常依赖他们现有的用户界面,以至于他们常常“害怕”颠覆自己的系统。毕竟,如果我们有一个Salesforce.com GPT前端,我们同样可以轻松地将其连接到Hubspot,对吧?因此,可能会有新的供应商构建这些新系统,访问我们喜爱的平台的API和数据。而生成式AI“工具栈”正变得越来越深。 理想情况下,我认为精明的HRTech公司会将这些生成式AI界面直接设计到他们的应用程序中。这正是Beamery采取的方法。这是一个全新的HRTech世界,我相信它将极大地改善我们的体验。 尽管大多数大型HCM平台取得了成功,但大多数公司对其用户界面感到沮丧。这并不是因为供应商没有努力构建易于使用的系统。只是“页面、滚动和点击”范式存在局限性,它永远无法展示我们所需的所有功能。一旦将GPT智能系统嵌入或前置到这些系统中,它们将比以往更有用。
    Josh Bersin
    2023年03月28日
  • Josh Bersin
    【观点】"聪明且富有个性”的Bing和ChatGPT使用体验如何?来看Josh Bersin的最新分享! 编者注: 我们已经进入了一个“以人为本的设计”是技术核心的时代,微软非常了解这一点。其推出的Bing聊天机器人也受到了广泛的关注,虽然人们对它的使用感受褒贬不一,但毋庸置疑的的是它正在不断进步和改善。最近,著名人力资源专家Josh Bersin分享了他对于Bing和ChatGPT的使用体验,并针对人工智能应用的道德和信任问题展开了新的思考。 下面是文章的详细内容: 关于Bing的新聊天机器人已经有一系列文章,其中许多是由记者撰写的,他们认为它很有个性。根据人们对Bing、OpenAI和Bard的使用经验,有些用户评价道:“这些人工智能产品似乎确实有“感觉”。” 如果花时间研究,我们会发现这些大型语言系统是数学的奇迹。这些聊天机器人使用各种易于理解的算法来获取手机上的“自动完成”功能,并将其调高三个等级。而且因为聊天机器人可以从数十亿篇文章、书籍、网站和转录的对话中索引,所以它们似乎“足够聪明”,看起来很有个性。 正如Wolfram文章指出的那样,聊天机器人的“个性”可以通过算法进行调整。在某些方面,这些“复制和粘贴机器”可以模仿真实的个性。 例如,阅读Josh Bersin从Bing那里得到的这张笔记。Josh Bersin本人表示对这个回答很满意。 后来在谈话中,Josh Bersin问了Bing关于他的著作。Bing也给出了一些有趣的回应。 虽然,它弄错了一些关于Josh Bersin书中的知识(红色的是不正确的),但尽管如此,它已经做得很好了。另外,这七项原则在相关网站上有清楚地列出。 以下是正确的答案。 然后,Josh Bersin与机器发生了一点“争论”。因为这里涉及到一个错误。然后Bing问Josh Bersin:“你怎么知道这个列表是错误的”?之后,Josh Bersin告诉Bing自己就是作者本人。然而,Bing只是反问了Josh Bersin是谁。看到这里,我们似乎会感到Bing感觉有点“刻薄”,不想被纠正。其实,之后Josh Bersin又得到了新的回答。 后来,当Josh Bersin与几位微软高管交谈时,他意识到微软的工程师团队正在进行实时更改。事实上,在Josh Bersin与Bing发生争吵24小时后,再次使用它时,它更加愿意合作,也不再有兴趣参与辩论了。 1.微软正在以不可思议的速度改善Bing的使用体验 随着Josh Bersin多次使用该系统,他很清楚微软正在迅速“训练Bing”,使其变得更好。这是微软为期一周的状态更新,我们可以看到该公司正在采取“成长心态”方法,有数百名工程师每天24小时都在工作。所以当Bing正在光速改进时,“定义”它是不完全公平的。(微软已经将连续话轮限制为5次,每天50次) 微软的工作有很多层次。首先,底层引擎是基于OpenAI的ChatGPT(可能是4.0)的 "下一个版本",所以这个引擎比网络上的OpenAI演示先进。其次,微软增加了各种UI增强功能(内容来源、聊天历史、推荐问题),使其非常容易使用。但最重要的是,Bing聊天引擎从Bing本身和所有互联网搜索访问内容。Bing每天多次抓取整个互联网信息,因此它的聊天答案是“近乎实时的”。 此外,基于聊天的搜索将淘汰我们从谷歌获得的广告和链接列表。想象一下,如果我们搜索运动鞋,它会给你一些品牌。然后你问:“其中哪一个最适合扁平足的人?”。这种类型的简短互动聊天会帮助您快速找到最好的产品。 微软将Bing视为“网络的副驾驶”,这不是一个糟糕的思考方式。它不是你的“朋友”或“情人”——它是一个功利的工具。从Bing在消费者互动、购物、信息、法律、商业和娱乐中的用例中可以看出,聊天机器人的作用是巨大的。 微软自1991年以来一直致力于人工智能(计算机视觉、NLP、语言处理)开发,并已于2021年在GitHub上推出了人工智能联合试点,取得了巨大成功。该公司刚刚发布了其人工智能责任标准的第二版,该标准教开发人员细分用户类型,识别有风险的用例,并围绕可能的问题进行设计。 2.企业应用程序的需求是巨大的 Josh Bersin向微软团队询问了他们对企业应用程序的计划,当然他们正在研究这个问题。并且微软已经与正在试验该应用程序的招聘、培训、员工支持和合规性方面的供应商进行了数十次讨论。就在上周,微软在Viva销售中引入了基于AI的聊天,它允许销售人员自动创建电子邮件,提案或与客户的通信。 微软还宣布,ChatGPT现已在Teams的新高级版本中提供支持。此功能可让用户为内容编制索引、大纲文档、更好地安排会议等。想象一下,当聊天机器人出现在Teams中以回答有关公司、团队、流程甚至合规性规则的问题时会发生什么。潜力确实是巨大的。 3.道德和信任问题 有许多道德问题需要考虑。微软会让Bing给用户提供有关医疗建议、投资建议、计划生育建议、关系建议吗?这些建议每个都充满了风险。微软当然不希望因为诉讼损害其万亿美元的品牌。所以公司非常小心。这让我们看到了新的商业模式。消费者版本的Bing是通过广告来盈利的。这意味着Bing必须智能、透明地推荐产品。这是对Bing提出的新的挑战。 由于Bing(大概还有Bard)是一台雄辩而友好的机器,它可以“说服我们”买东西。它会“强烈推荐”一个为广告支付最多的解决方案吗?还是会毫无意见地“列出替代方案”?我会让科技巨头弄清楚。(也许用户评级系统可以提供帮助)。 然后是信任问题。我们可以相信Bing会保持公平和中立吗?鉴于Elon Musks在自动驾驶汽车方面的问题,消费者理所当然地问:“我们能相信微软能给我公正的结果吗?” 就微软而言,他们的技术产品会日渐成熟。我们已经进入了一个“以人为本”为技术核心的时代,微软非常了解这一点。在与Bing聊天了几个小时之后,Josh Bersin仍然认为这项技术是惊人的。 HR如何更好学习使用AI带来的变革?最近大火的ChatGPT到底是什么?我们又该如何将之运用到我们的人力资源管理工作中?3月24日深圳Inspire2023HR科技发展趋势论坛现场(点击蓝色文字进行了解详情并报名),给您揭晓答案!同时也带您一起探讨2023人力资源科技趋势! 文章来源:Josh Bersin
    Josh Bersin
    2023年02月20日