-
人工智能
【美国】对话式AI招聘平台Emi宣布获得1100万美元A轮融资，以帮助企业更快地雇用更好的一线工人
面向一线员工的对话式人工智能招聘平台Emi已经获得1100万美元的A轮融资，由Merus Capital和Khosla Ventures领投。Merus Capital的普通合伙人、Iterable的前首席运营官David Rangel已加入董事会，成为董事会成员。
Emi使全球企业能够更快地雇用更好的一线工人。他们的平台利用与候选人的对话界面实现了端到端的自动化沟通。它利用人工智能来优化流程，缩短招聘时间，提高候选人满意度，并提高招聘人员的工作效率。
在过去的一年里，Emi帮助客户填补了20,000多个职位空缺。该公司专注于一线候选人，特别是在零售、轻工业和分销职位，导致2021年期间启用的招聘人数每月增长20%。目前Emi的客户包括沃尔玛、达能、Iconn（7-Eleven）、Alsea（星巴克、汉堡王、达美乐比萨、Chili's、PF Changs、芝乐坊餐厅）和Cemex等行业领导者。
"Emi已经对劳动人口和寻求一线工人的大公司产生了真正的影响。我很高兴能将这种影响扩大到数百万求职者"，Khosla Ventures普通合伙人Evan Moore分享道，他也投资了Emi的种子轮。
公司的重点仍然是简化客户的招聘流程，同时增加新的客户，这些客户在当今的劳动力市场上面临着日益严峻的招聘一线工人的挑战。这笔资金将用于在未来12个月内将团队规模扩大一倍，在多个职能部门进行扩展，包括销售、营销、产品和工程。
"我们的使命是增加一线工人获得专业职位的机会。为了实现这一目标，我们正在创建一线招聘的基础设施，为公司提供专门为应对招聘这些工人的挑战而设计的工具，在全球有24亿这类工人，占全球劳动力的70%"，Emi的联合创始人兼首席执行官Mateo Cavasotto说，"我们在创立这家公司的同时与一线候选人密切合作，因此我们知道技术需要满足他们的需求。同时，我们与大型企业合作，也知道我们的平台需要适合他们不断增长的技术堆栈。"
Emi的使命可以追溯到它的起源，当时联合创始人Mateo（首席执行官）和Andy（首席技术官）作为志愿者在阿根廷的一个小额信贷非政府组织工作，寻求了解如何利用技术来解决贫困人口的问题。该公司通过了Y-Combinator W19批次，并在Khosla Ventures的参与下进行了种子轮融资。
"我们对Emi将一线工人和企业雇主结合起来的独特方法感到非常兴奋。"加入Emi董事会的David Rangel说。他们与拉丁美洲最大的雇主打交道的经验使他们比竞争对手更有优势，他们迄今为止的吸引力显示出对候选人和企业招聘人员及人力资源部门的敏锐意识。
关于Emi
Emi的人工智能招聘平台帮助大型企业更快地雇用更好的一线工人。它高度专注于零售、轻工业和分销行业，利用技术缩短招聘周期，使招聘过程更有效率，提高招聘人员的工作效率，同时给候选人带来更好的体验。
-
人工智能
【洛杉矶】社交媒体人才筛选公司Fama获得1000万美元B轮融资
全球最大的社交媒体筛选公司，也是将人工智能应用于背景筛选服务的领导者Fama，本周宣布获得了1000万美元的B轮融资。该公司允许人力资源部门利用来自公共网络的洞察力，并将其带入人才筛选过程。32个国家的1500多家企业向Fama求助，以帮助保护他们的品牌，并确保安全和温馨的工作场所文化。
Fama为90%以上的背景筛查行业和大部分的猎头行业提供支持，它计划利用这笔资金扩大其市场团队，推出新产品，并在未来进行创新。
"在过去五年中，‘背景调查’的定义发生了重大变化。企业发现，市场上的变化—即更加关注品牌和声誉，以及发展一个热情的工作场所文化—意味着他们的筛选产品需要涵盖新型风险，"Fama首席执行官兼创始人Ben Mones说，"这是社交媒体筛查成为全球专业筛查人士新产品推广计划的首要领域的主要原因之一。"
Fama计划利用这笔资金扩大其合作团队，提高对其解决方案的认识，并为客户开发新产品。该公司还计划深化与现有转售网络的关系，为背景筛选公司、申请人跟踪系统和其他HCM软件供应商创造额外的收入来源。
Silverton Partners与Bullpen Capital、Crosscut、Navigate VC、Gaingels和一些私人投资者一起领导了Fama的B轮融资。这家风险投资公司位于德克萨斯州奥斯汀，与高增长行业的企业家合作，建立长久性的公司。
"我们很高兴与Fama合作，实现下一个发展阶段的增长，Ben和团队已经为他们的业务建立了持久和可持续的基础，我们期待着帮助他们扩大规模。人力资源专业人士需要新的工具来满足客户和员工不断变化的期望，而Fama在提供下一代人才筛选解决方案方面具有独特的优势，"Silverton的合伙人Roger Chen说。
Fama在2020年转向了远程优先的工作环境，并在国际人才库中招聘一系列的职位。在竞争激烈的劳动力市场，Fama相信其文化将有助于吸引人才。
关于Fama
Fama总部位于加利福尼亚州洛杉矶，是全球最大的社交媒体筛选公司，也是将人工智能应用于背景筛选服务的领导者。企业人力资源和人才部门的领导相信Fama能够帮助他们发现求职者在招聘过程中经常被忽视的行为，如偏执和骚扰。Fama已经得到了一些世界领先的风险资本家和机构投资者的支持。
-
![]()
人工智能
如何利用People Analytics建立一个公平的工作场所
概要：自动化正向人力资源部门走来。通过自动收集和分析大型数据集，人工智能和其他分析工具有望改善人力资源管道的每个阶段，从招聘和薪酬到晋升、培训和评估。然而，这些系统可以反映历史偏见，并在种族、性别和阶级的基础上进行歧视。
管理者应该考虑到：
1）模型很可能对大多数人口群体中的个人表现最好，但对代表性较差的群体则更差；
2）不存在真正的 "种族盲 "或 "性别盲 "模型，从模型中明确省略种族或性别甚至会使情况更糟；
3）如果人口类别在你的组织中分布不均（在大多数情况下不是这样），即使精心建立的模型也不会导致不同群体的平等结果。
人力资本分析，将科学和统计方法应用于行为数据，可以追溯到弗雷德里克-温斯洛-泰勒1911年的经典著作《科学管理原理》，该书试图将工程方法应用于人员管理。但直到一个世纪后--在计算机能力、统计方法，特别是人工智能（AI）的进步之后--该领域的力量、深度和广泛的应用才真正爆发出来，特别是，但不仅仅是在人力资源（HR）管理方面。通过自动收集和分析大型数据集，人工智能和其他分析工具提供了改善人力资源管道每个阶段的承诺，从招聘和薪酬到晋升、培训和评估。
现在，算法正被用来帮助管理者衡量生产力，并在招聘、补偿、晋升和培训机会方面做出重要决定--所有这些都可能改变员工的生活。公司正在使用这种技术来识别和消除不同性别、种族或其他重要人口统计类别的薪酬差距。人力资源专业人士经常使用基于人工智能的工具来筛选简历，以节省时间，提高准确性，并发现与更好（或更差）的未来表现有关的隐藏的资格模式。基于人工智能的模型甚至可以用来建议哪些员工可能在不久的将来辞职。
然而，尽管人力资本分析工具有如此多的承诺，但它们也可能使管理者严重误入歧途。
亚马逊不得不扔掉一个由其工程师建立的简历筛选工具，因为它对女性有偏见。或者考虑一下LinkedIn，它被世界各地的专业人士用来建立网络和搜索工作，也被人力资源专业人士用来招聘。该平台的搜索栏的自动完成功能被发现建议用 "Stephen "这样的男性名字来代替 "Stephanie "这样的女性名字。
最后，在招聘方面，一个关于科学、技术、工程和数学（STEM）领域机会的社交媒体广告，被精心设计为性别中立，但在一个旨在使招聘者的广告预算价值最大化的算法中，男性被显示的比例过高，因为女性通常对广告反应更强烈，因此向她们显示的广告更昂贵。
在每一个例子中，分析过程中都出现了故障，并产生了无意的--有时是严重的--对某一特定群体的偏见。然而，这些故障可以而且必须被预防。为了实现基于人工智能的人力资本分析的潜力，公司必须了解算法偏见的根本原因，以及它们如何在常见的人力资本分析工具中发挥作用。
分析过程
数据并不是中立的。人力资本分析工具通常是建立在雇主对员工的招聘、保留、晋升和报酬的历史数据之上。这些数据总是反映了过去的决定和态度。因此，当我们试图建立未来的工作场所时，我们需要注意我们的回顾性数据如何反映旧的和现有的偏见，并可能无法完全捕捉到日益多样化的劳动力中人员管理的复杂性。
数据可能直接带有明确的偏见--例如，你公司的绩效评估可能在历史上对某个特定群体有偏见。多年来，你已经纠正了这个问题，但如果有偏见的评价被用来训练人工智能工具，算法将继承并传播偏见。
还有一些更微妙的偏见来源。例如，本科生的GPA可能被用作智力的代表，或者职业执照或证书可能是技能的一个衡量标准。然而，这些衡量标准是不完整的，往往包含偏见和扭曲。例如，在大学期间不得不工作的求职者--他们更有可能来自低收入背景--可能得到较低的成绩，但事实上他们可能是最好的求职者，因为他们已经表现出克服障碍的动力。了解你想测量的东西（如智力或学习能力）和你实际测量的东西（如学业考试成绩）之间的潜在不匹配，对建立任何人力资本分析工具都很重要，特别是当目标是建立一个更多样化的工作场所时。
一个人力资本分析工具的表现是它所提供的数据和它所使用的算法的产物。
在这里，我们提供了三条经验，你在管理你的员工时应该牢记在心。
首先，最大限度地提高预测的整体质量的模型--最常见的方法--很可能对大多数人口群体中的个人表现得最好，但对代表性较差的群体则较差。这是因为算法通常是最大化整体准确性，因此在确定算法的参数时，对多数人口的表现比对少数人口的表现有更大权重。一个例子可能是一个用于由大多数已婚或单身且无子女的人组成的劳动力的算法；该算法可能确定使用个人日的突然增加表明辞职的可能性很大，但这个结论可能不适用于那些因为孩子生病而需要时常休假的单亲父母。
第二，不存在真正的 "种族盲 "或 "性别盲 "模式。事实上，在一个模型中明确省略种族或性别，甚至会使事情变得更糟。
考虑一下这个例子。想象一下，你的基于人工智能的人力资本分析工具（你一直小心翼翼地避免提供性别信息）在预测哪些员工可能在被雇用后不久就辞职方面取得了良好的记录。你不确定该算法到底发现了什么--对用户来说，人工智能的功能经常像一个黑匣子--但你避免雇用被该算法标记为高风险的人，并看到新员工在加入后不久就辞职的人数有了明显的下降。然而，若干年后，你因在招聘过程中歧视女性而遭到诉讼。事实证明，该算法不成比例地筛选出了来自缺乏日托设施的特定邮政编码的妇女，给单身母亲带来了负担。如果你知道，你可能已经通过在工作附近提供日托服务来解决这个问题，不仅避免了诉讼，甚至使你在招聘这一地区的妇女时获得竞争优势。
第三，如果像性别和种族这样的人口统计学类别在你的组织中不成比例地分布，这是典型的情况--例如，如果过去大多数管理人员是男性，而大多数工人是女性--即使精心建立的模型也不会导致不同群体的平等结果。这是因为，在这个例子中，一个识别未来管理者的模型更有可能将女性错误地归类为不适合做管理者，而将男性错误地归类为适合做管理者，即使性别并不是模型的标准之一。总而言之，原因是模型的选择标准很可能与性别和管理能力相关，因此模型对女性和男性的 "错误 "程度不同。
如何正确对待它
由于上述原因（以及其他原因），我们需要特别注意基于人工智能的模型的局限性，并监测其在人口群体中的应用。这对人力资源部门尤其重要，因为与一般的人工智能应用形成鲜明对比的是，组织用来训练人工智能工具的数据很可能反映了人力资源部门目前正在努力纠正的不平衡现象。因此，企业在创建和监测人工智能应用时，应密切关注数据中的代表人物。更重要的是，他们应该看看训练数据的构成如何在一个方向上扭曲人工智能的建议。
在这方面，有一个工具可以提供帮助，那就是偏见仪表板，它可以单独分析人力资本分析工具在不同群体（如种族）中的表现，从而及早发现可能的偏见。这个仪表盘突出了不同群体的统计性能和影响。例如，对于支持招聘的应用程序，仪表板可以总结出模型的准确性和错误的类型，以及每个群体中获得面试机会并最终被录用的比例。
除了监测性能指标外，管理者还可以明确地测试偏见。一种方法是在训练基于人工智能的工具时排除一个特定的人口统计学变量（例如，性别），但在随后的结果分析中明确包括该变量。如果性别与结果高度相关--例如，如果一种性别被建议加薪的可能性过大--这是一个迹象，表明人工智能工具可能以一种不可取的方式隐含地纳入了性别。这可能是该工具不成比例地将女性确定为加薪的候选人，因为在你的组织中，女性往往报酬不足。如果是这样，人工智能工具正在帮助你解决一个重要问题。但也可能是人工智能工具加强了现有的偏见。需要进一步调查以确定根本原因。
重要的是要记住，没有一个模型是完整的。例如，一个员工的个性很可能会影响他们在你公司的成功，而不一定会显示在你关于该员工的人力资源数据中。人力资源专家需要对这些可能性保持警惕，并尽可能地将其记录下来。虽然算法可以帮助解释过去的数据和识别模式，但人力资本分析仍然是一个以人为本的领域，在许多情况下，特别是困难的情况下，最终的决定仍然要由人类来做，这反映在目前流行的短语 "人在环形分析 "中。
为了有效，这些人需要意识到机器学习的偏见和模型的局限性，实时监控模型的部署，并准备采取必要的纠正措施。一个有偏见意识的过程将人类的判断纳入每个分析步骤，包括意识到人工智能工具如何通过反馈回路放大偏见。一个具体的例子是，当招聘决定是基于 "文化契合度 "时，每个招聘周期都会给组织带来更多类似的员工，这反过来又使文化契合度变得更窄，有可能违背多样性目标。在这种情况下，除了完善人工智能工具之外，可能还需要扩大招聘标准。
人力资本分析，特别是基于人工智能的分析，是一个令人难以置信的强大工具，已经成为现代人力资源不可或缺的工具。但量化模型的目的是协助，而不是取代人类的判断。为了最大限度地利用人工智能和其他人力资本分析工具，你将需要持续监测应用程序如何实时工作，哪些显性和隐性标准被用来做决定和训练工具，以及结果是否以意想不到的方式对不同群体产生不同影响。通过对数据、模型、决策和软件供应商提出正确的问题，管理者可以成功地利用人力资本分析的力量来建立未来的高成就、公平的工作场所。
来自HBR ，作者 David Gaddis Ross David Anderson Margrét V. Bjarnadóttir
-
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
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
【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
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
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论坛科技创新品牌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科技论坛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
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
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
扫一扫 加微信
hrtechchina
