-
OpenAI
【伦敦】AI面试记录工具Metaview 获得 700 万美元 A轮融资，用 AI 革新面试记录，省去面试官写面试记录
Metaview 在招聘领域取得了一项重要成就，成功获得了 700 万美元的 A 轮融资。这一成就不仅反映了新老投资者对 Metaview 创新策略的认可，更标志着招聘流程革新的新篇章。这次融资由 Plural 领头，同时获得了 Zach Coelius、Vertex Ventures US、Seedcamp、Village Global 等知名投资者的支持，以及来自 Barney Hussey-Yeo (Cleo)、Kyle Parrish (Figma) 等业界领袖和众多 Metaview 客户的热情助力。
自 2018 年成立以来，Metaview就致力于解决招聘过程中存在的各种低效问题。该公司发现，招聘过程中产生的大量非结构化的环境数据蕴含着优化团队建设的巨大潜力。虽然初期在数据利用上遇到了挑战，但 OpenAI 在 2022 年底推出的 GPT-3.5 成为了 Metaview 的游戏规则改变者，帮助公司从数据中提取有价值的洞察，进而全面转向以 AI 为核心的战略。
这一战略调整为 Metaview 带来了爆炸性的增长，客户数量和用户参与度分别实现了 20 倍和 23 倍的年度增长。通过 AI 洞察驱动的策略，Metaview 大幅降低了客户获取成本，成功地将用户转化为品牌的忠实倡导者，并在招聘领域树立了新的里程碑。
展望未来，Metaview不仅计划将 AI 作为优化现有工作流程的工具，而且还打算以 AI 为基石，彻底重塑招聘流程，特别是在至关重要的招聘环节上。凭借新一轮的资本注入，Metaview 正在积极扩充其产品、工程、营销和销售团队，寻找那些渴望在这场革命中发挥重要作用的有志之士。
Metaview 的发展轨迹标志着招聘方式的一次大胆创新，展现了一个未来愿景：在这个愿景中，AI 驱动的洞察将简化并优化招聘流程，使其更加高效和有效。在投资者的强力支持和团队的全力投入下，Metaview 正在朝着重塑招聘流程和决策、为数百万客户带来创新解决方案的目标稳步前进。
关于Metaview
Metaview 是一家提供自动化、AI驱动的面试记录服务的公司。它旨在帮助招聘人员节省时间，专注于与候选人和招聘团队的高质量互动。Metaview自动记录面试过程中的对话，生成笔记，使招聘人员可以更专注于面试本身而非记录过程。此外，Metaview的服务与现有的视频会议平台、移动通话等工具兼容，不需要改变现有的工作流程。它还考虑到数据安全和隐私保护的需要，遵守GDPR和CCPA等法规。Metaview特别为招聘过程设计，不仅仅是一个通用的摘要工具，能够理解招聘对话的细微差别，并与其他数据源（如ATS）结合使用，以合成最相关的笔记。
-
OpenAI
【法国】提供GenAI平台公司Adaptive ML获得2000万美元种子轮融资，帮助企业打造独特的GenAI体验
Adaptive ML是一家能让公司根据用户的互动情况不断改进其生成式人工智能模型的初创公司，公司宣布已获得由Index Ventures领投的2000万美元种子轮融资。ICONIQ Capital、Motier Ventures、Databricks Ventures、IRIS、HuggingFund by Factorial以及许多著名的天使投资人也加入了本轮融资。
Adaptive的愿景是让各地的企业都能利用不断学习的生成模型的优势，并提供直观的体验来提升关键业务指标。公司已经推出了企业平台的第一个版本，并将利用这笔资金继续投资于研究和产品开发，并迅速壮大巴黎和纽约的团队。
"Adaptive ML 首席执行官Julien Launay说："在 Adaptive ML，我们正在简化通往更直观、更有粘性的 genAI 应用程序的道路，直接推动用户体验和业务成果的改善。"从长远来看，我们设想永久学习模型吸收每一次交互，为每一位用户提供独一无二的体验。
企业对使用大型语言模型（LLM）的需求很高，然而，目前在通用现成模型与使其适用于特定生产用例之间存在很大差距。
只有当模型与用户的目标相一致时，才能产生吸引人的体验。实现这一目标是一个复杂的过程，涉及高度技术性和专业化的技术。这种复杂的偏好调整过程推动 OpenAI 成为像 ChatGPT 这样的世界性现象。Adaptive 将释放这些技术的威力，并让世界各地的企业都能使用它们。
Adaptive 平台抽象了微调和强化学习的技术细节，加快了基于 LLM 的产品的发布速度。为了实现这一目标，Adaptive 在工程设计、数据和部署方面采用了创新方法。
"对齐是用户体验大型语言模型的基础，"Index Ventures合伙人Bryan Offutt说。"预训练教会模型如何思考，而对齐则教会模型如何交流。我们很高兴能与Adaptive合作，将对齐的力量带给各地的企业，使他们能够建立适合其业务的生产就绪模型。
关于 Adaptive ML
Adaptive ML公司成立于2023年，由Baptiste Pannier、Julien Launay和Daniel Hesslow创立，是一家提供Gen人工智能平台的公司，旨在构建解决方案，帮助客户建立更准确、更高效的专业人工智能模型。公司利用公司数据以及用户互动和反馈，提供有助于获得反馈的机器学习模型。其愿景是让各地的企业都能利用不断学习的生成模型的优势，提供直观的体验，提升关键业务指标。
-
OpenAI
Josh Bersin谈：如何创建人才密度？
在这篇文章中，我想谈谈一个新概念--人才密度。当我思考这个概念时，我认为它代表了管理中更重要的话题之一。因此，我希望你和我一样觉得它很有趣。
首先，人才密度的概念很简单，它是由 Netflix 首创的。
人才密度是指公司拥有的技能、能力和业绩的质量和密度。
因此，如果你的公司 100%都是高绩效人才，那么你的人才密度就非常高。如果你的公司只有 20% 的高绩效人才，那么你的人才密度就不高。这很容易理解，但很难实施，因为它涉及到我们如何定义绩效、如何选聘人才、如何决定谁会得到晋升、如何决定谁会参与哪个项目以及如何分配薪酬。
因此，在解释人才密度之前，我们先来谈谈大多数公司的基本信念。大多数企业都认为，他们的绩效是呈正态分布或钟形曲线的。我不知道为什么这种统计模型会被应用到组织中，但它几乎成了一项标准政策。(学术界已经证明它是错误的，我将在下文中解释）。
利用钟形曲线，我们可以确定 "平均值 "或平均绩效，然后将绩效分为五个等级。1 号是向右两个标准差，5 号是向左两个标准差。
在第一级工作的人可以获得大幅加薪，在第二级工作的人可以获得中等加薪，在第三级工作的人可以获得平均加薪，在第四级工作的人可以获得低于平均水平的加薪，而在第五级工作的人可能需要离开。在这个过程中会有很多政治因素，但通常就是这样。
正如我在《钟形曲线的神话》一书中所描述的，这些绩效和薪酬策略已经沿用了几十年。由于统计数据限制了 "1 "的数量和价值，这些策略在规模上造成了以平庸为中心的组织。如果你的绩效是 1，而你得到的是 2，你就会辞职。如果你的业务水平是 3 级，你很可能会被淘汰。你明白我的意思。由于公司大部分员工都被评为 2 级或 3 级，因此大多数经理都处于中间水平。
俗话说，A 级经理雇佣 A 级员工，B 级经理雇佣 C 级员工。因此，随着时间的推移，如果不不断调整，我们的组织几乎注定只能处于中等水平。
我并不是说每家公司都会经历这样的过程，但如果你看一下大型组织的员工人均生产率，几乎总是低于小型组织。为什么呢？因为随着组织的发展，人才密度会下降。(以 Netflix 为例，其每名员工创造的收入接近 300 万美元，是谷歌的两倍，迪士尼的 10 倍。他们是唯一盈利的流媒体公司，员工人数不到 2 万，市值 2400 亿美元）。
传统模式在工业时代还算不错，那时我们人才过剩，工作定义明确，大多数员工都以 "生产了多少小部件 "来衡量。在那个时代，我们可以把 "表现差的人 "换成 "表现好的人"，因为就业市场上有很多人。
我们不再生活在那个世界里了。我们现在生活的世界，失业率低于 4%，关键技能持续短缺，劳动力日益短缺。而由于自动化和人工智能的发展，人均收入或价值已经飙升，几乎比 30 年前高出一个数量级。
因此，我们需要一种更好的方式来考虑绩效问题，在这个世界上，人员较少的公司可以超越那些规模过大的公司。看看 Salesforce、谷歌、苹果这些本质上都是创意公司的公司，是如何随着规模的扩大而放缓创新能力的。看看规模很小的 OpenAI 是如何超越谷歌和微软的。
如今，大多数企业都是通过创新、上市时间、客户亲密度或知识产权来实现超越的，而不是通过规模或 "更努力的工作"。
在公司不断发展壮大、大量招聘员工的情况下，我们如何保持高水平的人才密度？在这方面，Netflix 写了一本书，让我来给你讲讲。
首先，招聘过程应注重人才密度，而不是人满为患。我们招聘的不是 "填补空缺 "的人，而是对整个团队有增值或倍增作用的人。我们要招聘的是能够挑战现状，带来新想法、新技能和新理念，超越 "工作 "定义的人。例如，Netflix 重视勇气、创新、无私、包容和团队合作。这些都不是关于 "做好本职工作 "的表述。
Netflix 的想法是，每一次递增式招聘都应该让公司里的其他人和团队里的其他人都能做出更高水平的业绩。现在，这对缺乏安全感的经理人来说是个威胁，因为大多数经理人都不愿意雇佣可能夺走自己饭碗的人。但这就是我们遇到这个问题的原因。
其次，我们需要围绕帕累托分布（也称为幂律）而不是正态分布来管理或创建某种类型的绩效管理流程。在帕累托分布或幂律中，我们有一小部分人创造了超常的绩效水平，你可以称之为 80/20 法则或 90/10 法则。(20%的人做了 80% 的工作）
研究表明，公司和许多人群都是这样工作的，这是有道理的。想想运动员，少数超级运动员比同龄人强 2-3。音乐、科学和娱乐界也是如此。销售和许多商业领域也是如此。
Ernest O'Boyle Jr.和 Herman Aguinis 在 2011 年和 2012 年进行的研究（共 198 个样本中的 633263 名研究人员、艺人、政治家和运动员）发现，这些群体中有 94% 的人的表现不符合正态分布。相反，这些群体属于所谓的 "幂律 "分布。
在人类的每一个群体中，都有少数人拥有上帝赋予的天赋，在工作中表现出色，他们似乎天生就比其他人优秀得多。
比尔-盖茨曾对公司的人说，他认为有三个工程师成就了微软公司。我在许多其他公司也听到过这种说法，一个软件工程师和合适的角色可以完成其他 10 个人的工作。
现在，这并不是说每个人都会陷入帕累托分布的某一层次。在你职业生涯的某个特定时间点，你可能处于 80% 的水平，而随着时间的推移，随着你的学习和成长，随着你发现自己天生擅长的事情，你最终会处于 20% 的水平。但在一个特定的公司里，这是一个不断发生变化的动态过程。这就是 Netflix 的做法--不断提高人才密度。
这对绩效管理意味着什么？这意味着，为了照顾到这样一个群体，我们必须以不同的方式进行招聘，避免钟形曲线，并为高绩效者提供高薪。不是比其他人多一点，而是多得多。体育和娱乐界如此，商业界何尝不是如此。
如果你看看谷歌、微软等公司，这些公司中有些人的收入是同行的两到三倍。只要这些决定是根据业绩做出的，人们就会接受。
显然，如果赚大钱的人是最好的政客、最帅的人或最受欢迎的人，那就行不通了。
这就引出了第三点： 在 Netflix 文化中，有大量的授权、360 度反馈、坦诚和诚实。你可能读过 Netflix 的文化宣言：人们需要诚实、讲真话、相互反馈，并注重判断力、勇气和责任感。Netflix 最近才增加了职位级别：他们多年来一直没有职位级别。
给人反馈是一项挑战，因为这让人不舒服。因此，这必须从高层开始，而且必须以发展、诚实的方式进行。这并不意味着人们应该相互威胁或诋毁，但我们都需要知道，在项目结束或会议结束时，有人可以告诉我们 "这里有什么好的地方，这里有什么不好的地方"。
作为世界上最重要的机构之一，美国军队的生老病死都离不开这个过程。如果你在军队里搞砸了什么事，你可以保证有人会告诉你，你会得到一些帮助，确保你不会再犯。在公司里，我们没有生死关头，但我们肯定可以利用这种纪律。
人才密度的第四个要素是领导力和目标设定。阻碍高绩效公司发展的真正原因之一是个人目标过多，项目和责任各自为政，人们看不到全局。
如果你的目标设定和绩效管理过程完全基于个人绩效，那么你的公司就没有达到最佳状态。这不仅不利于团队合作，而且公司中确实没有一件事是任何人可以单独完成的。因此，我们的绩效管理研究不断表明，人们应该为自己和团队的成就获得奖励。(以下是研究解释）。
为什么现在人才密度很重要？让我来谈谈几个原因。
首先，我们正在进入一个低失业率时期，因此每次招聘都将充满挑战。而且，由于人工智能的出现，公司将能够以更小的团队进行运作。还有比这更好的时机来考虑如何 "裁员"，让公司发挥最佳效能吗？
其次，人工智能带来的转型需要公司具备很大的灵活性和学习敏捷性。您需要一个高度集中、步调一致的团队来帮助实现这一目标。虽然人工智能将帮助每家公司不断进步，但您快速利用人工智能的能力将转化为竞争优势（回想一下网络、数字和电子商务是如何做到这一点的）。
(我坚信，人工智能应用最巧妙的公司将颠覆竞争对手）。我仍然对 Whole Food 的手部识别结账流程感到惊讶： 我可以预见，自助式咖啡、杂货以及其他零售和酒店服务业将会出现）。
第三，后工业时代的商业世界将开始贬低庞大、笨重的组织。许多大公司只需要很多人，但正如西南航空公司很久以前教导我们的那样，小团队才会有好业绩。因此，如果你不能把公司分解成高绩效的小团队，你的人才密度就会受到影响。
当苹果公司价值 100 亿美元的汽车被写入书中时，我打赌其中一个问题就是团队的大小和规模。我们很快就会看到。顺便说一句，我仍然推荐大家读一读《The Mythical Man-Month》，在我看来，这本书堪称小型团队组织的圣经。
如果你是一家医疗保健提供商、零售商、制造商或酒店管理公司呢？人才密度适用于你吗？当然适用！去好市多（Costco）看看那里的员工有多开心，有多投入。然后再去一家经营不善的零售商，你就会感受到其中的差别。
我在《无法抗拒》一书中举例说明了一些公司，它们都接受了我所说的 "人类精神永不熄灭的力量"。没有人愿意感觉自己表现不佳。只要正确地关注责任和成长，我们就能帮助每个人超越他们的期望。
现在是重新思考我们的组织如何工作的时候了。我们不仅要提拔和奖励表现优异的员工，帕累托法则和人才密度思维也鼓励我们帮助中层员工学习、成长，并将他们改造成超级明星。
让我们抛弃钟形曲线、强制分布和简单化绩效管理的旧观念。追求永恒高绩效的公司是充满活力的工作场所，它们能提供卓越的产品和服务，对利益相关者来说也是巨大的投资。
-
OpenAI
【伦敦】数据分析平台Fluent获得690万欧元种子轮融资，以实现其AI驱动的数据分析仪横扫整个工作量的目标
改变决策者获取和使用商业数据方式的数据分析平台 Fluent 宣布完成由 Hoxton Ventures 和 Tiferes Ventures 领投的 690 万欧元种子轮投资。新投资将用于加速 Fluent 突破性技术的开发，并扩大其在欧洲的人工智能和机器学习专家团队。
Fluent 公司成立于 2021 年，是一家由人工智能驱动的数据分析师公司，它能让非技术团队成员用简单的英语直接向数据提出问题，在几秒钟内获得洞察力，并让数据团队免于手动回答临时数据请求的痛苦。
Fluent 公司首席执行官Robert Van Den Bergh说： "数据团队平均有 40% 的时间用于回答来自业务部门的问题。对数据团队来说，这些问题很多都很容易回答，但却使他们无法进行更深入、更具战略性的分析，而这些分析可能会改变他们的业务。借助 Fluent 的自然语言界面，我们可以帮助团队成员自助回答他们的数据问题。
在过去两年中，Fluent 赢得了包括贝恩公司在内的旗舰客户，实现了数据访问的民主化。
贝恩公司合伙人Ian Weber评论说： "Fluent 的平台帮助我们利用 LLMs 对大型复杂数据集进行分析并提供见解。Fluent 允许我们的非技术用户快速、高效、准确地获得所需的答案，尤其是对于预建数据仪表盘而言过于复杂或具体的问题。我们很高兴能探索 Fluent 未来如何帮助我们的客户更好地获取数据和见解。
Fluent 首席技术官Cameron Whitehead补充说："我们的客户已经采用了 Tableau 和 Looker 等商业智能工具，希望他们的非技术团队成员能够自行查询数据，但很快就发现这些工具技术性太强，导致只有一小部分团队成员真正使用它们。Fluent 就是为了满足那些非数据专家的团队成员的需求而打造的。
自2022年OpenAI的ChatGPT推出以来，各组织一直在对该技术进行测试，以了解在哪些方面可以提高工作效率，而分析Excel文件一直是比较受欢迎的应用之一。然而，能够与组织一起扩展的企业就绪解决方案仍处于萌芽阶段，准确性和信任度方面的担忧限制了该技术的采用。Fluent 弥补了这一缺陷，提供了一个企业就绪的解决方案，让数据团队可以轻松地整理、管理和信任数据。
Hoxton Ventures 合伙人 Charles Seely 评论说： "在一个数据驱动的世界里，目前的数据分析方法是企业的短板，在他们的组织中造成了永久性的瓶颈，拖慢了每个人的速度，阻碍了决策。Fluent 的方法不仅具有创新性，而且是企业迫切需要的，我们很高兴能参与他们重塑企业与数据交互方式的旅程。
Tiferes Ventures管理合伙人、InVision联合创始人Clark Valberg补充说："Fluent通过在每个组织层级实现实时访问数据驱动的洞察力的民主化，实现了协作智能的全新模式。我相信这是现代企业内部发生的最重要的战略和文化演变。
-
OpenAI
OpenAI正在测试ChatGPT的上下文自定义记忆功能
OpenAI正在测试ChatGPT的新记忆功能，允许它跨对话记住用户的讨论，以增强未来的互动。用户可以完全控制此功能，包括命令ChatGPT记住或忘记特定细节或完全禁用记忆。这次更新旨在在不重复信息的情况下个性化体验，提供了通过设置管理记忆的选项。此外，临时聊天提供了不使用记忆的对话选项，自定义指令进一步定制了ChatGPT的响应。随着这些功能的发展，隐私和安全标准也在进化，确保敏感信息得到适当处理。
我们一起来看看OpenAI的官方博文内容：
我们正在使用 ChatGPT 测试记忆。记住您在所有聊天中讨论的内容可以使您不必重复信息，并使以后的对话更有帮助。
您可以控制 ChatGPT 的记忆。您可以通过对话或设置明确地告诉它记住某些内容，询问它记住了什么，并告诉它忘记。您也可以完全关闭它。
本周我们将向一小部分 ChatGPT 免费版和 Plus 用户推出，以了解它的有用性。我们将很快分享更广泛推广的计划。
记忆是如何运作的
当您与 ChatGPT 聊天时，您可以要求它记住特定的内容或让它自行获取详细信息。使用越多，ChatGPT 的记忆力就会越好，并且随着时间的推移，您会开始注意到改进。例如：
您已经解释过，您更喜欢会议记录在底部总结标题、项目符号和行动项目。 ChatGPT 会记住这一点并以这种方式回顾会议。
您已告诉 ChatGPT 您拥有一家附近的咖啡店。当为庆祝新地点的社交帖子集思广益时，ChatGPT 知道从哪里开始。
你提到你有一个小孩，她喜欢水母。当您要求 ChatGPT 帮助创建她的生日贺卡时，它会建议一只戴着派对帽的水母。
作为一名有 25 名学生的幼儿园老师，您更喜欢 50 分钟的课程以及后续活动。 ChatGPT 在帮助您创建课程计划时会记住这一点。
由你掌控
您可以随时关闭记忆（设置 > 个性化 >记忆）。当记忆关闭时，您将无法创建或使用记忆。
如果您希望 ChatGPT 忘记某些内容，只需告诉它即可。您还可以在设置（设置 > 个性化 > 管理记忆）中查看和删除特定记忆或清除所有记忆。 ChatGPT 的记忆会随着您的互动而演变，并且与特定对话无关。删除聊天记录并不会消除其记忆；您必须删除记忆本身。您可以在我们的帮助中心找到更多详细信息。
我们可能会使用您向 ChatGPT 提供的内容（包括记忆）来为每个人改进我们的模型。如果您愿意，可以通过数据控件将其关闭。与往常一样，我们不会使用来自 ChatGPT 团队和企业客户的内容进行训练。在我们的帮助中心详细了解我们如何使用内容来训练模型以及您的选择。
使用临时聊天进行无记忆对话
如果您想在不使用记忆的情况下进行对话，请使用临时聊天。临时聊天不会出现在历史记录中，不会使用记忆，也不会用于训练我们的模型。在我们的帮助中心了解有关临时聊天的更多信息。
自定义指令也让 ChatGPT 更有帮助
自定义指令继续允许您向 ChatGPT 提供直接指导，了解您希望它了解您的哪些信息以及您希望它如何响应。如需明确的信息或说明，您可以将其添加到您的自定义说明中。对于通过对话共享的信息，ChatGPT 可以为您记住相关详细信息。
不断发展我们的隐私和安全标准
记忆带来了额外的隐私和安全考虑，例如应该记住什么类型的信息以及如何使用它。我们正在采取措施评估和减少偏见，并引导 ChatGPT 避免主动记住敏感信息，例如您的健康详细信息 - 除非您明确要求这样做。
团队和企业客户可以更高效地工作
对于企业和团队用户来说，使用 ChatGPT 进行工作时记忆会很有用。它可以了解您的风格和偏好，并以过去的互动为基础。这可以节省您的时间，并带来更相关、更有洞察力的回复。例如：
ChatGPT 可以记住您的语气、声音和格式偏好，并自动将它们应用到博客文章草稿中，无需重复。
编码时，您告诉 ChatGPT 您的编程语言和框架。它可以记住后续任务的这些偏好，从而简化流程。
对于每月业务回顾，您可以安全地将数据上传到 ChatGPT，它会创建您喜欢的图表，每个图表包含三个要点。
与任何 ChatGPT 功能一样，您可以控制组织的数据。关于您工作空间的记忆和任何其他信息均不包含在我们的模型训练中。用户可以控制他们的记忆在聊天中的使用方式和时间。此外，企业帐户所有者可以随时关闭其组织的记忆。
作为我们更广泛部署的一部分，企业和团队用户将有权访问记忆。
GPT 也有记忆
GPT 将有自己独特的记忆。构建者可以选择为其 GPT 启用记忆。就像您的聊天一样，记忆不会与构建者共享。要与支持记忆的 GPT 交互，您还需要打开记忆。例如：
图书GPT可帮助您找到下一本读物。启用记忆功能后，它会记住您的偏好，例如最喜欢的类型或热门书籍，并相应地定制推荐，而无需重复输入。
每个 GPT 都有自己的记忆，因此您可能需要重复之前与 ChatGPT 共享的详细信息。例如：
如果您使用Artful Greeting Card GPT为您的女儿创建生日贺卡，它不会知道她的年龄或她喜欢水母。您需要告诉它相关的详细信息。
当我们更广泛地推出 GPT 记忆时，它就会可用。
以下是ChatGPT记忆功能更新的10个关键点概要：
记忆功能测试： OpenAI正在测试让ChatGPT记住用户在对话中提供的信息的能力，以在未来的交流中利用这些信息。
用户控制： 用户可以控制ChatGPT的记忆功能，包括命令ChatGPT记住或忘记特定信息，或完全关闭记忆功能。
隐私与安全： 引入记忆功能时，OpenAI特别强调了隐私和安全的重要性，确保用户信息的处理方式安全合规。
临时聊天模式： 为了进一步保护用户隐私，提供了一种临时聊天模式，允许用户进行对话而不留下任何记忆。
个性化体验： 记忆功能旨在提供更加个性化的聊天体验，让ChatGPT能够根据用户的历史交流提供更加相关和连贯的回答。
自定义指令： 用户可以通过自定义指令来精细控制ChatGPT的行为和记忆功能，包括指定记忆的内容和持续时间。
企业级应用： 记忆功能也针对企业用户进行了优化，支持团队合作和信息共享，提高工作效率和协同作业的能力。
测试与反馈： OpenAI正在进行广泛的测试，收集用户反馈来不断改进记忆功能，确保它既实用又符合用户期望。
技术改进： 除了用户界面的改进外，OpenAI还在技术层面上不断优化，以提高记忆功能的准确性和效率。
未来发展： OpenAI计划根据用户反馈和测试结果继续扩展记忆功能，包括更多个性化选项和改进的隐私保护措施。
-
OpenAI
【美国】企业用量计费解决方案提供商Metronome获得4300万美元B轮融资
总部位于加利福尼亚州旧金山的企业用量计费解决方案提供商 Metronome 获得了4300万美元的 B 轮融资。
本轮融资由 NEA 领投，此前的支持者 Andreessen Horowitz 和 General Catalyst 也参与了本轮融资。在融资的同时，NEA 风险合伙人 Hilarie Koplow-McAdams 加入了 Metronome 董事会。
公司打算利用这笔资金扩大运营和业务范围。
Metronome于2019年创办，在首席执行官 Kevin Liu 和首席技术官 Scott Woody 的领导下，Metronome 为现代软件公司提供了一个基于使用量的计费平台。有了它，团队可以快速推出新产品和定价，简化收入工作流程，并为客户提供实时的消费透明度。
我们相信 SaaS 公司不应该在打造产品和将产品推向市场之间做出妥协。我们在整个职业生涯中都看到了这个问题：在我们之前的初创公司、在 Dropbox，以及在我们设计 Metronome 时与之交谈过的数百家公司。尽管在工程和运营方面投入了大量资金，但团队还是受到计费系统的束缚。我们创建 Metronome 的初衷是提供一个更好的选择--一条不费吹灰之力就能实现世界级计费的道路。
这显然引起了我们客户的共鸣。对于初创企业来说，今年是充满挑战的一年，而 Metronome 却幸运地实现了巨大增长。我们已经建立并部署了一个计费系统，如今，包括 Databricks、OpenAI、Anthropic、英伟达（NVIDIA）等在内的 SaaS 领域发展最快的公司都在使用该系统。初创公司选择 Metronome 以最小的工程开销提供一流的计费体验，而企业则与我们合作，加速向云收入和基于使用量的定价过渡。
在2024年，我们将更轻松地构建和维护数据管道集成，以释放更多的工程时间。我们将简化数据进出 Metronome 与数十个业务系统的流程，以更好地满足用户的工作需求。我们正在全面调整核心数据模型，以实现复杂的报价到现金工作流程的完全自动化和更大的定价灵活性。我们正在扩大对对账、收入确认和审计用例的支持，使 Metronome 成为财务团队的世界级工作流程工具。
关于Metronome
Metronome 设计为从数据到收入的完整计费平台，因此计费永远不会成为瓶颈。快速启动并运行计费系统，与您共同成长。Metronome 的实时数据基础设施可将原始使用事件转化为计费指标，无需复杂的数据管道。我们的惰性保证和数据回填功能可确保您的发票始终准确无误。
-
OpenAI
美国初创公司Sema4.ai获得3050万美元融资，将开源人工智能引入关键任务企业工作中
Sema4.ai 是一家位于加利福尼亚州旧金山的初创公司，致力于将开源人工智能技术应用于企业关键任务中，筹集了3050万美元的资金。
支持者包括 Benchmark 和 Mayfield Fund。
在首席执行官 Rob Bearden 的领导下，Sema4.ai 正在构建智能代理，以改变知识工作者与人工智能协作的方式。公司实现了有意义的人机协作，支持并简化了知识工作者的复杂决策。客户现在可以在其最敏感的工作流程中安全可靠地利用 LLM 的强大功能，从低水平、低价值的自动化转向原生的、基于人工智能的代理。
公司还宣布推出基于 Python 的新 AI Actions 框架的社区版本，该框架可直接与 LangChain 和 OpenAI 集成。
公司正利用这笔资金收购开源自动化公司 Robocorp。Robocorp 的创始人兼首席执行官 Antti Karjalainen 成为 Sema4.ai 的联合创始人。
对于全球数十亿知识工作者来说，人工智能的承诺尚未实现。大型语言模型（LLM）可以总结大量信息并与人类对话，但却难以支持和简化知识工作者复杂的端到端工作流程。现有的企业自动化解决方案仅限于简单、重复、点对点的任务，因为它们缺乏知识工作的基本能力，例如管理模糊性的智能和推理能力，以及适应不断变化的企业环境并采取实时行动的能力。
Sema4.ai的创始团队由久经考验的行业领袖Rob Bearden、Ram Venkatesh、Suds Menon和Paul Codding组成，他们在数据管理、分布式系统、应用程序开发和开源领域拥有深厚的专业知识和数十年的丰富经验，包括Cloudera、Docker、Hortonworks、SpringSource和JBoss等公司。通过此次收购，Robocorp 创始人兼首席执行官 Antti Karjalainen 也加入了创始团队，进一步丰富了公司在开源和自动化领域的经验。
"Sema4.ai首席执行官Rob Bearden表示："我们的创始人都拥有建立重要企业软件业务的丰富经验。"我们之所以收购 Robocorp，是因为我们深信，没有行动的智能是不完整的，而没有智能的行动充其量是非战略性的。通过合作，我们完全有能力打造定义类别的智能代理，将上下文与行动联系起来，改变企业的工作方式。
"Benchmark公司的普通合伙人Peter Fenton表示："Benchmark公司与Rob Bearden的合作关系已经跨越了20多年的开源成功故事，目前的产品收入超过20亿美元--从JBoss到最近的Cloudera。"他的领导力、开源人工智能和 Robocorp 的代理技术将使大型企业能够安全地构建、运行和管理改变模式的人工智能应用，而开源基础的效力只会随着时间的推移而不断增强。
"Mayfield 管理合伙人Navin Chaddha表示："作为 People First 的投资者，我们很荣幸能与 Sema4.ai 背后经验丰富的创始团队合作，因为他们正在寻求一个变革性的 GenAI 机会，以加速推动价值 880 亿美元的人工智能经济。"我们对 Sema4.ai 的投资反映了我们的信念：在模式转变过程中，管道层推动了企业的采用。在人工智能时代，我们将其视为'认知管道'，即模型/中间件/工具、数据、基础设施和半成品/系统自动执行认知任务，从而释放新的可能性。
"Robocorp创始人兼首席执行官、Sema4.ai联合创始人Antti Karjalainen表示："我们认为Python是开发智能代理的首选语言，这也是我们扩展Robocorp平台、专注于'自动化即代码'的原因。"我们与 LangChain 的新集成使人工智能开发人员能够使用 LLM 对企业应用和数据采取直接行动，从而实现从对话到行动的闭环，完成真正的工作。
关于 Sema4.ai
Sema4.ai的使命是通过构建智能代理，改变知识工作者与人工智能协作的方式，从而定义知识工作的未来。Sema4.ai的创始团队由来自Cloudera、VMware、Hortonworks和JBoss等公司的久经考验的行业领袖组成，并收购了开源自动化先驱Robocorp，Sema4.ai定义类别的智能代理将上下文与行动联系起来，改变了企业的工作方式。Sema4.ai 是人工智能承诺与人的潜能的完美结合。
-
OpenAI
【Josh Bersin】2024年人力资源预测：全球寻求提高生产力
在过去的二十年里，我一直在撰写有关人力资源预测的文章，但今年有所不同。在我看来，今年将是打破模式、改变企业每个角色的一年。人工智能不仅会改变每家公司和每项工作，而且公司将开始不懈地追求生产力。
想想我们的过去。2008 年金融危机之后，世界进入了一个加速增长的零利率时期。公司收入增长，雇佣员工，股价上涨。招聘继续以疯狂的速度进行，导致 2019 年底的失业率达到了破纪录的 3.5%。
大流行病来袭，半年内一切都停滞不前。2020 年 4 月，失业率飙升至 15%，公司纷纷让员工回家，我们重新设计了产品、服务和经济，以应对远程工作、混合工作安排以及对心理健康的关注。
一旦经济复苏（得益于美国的财政刺激政策），企业又回到了旧的招聘周期。但随着利率上升和需求下降，裁员现象再次出现，在过去的 18 个月里，我们看到了招聘、裁员，然后再次招聘以恢复经济。
为什么会出现跷跷板效应？
首席执行官和首席财务官们是在我们称之为 "工业时代 "的环境下工作的--招聘促进增长，然后在经济放缓时裁员。
如今，当我们进入 2024 年时，一切都不同了。我们必须 "囤积人才"，投资于生产力，重新发展和调配人员以实现增长。
我们所处的世界失业率高达 3.8%，几乎每个岗位都存在劳动力短缺问题，员工的权力越来越大，员工的要求也越来越高：要求加薪、灵活性、自主性和福利。每年有超过 20% 的美国雇员更换工作（每月 2.3%），其中近一半是进入新的行业。
为什么会出现这种 "新常态"？
原因有几个。首先，正如我们在《全球劳动力情报》（Global Workforce Intelligence）研究中所讨论的那样，行业正在重叠。每家公司都是一家数字公司；每家公司都希望建立经常性收入流；不久之后，每家公司都将依靠人工智能运行。过去停留在某一行业内的职业正在转变为 "基于技能的职业"，使人们比以往任何时候都更容易跳槽。
其次，员工（尤其是年轻人）感到有能力按照自己的意愿行事。他们可能会悄悄辞职、"挣工资 "或抽出时间转行。他们认为自己的人生还有很长的一段路要走（人们的寿命比 20 世纪 70 年代和 80 年代要长得多），因此他们不介意离开你的公司去其他地方发展。
第三，生育率持续下降，劳动力短缺将加剧。日本、中国、德国和英国的劳动力人口都在减少。未来十年左右，大多数其他发达经济体也将如此。
第四，工会正在崛起。得益于华盛顿的新理念，我们在谷歌、亚马逊、星巴克、通用汽车、福特、Stellantis、Kaiser、迪士尼、Netflix 等公司都看到了工会活动。虽然工会在美国劳动力中的参与率不到 11%，但在欧洲却要高得多，而且这一趋势还在上升。
这一切意味着什么？
老式的 "以雇佣促发展 "模式并不总是奏效。在这个后工业时代，我们必须关注员工的发展、保留、参与和生产力。与 "以招聘求发展 "相比，我们必须采用系统性的 "四R "模式。
业务绩效 "的真正含义是什么？
如果你是一位首席执行官，你需要的是收入增长、市场份额、盈利能力和可持续性。如果你无法通过招聘实现增长（员工不断以奇怪的方式 "激活"），你还有什么选择？很简单：实现自动化，提高生产力。
为什么我认为这是 2024 年的重要话题？有三大原因。
首先，首席执行官们对此非常关注。
普华永道 2024 年首席执行官调查发现，首席执行官们认为他们公司 40% 的工作浪费了生产力。
这听起来令人震惊，但对我来说却是事实：太多的电子邮件、太多的会议、混乱的招聘流程、官僚的绩效管理等等。(其中一些问题就是人力资源部门造成的）。
第二，人工智能使其成为可能。
人工智能旨在提高白领的工作效率。(生成式人工智能能让我们更快地找到信息，了解趋势和异常值，进行自我培训和学习，并清理我们像负担一样随身携带的文件、工作流程、门户网站以及后台合规和管理系统等乱七八糟的东西。
第三，我们需要它。
找人都这么难，还怎么发展？去年的招聘时间增加了近 20%，就业市场变得更加艰难。你能在技术技能方面与谷歌或 OpenAI 竞争吗？
内部开发、改造和自动化项目就是答案。有了生成式人工智能，机会无处不在。
这一切对人力资源意味着什么？
正如我在《人力资源预测》中所述，我们有很多问题需要解决。
我们必须加快向动态工作和组织结构的转变。我们必须集中精力，务实地掌握技能。我们必须重新思考 "员工体验"，处理我们称之为 "员工激活 "的问题。我们必须对人力资源技术、招聘和学习与发展系统进行现代化改造，利用人工智能使这些系统更加有用。
我们的人力资源团队也将由人工智能驱动。正如我们的 Galileo™ 客户已经告诉我们的那样，精心设计的 "专家助理 "可以彻底改变人力资源人员的工作方式。我们可以成为 "全栈 "人力资源专业人士，在几秒钟内而不是几周内找到有关团队的数据，并在几秒钟内与直线领导分享人力资源、领导力和管理实践。(伽利略被世界上一些最大的公司用作管理教练）。
还有其他一些变化。随着公司将重点放在 "通过提高生产力实现增长 "上，我们必须考虑每周 4 天工作制、如何将混合工作制度化，以及如何以更有效的方式联系和支持远程员工。我们必须重新关注领导力发展，在一线管理人员身上花费更多时间和金钱，并继续投资于企业文化和包容性。我们必须简化和重新思考绩效管理，我们必须解决薪酬公平这一令人头疼的问题。
还有更多。
我们必须将 DEI 计划嵌入到业务中（人力资源 DEI 警察的时代已经过去了）。我们必须清理我们的员工数据，以便我们的人工智能和人才智能系统准确可靠。我们必须转变思维，从 "支持业务 "转变为 "成为有价值的顾问"，并将我们的人力资源服务产品化，正如我们的系统性人力资源研究报告所指出的那样。
所有这些都将在我们本周发布的长达 40 页的新报告《2024 年人力资源预测》中详细阐述，其中包括一系列帮助您思考所有这些问题的行动计划。
让我提醒您一个重要的问题。生产力是人力资源部门存在的理由。
我们所做的一切，从招聘、辅导、发展到组织设计，只有在帮助公司发展的情况下才能取得成功。作为流失率、参与度、技能和领导力方面的专家，我们人力资源部门每天都要思考如何提高员工和组织的生产力。2024 年将是人力资源部门专注于这一更高使命的伟大一年。
最后一件事。
报告中有 15 项详细预测，每项预测都附有一系列行动步骤供您参考。最后一项是真正为你们准备的：关注人力资源的技能和领导力。作为公司人事流程的管理者，我们必须关注自身的能力。2024 年将是我们成长、学习和表现的一年。如果我们能很好地处理这 15 个问题，就能帮助我们的公司在新的一年里蓬勃发展。
-
OpenAI
OpenAI革新发布：ChatGPT 团队版与GPT商店
OpenAI最近推出了两项重大创新：ChatGPT团队版和GPT商店。这些进展不仅展示了OpenAI在人工智能领域的深厚实力，而且标志着AI技术在商业和创新应用领域的新篇章。
首先，让我们深入了解ChatGPT团队版。这是一个专为团队合作设计的产品，旨在提高团队工作效率和协作。ChatGPT团队版在传统ChatGPT的基础上增加了许多新功能和服务，包括：
高级模型访问权：用户可以使用如GPT-4这样的高级模型，这些模型具有更长的上下文窗口，能够处理更复杂的对话和数据分析。
工具支持：团队版提供DALL·E 3、GPT-4 with Vision、浏览功能和高级数据分析工具，以及更高的消息上限。
数据安全与隐私：OpenAI保证不会在用户的业务数据或对话上进行模型训练，其模型也不会从用户的使用中学习，确保数据安全和隐私。
安全的工作空间：提供了一个专门的、安全的协作空间，方便团队成员之间的沟通和协作。
自定义GPT创建和共享：用户可以创建和共享定制版的GPT，以适应特定的工作流程和需求，且无需编码。
管理控制台：提供了一个便于团队和工作空间管理的管理员控制台。
新功能和改进的早期访问：用户可以优先体验OpenAI的新功能和改进。
ChatGPT团队版的定价为每个用户每月25美元（按年计费）或每个用户每月30美元（按月计费）。这一产品不仅提供了强大的AI工具和服务，而且通过其高级功能和定制选项，为各种团队和业务提供了前所未有的灵活性和高效性。
哈佛商学院的一项研究表明，使用GPT-4的波士顿咨询集团员工在完成任务时，速度比未使用AI的同事快25%，工作质量提高了40%。这一发现凸显了ChatGPT团队版在提高团队效率和工作质量方面的巨大潜力。
除了ChatGPT团队版，OpenAI还推出了GPT商店。这是一个探索和使用定制版ChatGPT的平台，旨在促进AI技术的广泛应用和创新。GPT商店汇集了来自OpenAI合作伙伴和社区开发的各种GPT应用，覆盖艺术创作、学术研究等多个领域。这个商店不仅是产品展示和购买的平台，还是一个促进创新和技术交流的社区。
在GPT商店中，用户可以发现各种有趣和有用的GPT应用，这些应用不仅展示了AI技术的多样性，也体现了OpenAI在推动AI技术广泛应用方面的决心。通过这个平台，OpenAI旨在建立一个充满活力的社区，鼓励更多的人参与到AI技术的创新和应用中来。
OpenAI的这两项新产品发布，不仅彰显了公司在人工智能领域的领先地位，更体现了其推动AI技术广泛应用和社会发展的愿景。随着AI技术的不断进步和普及，我们可以预见，OpenAI将继续在人工智能领域扮演重要角色，推动技术和社会的共同发展。
总的来说，ChatGPT团队版和GPT商店的推出是OpenAI在其使命——“通过友好AI推动所有人的福祉”——上的重要一步。通过这些产品，OpenAI不仅提高了团队协作和创新的可能性，而且为广泛的用户群体提供了更加丰富和多样的AI体验。随着这些产品在市场上的推广和应用，我们期待看到AI技术在更多领域的积极变革。
-
OpenAI
【Josh Bersin】2024：永远改变商业的一年
Josh Bersin的这篇文章回顾了 2023 年，并讨论了 2024 年的重大事件，今年是永远改变商业的转折点。因为我们正在进入一个劳动力短缺、公司重新设计、人工智能驱动业务转型的世界。回顾 2024 年，我们会意识到这是非常关键的一年。
以下是文章详细内容：
有趣的是，整个 2023 年，人们都在担心经济衰退，但这并没有发生。事实上，在经济和金融方面，我们度过了非常强劲的一年。美国和全球的通货膨胀率都在下降。我们确实不得不承受利率上升的冲击，但这是早该发生的。
我真的认为，我们遇到的问题是我们的低利率时间太长，鼓励了投机性投资。现在，经济更加理性，消费需求高涨，商业环境稳固，股市表现良好。纳斯达克指数几乎创下了历史新高，七大超级股表现极为出色：大型科技公司、大型零售商、石油公司、许多消费奢侈品公司表现极为出色。唯一表现不佳的公司是那些无法完成转型的公司。
在文化方面，最高法院推翻了教育领域的平权法案，导致了多元化和包容性的政治反弹。Elon Musk的 "唤醒心灵病毒"（woke mind virus）以及类似的讨论进一步推动了 "多元化与包容性 "计划的发展，这让首席多元化官的日子变得不好过。我们正在经历两场战争，这对许多公司来说意义重大。我知道你们中的很多人已经关闭了在俄罗斯的业务，而在以色列开展业务的人日子也不好过。在这段时间里，有关员工敬业度的每项数据都显示，员工们已经精疲力竭、疲惫不堪、压力重重。他们感到工作过度。
尽管员工有这样的情绪，但工资还是上涨了 5%以上，换工作的人工资也提高了 8%或更多。失业率很低，因此工作机会很多。你可能会问自己，为什么人们会有压力？
我认为这是大流行病的持续影响：远程工作的挑战、混合工作的复杂性和不一致性。还有一点：劳动力中的年轻一代，那些比婴儿潮一代活得更长的人，基本上都在说，我并不想为了出人头地而自杀。我想有自己的生活。我想静静地辞职。如果我的公司不照顾我，我就拿我的工资去工作，也就是说，我拿多少工资我就努力工作，不会超过这个数。这种心态为每周四天工作制创造了环境，我认为它的到来比你想象的要快。工会，在政治上是有利的，正在以25年、30年来的最高速度发展。
通货膨胀和提高工资以吸引人才的需要导致了薪酬公平问题。这个领域比你想象的要复杂得多。您可以从我们的研究中了解到这一点，在 2024 年，它属于您的清单。2024 年，年轻劳动力对职业重塑、职业发展、成长计划、辅导、导师、盟友关系和支持的需求也将十分巨大。这意味着，如果你在零售业、医疗保健业、酒店业或其他雇用年轻人的行业，你必须满足这种对福利的巨大需求。这些都是在 2023 年变得非常明显的事情。
但让我们来谈谈房间里的大象：2023 年发生的最大事情是人工智能。
从媒体到出版，从人力资源技术到招聘，从员工发展到员工体验，人工智能改变了我们的一切对话。你们可能知道，我非常看好人工智能。我认为它将对我们的公司、工作、事业和个人生活产生巨大的变革性影响。人工智能将改善我们的健康、我们的学习能力、我们消费新闻的方式（注意，《纽约时报》刚刚起诉 OpenAI 和微软侵犯版权）。人工智能几乎将改变我们生活的方方面面。
你们中的大多数人都在试图理解它，并了解它的适用范围。你们中的许多人都被你们的首席执行官告知，"我们需要为公司以及人力资源部门制定一项人工智能战略"。人力资源部门的人工智能战略是一回事，但更大的话题是公司的其他部门。因此，人力资源部门必须成为这场变革的一部分：我们需要的新角色、新工作、新奖励和新技能。
今年，我很高兴我们推出了伽利略™（Galileo™），你们中大约有 500 人已经在使用它。我们将在二月份为所有企业会员推出企业版，所以企业会员请继续关注（或加入）。Galileo 以一种易用、安全和高价值的方式将人工智能引入人力资源领域，因此它将帮助您制定战略。它基本上已经准备就绪。今年晚些时候，我们将向 JBA 社区等推出一个版本。人工智能，尽管充满了恐惧，但它已经是一项非常积极的技术。
下一步我们将何去何从？正如本文标题所言，我认为今年将是永远改变商业的一年。我并不想夸大其词，我真的看到了一个转折点。让我给你讲个故事。
大约十年来，我一直在写关于组织扁平化、打破等级制度、创建我称之为网络化组织的文章。现在这已成为主流，我们决定称之为动态组织。
正如你在 "动态组织 "研究或 "后工业时代 "研究中所读到的，我们的意思是，工作、职业、组织和公司的职能层级正在被打破，这是有充分理由的。
我们之所以有职能层级、工作级别和各自为政的业务职能，是因为它们是按照工业时代的模式设计的，当时企业通过大规模销售产品和服务来赚钱。汽车行业、石油和天然气行业、制造业、CPG 行业，甚至制药公司，本质上都是在制造产品、将产品推向市场、投放市场、销售产品，并以线性链条的方式分销产品。这种 "可扩展的工业商业模式 "就是我们设计组织的方式。
因此，我们建立了大型研发组织、大型产品管理组织、产品设计和包装组织、大型营销组织、大型销售组织、大型业务开发和分销组织、供应链组织等等（包括财务和人力资源）。所有这十个或十五个业务职能部门都有自己的等级制度。因此，作为一名员工，你要沿着这些层级向上发展。1978 年，当我作为一名工程师从大学毕业时，我就进入了其中的一个层级。
每个员工都是工程师、销售员、市场经理或其他什么职位，你在金字塔中一路向上。在你职业生涯的某个阶段，你会跳槽去做其他事情，但那是相当不寻常的。这并不是真正的职业道路。你在那个行业工作 35-40 年，然后退休。
很多公司都有另一种结构：管理和劳动。管理层决定 "做什么"，员工 "做什么"。
所有这些设计帮助我们建立了我们今天使用的大部分人力资源实践，包括招聘、薪酬、绩效管理、继任、职业管理、目标设定、领导力发展等等。今天，如果你看看世界上最有价值的公司是如何运作的，就会发现它们不再是这样运作的了。为什么？因为这样会像糖浆一样拖慢速度。如果你要想出一个新点子，就必须穿越职能层级，那就需要几个月或几年的时间才能创造出新东西。
如今，价值是通过创新、及时投放市场、贴近客户以及提供独一无二的高价值产品来创造的。等级制度 "根本不是为此而设计的。
这里有几个教条值得思考。我们过去认为，所有新创意都来自研发。这太疯狂了。研发当然很重要，但世界上一些最具创新精神的公司甚至没有研发部门，他们有的只是产品团队。微软的研究部门甚至没有发明人工智能，公司不得不与 OpenAI 合作，而 OpenAI 是一家只有不到一千名员工的公司。
这里还有一个值得考虑的问题。德勤（Deloitte）的顾问们曾经谈论过 "边缘创新"，也就是所谓的 "臭鼬工程"。我们曾建议客户 "将新创意与规模业务分开"，这样新创意就不会被压制或忽视。如今，所有的新创意都来自运营业务，我们以实时的方式进行迭代。因此，另一种工业组织结构已不再适用。
因此，我们在动态组织中一直在经历的是，我们必须把公司设计得更加扁平化。我们必须简化职位名称和描述，这样人们就可以四处走动。我们必须将员工组织成跨职能团队，我们必须激励和培训员工跨越职能孤岛开展工作。我们必须建立灵活的工作组，必须围绕团队和项目重新进行绩效管理，而不是围绕个人目标和逐级目标。我们需要在系统中建立薪酬公平，这样无论你从哪里开始工作，都能获得公平的薪酬。
让我们来谈谈薪酬。等级制度的一个问题是，你每年都会根据绩效考核加薪。几年后，你的薪酬可能会因为你的考评而与坐在你旁边的人相差很多。但你的业绩可能并不比他们多。这是不公平的。
如果你进入公司时是市场营销专业出身，那么你赚的钱就比工程专业出身的人少。但五年后，你们可能做着同样的工作，却赚着不同的钱。此外，还有性别偏见、年龄偏见和其他非绩效因素。在我们所说的 "技能择优 "中，薪酬公平问题必须得到解决。
我们必须为员工提供发展性职业、人才市场、开放的工作机会和指导。而这些人才实践正是提高活力的促进因素。去年，Salesforce、Meta 和其他科技公司都遇到了缺乏活力的问题。Salesforce 在大流行病后的最后一个上升周期中雇佣了数千名销售人员，一年后又裁掉了其中的大部分。Meta 也做了同样的事。下一个可能是谷歌。
这些以工业思维运作的公司认为，发展的唯一途径就是雇佣更多的销售人员、工程师或营销人员。但这些业务职能部门的人员数量并不一定能推动增长和盈利。重要的是他们如何协同工作以及他们做了什么，而不是他们有多少人。
我们通过招聘、招聘、再招聘来实现公司发展的旧观念已经一去不复返了。这已经行不通了。这仍然是公司发展的一部分，你总是在招聘人员来取代别人，带来新的技能，等等，带来新的视角。但在一个充满活力的组织中，很多成长都来自内部。人也在成长。
就连 "成长型思维 "这个词也被用滥了。我们需要有一种组织成长的心态，这样我们才能作为一个组织而成长。英特尔就是一个很好的例子。英特尔在半导体制造和研发方面迷失了方向。现在，他们正在内部重塑自我，股价也一飞冲天。他们没有聘请大师来告诉他们该怎么做，他们知道该怎么做。他们只需要去做。
谷歌拥有的人工智能工程师比 OpenAI、Anthropic 和其他所有小公司加起来还多，但他们执行得不好。现在他们执行得更好了。他们将人工智能团队整合为跨职能小组，并与其他业务领域共享 YouTube 的知识产权。我敢打赌，一旦他们在人工智能领域取得进展，他们一定会超越许多其他公司。这就是动态组织的一部分。
作为人力资源人员，你们比任何人都更清楚，如果公司里有多个小组在做相互竞争的事情，而他们却因为互不了解或互不交谈而无法协同工作，那将是多么的功能失调。没有交叉施肥，或者他们在保护自己的地盘。所有这些都妨碍了组织的活力。
这与明年的工作息息相关，因为它已经深入人心。人才市场、职业发展途径、基于技能的组织、基于技能的招聘、基于技能的薪酬、基于技能的职业、基于技能的发展等等......这些都不仅仅是人力资源方面的时尚，而是应对这一重大转变的解决方案：让企业更具活力。尽管等级森严的公司在过去很有价值，但现在已经不能很好地运作了。
Josh Bersin的《不可抗拒》（Irresistible）现在，这不是A-B转换类型的东西。这是一种进化，但速度非常快。我们提出 "系统人力资源"（Systemic HR）这一概念的原因是，我们人力资源部门也必须做同样的事情。人力资源部门本身是各自为政的。我们有招聘小组、DEI 小组、薪酬小组、L&D 小组、业务合作伙伴、合规小组、福利小组。我们这边有人在做 EX 项目，那边有人在做数据管理项目，还有一个人员分析小组。
这些都是属于人力资源部门的重要职能领域。但是，如果他们不能共同解决公司面临的问题，我指的是大问题，如增长、盈利能力、生产率、并购等，那么谁会在乎呢？那么你就处于系统人力资源的一级或二级。我们围绕业务问题制定了系统人力资源计划。这就是我们提出新的人力资源运营模式的原因。
我认为系统化人力资源将是 2024 年的一件大事，原因有很多。我们不仅生活在劳动力短缺的环境中，而且还有另一个助推器，那就是人工智能。对于那些使用过伽利略系统的人来说，我希望你们今年都有机会使用它，人工智能能够从公司的许多来源收集信息、数据和文本，并对公司正在做的事情做出判断，这绝对令人难以置信。
如果你在销售部门工作过，如果你在营销部门工作过，如果你在财务部门工作过，你和我一样清楚，这些都是各自为政的小组。很少有公司拥有真正集成的数据管理系统，将所有客户数据与销售数据、收入数据、营销数据相匹配。 客户数据平台是一个想法，但并不经常出现，而且要做到这一点，需要数千万至数亿美元和许许多多的系统。而人工智能几乎可以自动做到这一点。
因此，当你将伽利略这样的工具整合在一起，并将我们的研究作为语料库的一部分，再添加公司员工流失率等数据或薪酬变化，你只需提出一个问题，就能看到薪酬与流失率之间的关系。你不必花几个月的时间去做分析，也不必试图找出分析结果是否正确。这种情况在公司的销售、客户服务、研发和市场营销等各个部门都在发生。
因此，这种更加一体化、更具活力的组织正在你眼前发生。2024 年，这就是我们现在要做的几乎所有事情的背景。
另一个背景是劳动力市场，这将是非常艰难的。你们已经从我们和其他人那里了解到劳动力市场现在有多么紧张。美国的失业率为 3.8%，而且不会有太大改善。即使出现经济衰退（这一点值得怀疑），也没有足够的人来雇佣。美国的生育率很低，即使每家公司都为员工提供生育福利，让他们都生孩子，这些人也需要二十年才能去工作。因此，所有发达国家： 美国、英国、加拿大、德国、日本、北欧、中国、俄罗斯的生育率长期处于低水平。世界银行认为，几乎所有发达经济体的劳动人口都将在十年内缩减。
由于招聘将变得更加困难，我们将看到越来越少的工作人口，公司在招聘时必须更加统筹兼顾。我们都必须关注 "四个R"：招聘（Recruit）、留住（Retain）、再培训（Reskill）、再设计（Redesign）。这就要求人力资源部门进行大量的工作重新设计、职业重塑，并认真研究如何培养技能而不是招聘技能，以及如何利用我们作为人力资源专业人士所拥有的工具来帮助组织提高生产力，而不仅仅是招聘、招聘、再招聘。
我用两件事来衡量公司的成功。其一是企业的耐力：企业在起起伏伏中的表现如何？二是员工人均收入。与同行相比，员工人均收入低的公司往往是管理不善的公司。当然，行业差异也很大。
在我们进行 GWI 行业研究时：医疗保健、消费品、制药、银行业，我们可以看到，表现优异的公司在员工人数方面都非常高效。我们还发现，这些公司实际上正在实施系统人力资源实践。
另一个驱动因素是我们生活在服务经济时代。有趣的是，在美国，超过 70% 的 GDP 现在是服务业。因此，你拥有的人，你公司里的人，就是产品。如果每个人每一美元的收入不能带来很好的产出，那么你的公司就没有经营好。
这就引出了许多管理话题。
我们如何培养早期和中层领导者？
我们如何重新思考员工的真正需求？员工敬业度和员工体验这些话题其实已经有 25 到 30 年的历史了。它们需要大规模更新。
我们该如何在学习与发展中实施人工智能，并取代那些人人痛恨却又无法摆脱的旧系统？
在我们用人工智能系统取代人力资源技术的过程中，ERP 供应商将扮演什么角色？
我们将如何实施可扩展的人才智能？在劳动力短缺的世界里，人才智能变得更加重要，无论你将其视为采购和招聘，还是内部流动，抑或只是一项战略规划举措。
我们该如何适应人工智能？
还有一个问题是系统化人力资源，发展你的团队、你的职能、你的运营模式，使其更具适应性和活力。
回顾2023年，我觉得这是我度过的最迷人、最有趣、最充实的一年。我总是为你们感到惊讶、印象深刻、充满活力，为你们这些在火线上处理这些复杂问题的人感到惊讶、印象深刻、充满活力，为你们这些在火线上处理这些复杂问题的人感到惊讶、印象深刻、充满活力，为你们这些在火线上处理这些复杂问题的人感到惊讶、印象深刻、充满活力。我对人力资源行业的印象一年比一年深刻，一年比一年兴奋。我认为，很多不从事人力资源工作的人认为，我们只是做一些合规和管理方面的事情，以及解雇员工。这只是我们工作的一小部分。
2024 年将是重要的一年。作为人力资源专业人士，你必须学习很多东西。你要学习系统的人力资源问题，你要学习人工智能，你还要学习如何成为一名顾问。
毫无疑问，在未来十年或二十年，动态组织管理将成为一个越来越大的问题--我们如何管理员工和公司。我指的管理不是监督，而是发展、调动、留用、薪酬、文化等所有这些方面。
离开 2023 年时，我对人工智能的未来充满信心。如果你害怕人工智能，深呼吸，放松。它不会咬你。这里没有什么邪恶的东西。这是一个数据驱动的系统。如果你不掌握数据，你就无法从人工智能中获得很多价值。
世界从来都不是完美的。它从未完美过。过去不完美。未来也不会完美。
但是，如果你愿意，你所生活的环境和你所创造的环境可以是充实的、愉快的、富有成效的、健康的和有趣的。我认为我们都有机会做出这样的决定。
也很期待与大家一起度过一个精彩的 2024 年。
扫一扫 加微信
hrtechchina
