-
专家专栏
劳动市场发生了翻天覆地的变化：您真的做好准备了吗？
Josh Bersin的这篇文章讨论了劳动力市场的巨大变化，强调了从婴儿潮一代可预测的职业轨迹向当今工人多样化、经验驱动型职业道路的转变。文章强调了 "组合职业 "的出现、副业的兴起以及人们对工作适应个人目标和生活方式的期望越来越高。公司面临着职位空缺、人员流动率高以及工会影响力日益增强等挑战，这凸显了传统商业实践与现代劳动力期望之间的脱节。
文章提出了 "激活员工 "的概念，认为这对企业的适应至关重要，并建议企业向更具活力、扁平化和以团队为中心的组织结构转变。文章最后呼吁企业优先考虑授权、灵活性和增长，以便在新的劳动力市场上留住人才。
-以上内容仅限于Josh Bersin对美国和其他地区的劳动力市场的观察，仅供参考
以下是文章翻译：
劳动市场眼看着就变了。雇主们和人力资源部门必须保持高度警觉。 过去五十年间，婴儿潮一代曾经塑造了劳动力市场的面貌。而今日，一切都截然不同，这种转变影响到了我们每一个人。
我（Josh Bersin）生于1950年代，成长于一个中产阶级的生活水平稳步上升的世界。我父亲是科学家，母亲是艺术品销售，我和兄弟享受着不错的中产阶级生活。
我的生活经历了三个阶段：教育 | 工作 | 退休。我上大学，努力学习，成为了一名工程师，并找到了一份好工作。我的职业生涯走上了一条可预见的轨道。我曾在Exxon和IBM工作——这些公司为我提供了培训、发展机会和长远职业发展的可能。我遇到了很多杰出的人，了解到了工作的真谛，结婚并成家立室。
我的这一代人，婴儿潮一代，人数庞大。公司为我们这一代人建立了完整的人才培养系统——包括员工入职培训、职业发展、定期晋升、发展任务、领导力培养以及退休计划。我们如同系上了安全带，享受着这段旅程。
但时至今日，一切都变了。Fast forward to now: things are very different.
劳动市场如何发生变化 今天的工作人群（中位年龄33岁，1990年代初出生）进入了一个充满变数的世界工作。他们在经济繁荣期加入了公司，20多岁经历了疫情，生活在一个一切皆可网络化的时代。虽然我这一代人对雇主推崇备至，但如今的工作者能实时看到每一个公司的失误。他们期待老板赢得他们的尊重，否则他们会选择“默默离职”或寻找副业。
与我那个时代期望一生只为几家雇主工作不同，现在的人们构建了Lynda Gratton所描述的“投资组合式职业生涯”。超过三分之二的工作者拥有副业，他们的简历上满是各种项目、商业活动、爱好和专业兴趣。看看大多数表现出色的人的LinkedIn页面，你会发现它们更像是个人成长的旅程，与我们过去那种线性的职业路径大相径庭。
虽然这些变化是逐步发生的，但它们的终极影响深远：工作者的期望、需求和诉求已经发生了变化。企业一直在努力跟上这些变化的脚步。我们面临大量的职位空缺，几乎每个岗位都有高离职率，而且工会的数量也在增加。
企业应该怎么办？我们必须接受并理解，劳动市场已经彻底变革。
我们生活在一个员工可能活到100岁以上的时代。年轻员工推迟婚育，他们视职业生涯为一连串的经历。那种长期的、一成不变的职业生涯模式已经结束了：人们尝试新事物，跨行业转换，在我所称的“像素化”就业市场中寻找机会。
而不是盲目信赖雇主，现代员工带着高期待进入职场。年轻员工不希望“融入工作”，而是希望工作能够“融入他们的生活”（这通常被称为“职位定制”）。鉴于各行各业都面临人才短缺，这一趋势愈发显著。
虽然有经济学家认为就业市场将会放缓，雇主的影响力将随之增强，但我认为那个时代已经一去不复返了。生活不可能回到过去的模式。尽管人工智能技术不断发展，企业比以往任何时候都更依赖其人力资源。现在70%的工作是服务行业的（如医疗保健、零售、酒店业），员工确实是我们最宝贵的产品。
从这个角度看，企业和雇主存在于一个劳动力池中：是人们的需求和期待塑造了我们能做什么、应该做什么。人们对通货膨胀感到不安，担忧气候变化，期望CEO们行为端正，同时希望通过灵活的工作安排过上快乐的生活。
随着每年劳动力变得更加受教育和互联互通（美国拥有学位的劳动力比例从15年前的38%上升到了54%），人们在公司官方公告之前就已经了解到了财务结果或其他相关信息。
尽管这些趋势显而易见，许多公司却对此措手不及。去年，我与波音的首席人力资源官交谈时，他坦言这些问题早在几年前就已被员工指出。他们没有倾听，如今，他们面临着危机。这引出了“员工激活”的重要议题。
过去，决策由高层领导制定，员工执行。策略和想法自上而下传递。
而今天，推动公司增长所需的许多智慧正藏在一线员工身上。我们需要“激活员工”，直接聆听他们的声音。对某一系统或流程感到沮丧的商店、工厂或前台员工，正是应该向我们提出建议的人。老式的“走动式管理”必须重新回归 。
这并不意味着混乱、无架构管理或缺乏控制。成功的公司拥有清晰的使命、一系列战略性计划和预算，以确保人员负责任。但同时，它们赋予每个人成为领导者的权力，从下而上释放潜力 。
关键在于构建所谓的“动态组织”——一个扁平化、以团队为中心、紧密连接且高度负责的组织。我们的研究表明，只有7%的公司采取了这种模式：大多数公司仍旧层级森严、适应能力差。然而，变革即将来临，Delta、Marriott、Telstra、联合利华、诺华、希捷和拜耳等公司已经领略到了这一点。 （本周，拜耳的CEO宣布了向团队中心管理模式的重大转型，显著减少了“上司”的数量。）
动态组织擅长两件事：首先，它能适应变化，洞察新市场，并迅速响应变化。更重要的是，它赋予权力于员工，鼓励内部流动，并专注于通过精英制、技能和协作促进发展。
虽然这些理念并非新鲜事物，但迫切性不容忽视。员工渴望成长、灵活性和自主权——除非我们的奖励和发展体系进行改革，否则我们无法满足这些需求。
如今，超过70%的美国工作位于服务行业：医疗保健、零售、娱乐和运输。如果我们不赋予这些角色中的人以更多权力，我们的产品和服务质量将受到影响。
让我以此作为结语：我们正醒来于一个全新的劳动市场中。如果您不将重点放在授权、成长和员工激活上，人才将流向其他地方。
-
专家专栏
大咖谈趋势：3400亿美元的企业学习的市场将迎来巨大变革
本文探讨了企业学习行业的演变，特别是人工智能如何引领这一行业的巨变。企业每年在员工培训和发展上的开支超过3400亿美元，从传统的课堂培训到在线学习，再到以技能为中心的学习，行业一直在不断发展。现在，人工智能预计将彻底改变公司的学习管理系统（LMS）和学习体验平台（LXP），通过个性化和动态生成内容来提高学习效率和效果。文章强调了适应这种变化的重要性，以及AI在企业培训和人才发展中的潜力。
作者：Josh Bersin
企业在员工培训和发展上的年支出超过3400亿美元，平均每名员工每年花费超过1500美元。这笔巨额开支支撑着一个全球产业，涉及数百家内容和技术公司，现正站在重新定义的风口浪尖。请允许我详细解释这一过程。
从电子学习到集体学习再到自主学习的演变
20世纪90年代末，随着互联网的崛起，以传统教室授课为主的培训产业发生了翻天覆地的变化。企业和内容提供者纷纷开发“电子学习”课程，试图在线复制面对面教学的体验。那是一个充满创新的时期，虽然今天看来有些过时，但它孕育了像Skillsoft（并购了众多竞争对手）、Cornerstone（同样并购了众多竞争对手）以及一大批传统的学习管理系统（LMS，例如Plateau、SumTotal、Learn.com、Pathlore等）公司，这些公司最终都被并购。
如今，LMS市场的规模已超过200亿美元，这一切几乎都是在线培训推动的结果。虽然这些系统可能看起来笨重，但它们对全球每家公司的交易和记录保持都至关重要。
当公司争相购买LMS系统——这是一个投资者非常关注的热门市场时，他们发现一个庞大的课程目录并不实用。因此，他们开始构建一套特征，我称之为“以人才为驱动的学习”，包括基于能力的学习、与职业角色一致的课程和职业发展路径系统。这些特征被添加到LMS中，使得这些系统不仅仅是教育工具，更像是“人力资源系统”，从而促使供应商扩展到更多的人才管理功能。
早期的开拓者Saba和Cornerstone开始推出绩效管理工具。回顾起来，这些尝试可能看起来有些简单，但当时它们代表了一个重大突破。突然之间，公司不再单独购买LMS系统，而是选择购买包含多个功能的“人才管理套件”，这迫使专注于LMS的供应商开始涉足招聘、目标管理乃至薪酬管理。他们可能没有意识到，放弃核心业务最终会导致他们被市场颠覆。
随着Facebook（2004年）、YouTube（2005年）和Twitter（2006年）的相继出现，内容世界发生了巨变。视频、文章和专家意见变得触手可及，那些笨重、以课程目录为导向的LMS系统显得格外难以使用。因此，随着公司寻求新的解决方案，原本投入巨资于人才管理的LMS市场开始显露老态。学习体验平台（LXP）市场随着Pathgather（2010年）、Degreed（2012年）、EdCast（2013年）的诞生而兴起，企业转向这一新兴领域投资。
2010年代初，整个行业的理念是尝试模仿Google，打造一个既具有Twitter式动态性又拥有YouTube式丰富内容的企业学习系统。传统的LMS和人才管理系统逐渐过时，供应商在缓慢的增长中寻求出路，最终合并为几家大型玩家。
随后，微学习的概念兴起。iPhone成为了视频播放平台（2008年），Instagram（2010年）、Snapchat（2011年）及后来的TikTok（2015年）向我们展示了短视频和“微学习”可以是多么的有趣。过长的两小时在线课程变得不受欢迎，因此LXP供应商开始扩展自己的产品线。随着公司将越来越多的内容投入到LXP中，我们意识到需要一种方法来寻找、精准定位并个性化所有这些学习材料。
此变化自然引发了内容市场的爆发。LinkedIn、Coursera、Udemy、OpenSesame、Go1等供应商决定开拓这个领域，推动了新材料的狂热消费。自那以后，内容市场继续繁荣发展，尽管仍然主要由小型玩家主导，但被更大的聚合商所整合，这些聚合商销售并分发多种品牌。
（顺便提一下，Workday在2016年收购了视频公司Mediacore，以抓住这波趋势。由于缺少核心LMS功能，他们花费数年时间将其发展成为一个完整的LMS。）
进入技能的世界。
你可能不会相信，但“技能记录系统”的概念最初出现在LXP领域，供应商如Degreed和EdCast建立了一个搜索术语数据库，并用“技能”一词标记内容。在消费者市场，我们能接收到成百上千的信号来推荐广告，但LXP供应商只有少数工程师，因此他们的“技能分类”相对简单。这个概念迅速走红，公司开始专注于构建基于“技能”的培训，随后是招聘和人才战略。
同时，L&D领域正处于创造性混乱之中。出现了如360 Learning、Fuse Universal、Kineo等数百家内容创作和分享系统的供应商，旨在帮助公司创作、分享视频内容，并按角色、技能或职能进行组织。这些并非严格意义上的LMS系统，但它们位于LMS前端，使员工能够轻松创建和消费动态内容。
这一时期，从2018年至今，成为L&D领域的热潮。市场充斥着各式各样的视频内容工具，同时像STRIVR和Talespin这样的先锋公司开始为虚拟现实（VR）构建工具和内容系统。自创内容平台、视频平台和VR平台正在满足重要需求，而LMS市场则变得更加固定、枯燥和无趣。（Talespin最近被Cornerstone收购。）
顺带一提，我仍然认为“能力学院平台”市场具有巨大潜力（这类平台提供综合的专业能力和小组学习功能，例如我们的Josh Bersin Academy）。Docebo、Learn-In、Nomadic、NovoEd和Intrepid等供应商仍在增长，但随着时间推移，这些系统可能被整合进人才市场。这一领域一直是行业的一个亮点。
作为分析师，我得诚实说，过去几年对我来说有些单调。我们帮助了数百家公司决定该选择哪种L&D系统，但通常我们发现这些组织有太多平台，内容分散杂乱，缺乏一致性的数据处理，以及在这一领域的过度投资。因此，这个静态期代表了过去3到5年的趋势，是企业整理过去十年购买历史的好机会。
世界突然再次发生变化。技能分类的理念迅速蔓延，同时新兴的人才智能系统，如Eightfold、Gloat、Fuel50等纷纷涌现。这些新兴系统使公司能够按技能寻找人才、根据技能推荐职位和机会，并按技能动态规划职业路径，再次与L&D领域发生碰撞，促使我们将所有内容“整合”进这些新平台中。
本周我刚与我最喜爱的L&D专家之一通话 ，他向我展示了他所在的大型制药公司如何将其LMS、LXP和人才市场融合成一个无缝、端到端的体系。他可能略微超前于当前趋势，但这正是事物发展的方向。
然而，故事还在继绀。又一场变革已经到来，这一次的影响力与YouTube、Instagram或iPhone相媲美，甚至更大。没错，就是AI。
AI，如许多人所预料，将彻底颠覆这个行业。正如我们在电子学习和人才管理时代所见证的那样，这意味着供应商生态将彻底改变。
AI如何改变一切
让我不夸大其词地告诉你。在这30年的故事中，有一点始终未变：企业培训关注的核心始终是内容。是的，我们希望内容更简短、更快速、能在手机上查看——但如果内容本身没有实用价值，不切实际，不易于消费，它就无法发挥作用。你们中有多少人为了得到学分而快速点击通过那些以页面为基础的合规课程，但实际上几乎没有注意内容？这正是我们面临的挑战。所有这些向视频、微学习、大规模开放在线课程（MOOCs）以及其他形式的转变，都是为了解决这个问题的尝试。
比如，假设企业学习系统能识别你是谁，你只需提出一个问题，它就能生成答案、一系列资源和一组动态学习对象供你消费。有时候，你可能只需快速获取答案即可。其他时候，你可能会深入研究内容。还有时，你可能会浏览整个课程，并花时间学习所需的知识。
假设这一切都是完全个性化的。这意味着你不会看到一个“标准课程”，而是根据你当前知识水平定制的特殊课程。
这就是AI即将带给我们的。而且，这已经在今天开始发生了。
不仅生成式AI能够回答问题和吸收内容（例如，Galileo™已经容纳了我们25年以上的每一项研究，包括视频、播客和文章），它还能生成视频、测试、测验甚至整个课程。它可以作为技术课程的教学助手，也可以作为领导力项目的教练或导师，并且能够进行语言转换。
AI能够根据你的身份动态生成内容，这意味着什么？
那么，LMS市场、LXP市场、VR学习市场以及所有内容提供商将如何呢？在未来几年，我们将见证一场巨大的行业洗牌。
供应商正在采取的行动
虽然我无法确切知道每个L&D供应商正在做什么，但可以肯定，变化正在迅速进行中。
Docebo Shape能够从文档中生成高效的互动式培训材料（Arist也能做到这点）。Uplimit构建了一个完整的L&D平台，采用AI智能体和课程中自动生成的内容。我们的合作伙伴Sana不仅能自动生成内容，还围绕AI核心建立了一个完整的LMS系统。Cornerstone通过收购Talespin，能够动态创建角色模拟和几乎可以无限配置的场景。快速增长的“精确技能”供应商Growthspace，可以根据1100种具体的商业技能，为你匹配一个“技能教练”，与你的具体目标对齐。
LMS市场不会消失，但正如人才智能系统正在逐渐取代应聘追踪系统（ATS）和人力资源管理系统（HRMS）一样，AI驱动的内容平台将逐步侵蚀LMS市场。我的制药公司朋友希望他的LXP能成为他们的“动态内容系统”，但坦白说，我不确定LXP供应商是否已经准备好迎接这个挑战。许多供应商，从LinkedIn到Microsoft，将不得不重新考虑他们如何成为“动态学习”系统，以及他们希望在其中扮演什么角色。
正如所有技术转变一样，通常情况下，从头开始构建的系统会超越旧有系统。对于Cornerstone或Docebo这样拥有数千客户的公司来说，当新技术出现时，他们不能简单地“替换”他们已经建立的系统。因此，新兴的AI驱动学习系统可能会由新的供应商推出，并随着这些公司的发展，开始取代和竞争现有的系统。
尽管看上去简单，学习技术实际上非常复杂。Workday几乎花了十年时间从Mediacore发展到一个相对健全的LMS，并且他们才刚刚开始尝试AI。因此，不要期望你现有的供应商能够一夜之间彻底改变。
但有一件事我可以确定：颠覆即将来临。就像Plateau、Saba和SumTotal在2000年代初期时“市场上最热门的供应商”一样，它们很快就成为了过时系统和收购目标，当市场变化时同样的情况也可能发生在今天。新兴供应商如Sana、Growthspace、Uplimit、Docebo、LMS365等将崭露头角。
尽管风险资本家通常对这个市场持谨慎态度，但往往是那些拥有最佳管理团队的公司最终胜出。大型供应商如LTG、Cornerstone和Skillsoft拥有充足的资金，因此随着市场的发展，任何事情都有可能发生。但对我来说，一件事是明确的：前方是一个巨大的增长周期。
AI的机会是真实的，而且极为巨大
想象一下我们公司中的遗留内容量。全球必然存在价值超过一万亿美元的 合规培训、销售培训、运营培训、安全培训和领导力发展内容。如果AI能够在大规模上“重新利用”和“再创造”这些内容，我们将看到这个巨大的市场向新系统转变，最终实现知识管理和学习的完美结合。
我来举一个简单的例子。我们的一位Galileo客户是一家拥有百年历史的大型航空航天公司，他们在工程、产品设计、航空和国防技术方面有着丰富的积累。他们构建了喷气引擎、导弹、核潜艇以及各种系统。对于一名新工程师，他们需要超过三年的时间来完成“入职培训”，因为需要掌握大量的知识产权、设计专长和系统操作。他们的资深工程师们都在逐渐退休！
他们在我们的帮助下，开始了一个以AI为中心的试点项目，把多年累积的内容放到一个新平台中，供年轻工程师使用。我相信，这将带来翻天覆地的变化。Galileo将协助处理管理层面的问题，而一个类似的AI助手将帮助工程师学习、寻找文档、观看视频并参加相关课程。传统的LMS和HRMS工具可能不会在这一过程中发挥重要作用。
考虑一下你的公司。你们囤积了多少内容、专业知识和旧有的培训资料？AI可以“释放”这些资源给你的员工，使其以前所未有的方式变得可用。这是一个激动人心的新时代，充满了即将到来的变革。
-
专家专栏
大咖谈：Workday收购HiredScore的意义，这可能颠覆人力资源科技领域
Workday计划收购HiredScore，这是人力资源技术领域的一次重大变革。HiredScore是一家领先的基于AI的招聘匹配工具提供商，此举将大大增强Workday在人才智能和招聘方面的能力。这次收购预计将整合HiredScore的专长到Workday的系统中，显著改善其应聘者追踪系统（ATS）、技能云和整体人才智能产品。此战略性收购可能会重塑人力资源软件市场，迫使其他供应商加速他们的AI计划，可能激发一轮新的收购热潮。我们来看看大咖JoshBersin的看法：
本周，Workday宣布有意收购HiredScore，这是一家在招聘领域提供基于AI的匹配工具的领先企业（被称为“人才编排”）。虽然这次收购在财报电话会议中并未被详细讨论，但这对Workday来说无疑是一大利好，对整个人力资源技术市场也将产生广泛影响。
目前市场上正展开一场关于高性能基于AI的招聘工具的激烈竞争（市场估值达到301亿美元）。这个市场过去主要由应聘跟踪系统（ATS）主导，这些系统为各企业提供重要的成长技术支持。
现在，存在了超过25年的ATS市场正在经历一场由高性能AI工具推动的快速变革，这些工具帮助实现候选人的匹配、搜索、技能判断和人才寻找。随着AI工具变得普及，这些系统正变成装载着数十亿员工数据的大数据平台，利用复杂的AI模型帮助企业找到合适的人选、分配项目和安排短期工作。
多数ATS提供商（包括Workday）已经通过增强匹配功能逐渐拓展到这个领域。简历解析工具（一种读取简历并根据职位描述进行评分的软件）的初衷已发展为复杂的文本分析和基于AI的推断技术，这迫使ATS供应商进行更多投资。
随着ATS供应商提升他们的AI功能，一个以AI为先的新兴人才智能供应商领域开始显现。这些供应商，例如Eightfold、Gloat、Beamery、Phenom、Seekout、Skyhive、Retrain和Techwolf，他们正在创建以技能为中心的大数据平台，将人们与工作、临时职位和导师匹配起来。这些系统的功能远不止于评估匹配，它们能识别技能、探索相似技能、为人们规划职业道路、寻找导师等。它们实质上是基于向量数据库的开放式大数据AI平台，可用于许多企业应用，如职位结构设计、技能规划、内部流动、薪酬公平性分析等，它们在很多方面预示着人力资源技术的未来。
随着人才智能供应商的增长，他们开始推出挑战传统人力资本管理（HCM）系统的平台。例如，如果一个企业的所有员工、应聘者、前员工和潜在客户都在Eightfold、Phenom或Gloat中，那么Workday或SAP可能就只会被视为一个战术性的薪酬和工作流管理系统。（ServiceNow也意识到了这一点，并正在将人才智能集成进其工作流平台。）
直至目前，像Workday、Oracle和SAP这样的大型HCM供应商在构建这些新系统方面遇到了困难，主要是因为他们最初的架构并非基于AI。因此，他们通过如Workday Skills Cloud或SAP机会市场这样的产品吸引客户，但这些产品尚未完全成形。例如，我们已与多位Workday Skills Cloud的客户交流，他们认为它是一个重要的“技能记录系统”，但其真实的AI匹配和推理能力仍然有限。
随着HiredScore的加盟，这是一家备受尊敬的基于AI的匹配系统，拥有超过40名经验丰富的AI工程师在以色列。这些专家擅长于候选人匹配（这是一个颇具挑战性的问题），现在他们成为了Workday工程团队的一部分。我确信他们将继续发展HiredScore，同时也能显著提升Workday的整体人才智能服务，从而改善整个系统，包括Skills Cloud、Workday Learning、Workday Talent Marketplace等。
尽管招聘软件市场已经相当庞大，但内部职业发展工具、人才流动性、技能推断和企业学习的市场规模是其五倍。这次收购将极大加速Workday整个AI平台战略的发展。（就像2014年收购Identified一样，那是Workday Skills Cloud的起点。）
此举对市场的影响
这一行动可能会在几个重要方面改变人力资源软件市场。
首先，Workday的招聘客户将会非常满意。Workday的ATS系统现在拥有了一流的匹配和候选人评分解决方案。这不仅加强了Workday与大型ATS提供商的竞争力，也为Workday开辟了新的收入来源，因为他们可以将HiredScore销售给现有的4000多个Workday ATS客户。（类似于之前对员工体验的Peakon收购。）
其次，这迫使Workday的人才智能合作伙伴提高他们的竞争力。记得Apple收购了市场上最受欢迎的微气象应用Dark Sky吗？当它被整合进Apple的其他应用后，独立第三方天气应用的市场就消失了。Workday可能会限制其合作网络，防止HiredScore的竞争对手进入其生态系统。
第三，这促使HCM供应商加快AI的发展。由于HiredScore是如此备受推崇的产品（我们接触的每位客户都对它赞不绝口），它将迅速成为Workday演示和销售方案的一部分。Workday的HCM竞争对手将开始寻找同样成熟的AI供应商进行收购。这可能会触发一系列类似于2010年代中期的收购热潮。
最后，还有一个可能性，我认为这种情况很可能发生。为了不落后于Workday，人才智能供应商可能会扩展他们的ATS功能，决定提供一套完整解决方案。如果这种情况发生，我不会感到惊讶。
为什么基于AI的候选人匹配至关重要
这项技术为何如此重要？如果你曾尝试在Indeed或LinkedIn上进行招聘，你就会明白原因。候选人匹配技术的质量和可靠性是人才平台的核心。正如Google搜索如何颠覆了Yahoo、Excite和Inktomi一样，一个强大的下一代匹配工具能带来巨大的价值。它不仅加速了人才招聘过程，还促进了内部流动性、职业发展门户、技能发展，乃至于学习和薪酬体系的发展。
为什么会这样？因为“匹配”是一个复杂的问题。不像Google搜索只关注文本和流量，当你为一个职位寻找合适的人选时，你需要考虑许多复杂的因素。这个人拥有哪些技能和能力？他们持有什么样的证书或认证？他们与谁有联系？他们适应工作、角色和公司的可能性有多大？他们的行业经验会带来哪些影响？他们熟悉哪些工具和技术？
情况更加复杂。例如，基于Eightfold建立的Heidrick Navigator平台使用AI来评估管理和领导技能，判断一个人的“结果推动能力”等。这种AI应用对于我们在商业中做出的许多重要决策至关重要。
这就是人才智能领域快速增长的原因。到目前为止，LinkedIn上已有超过1,800名担任“人才智能”相关职位的总监或VP，这个数字比一年前增长了近六倍。
Workday能否在这个新兴领域取得领先？目前尚难以断定，但赛局已经开始，各方都在紧锣密鼓地准备。这次交易为参与者排定了位置，似乎预示着将会带来一场大变革。
-
专家专栏
Josh Bersin谈：DEI 2024年将会消亡吗？
2024年对于多样性、公平性和包容性（DEI）项目来说是充满挑战的一年，特别是在Claudine Gay从哈佛大学辞职后，DEI项目遭受了前所未有的攻击。尽管DEI项目面临着来自“反觉醒”评论员的批评和法律挑战，但它们在商业中的价值不容忽视。DEI不仅有助于扩大招聘池，深化领导力管道，吸引多元化的客户和市场，还能促进供应链的可持续性和员工的增长、保留和参与。尽管当前对DEI的批评声音不断，但企业领导者不太可能让这些投资消失。该文章强调，是时候让DEI原则渗透到所有业务单元，而不仅仅是人力资源部门，高级领导者必须对这一问题负责。
对于那些致力于多样性、公平与包容（DEI）领域的人士来说，2024年的开端无疑充满挑战。近期，DEI项目遭到了前所未有的集中攻击，包括一些“反觉醒”评论员和公众人物对其价值、意义乃至存在的质疑。
特别是随着Claudine Gay从哈佛大学的辞职，这种攻击愈发激烈。尽管她的辞职表面上与剽窃事件有关，但不难察觉，她作为DEI领域的领军人物，这一身份似乎也是辞职呼声高涨的一个重要因素。
这意味着，DEI正面临着前所未有的挑战。尽管高效的DEI项目能够为雇主和雇员带来众多益处，但人们仍担忧2024年可能成为DEI逐渐淡出视野的一年。这种情况发生的可能性有多大？如果真的发生，又会产生何种影响？
DEI与文化战争
近年来，无论是在美国还是全球其他大多数国家，你可能都会听说过“文化战争”。这场战争源于对机构的信任下降、不平等现象的加剧以及技术的广泛传播，涉及到试图强加自己意识形态的社会对立群体。
从学校课程内容、体育赛事中的下跪行为，到对“女性”定义的争议、以及工作场所中的代表性指控等，无一不被卷入这场文化战争。而DEI，在这场战争中虽不愿意却占据了核心位置。
人们普遍认为DEI项目倾向于“觉醒”，过分强调种族和性别因素，而忽视了成就和能力。2023年8月，一位律师成功对一家支持黑人创业者的风险投资公司提起诉讼。类似的诉讼也针对那些实施多样性招聘、奖学金和实习计划的公司提起。
Claudine Gay的辞职再次引发了对DEI项目的广泛讨论。保守派脱口秀主持人和作家Josh Hammer在社交媒体平台X上表示，击败Gay博士是“为文明理智而战的一大胜利”。保守派评论员Liz Wheeler称之为“对DEI、觉醒主义、反犹太主义及大学精英主义的沉重打击”，而保守派活动家Christopher Rufo则称这是“DEI在美国机构中走向终结的开始”。
如此一致的批评和贬低无疑对DEI项目造成了重创。根据劳动力市场分析公司Lightcast的数据显示，尽管经济蓬勃发展，但美国DEI相关职位的招聘量同比下降了48%。显然，DEI正面临严峻挑战。
当提到公司裁员时，DEI相关职位往往是裁减名单上的重点。我最近听到一个播客，四位知名风险投资家中有三位认为“取消DEI项目”是他们的首要任务。
DEI的价值
面对如此批评，人们或许会误以为DEI项目对人力资源和更广泛的商业活动没有任何价值。然而，实际上，许多公司对DEI项目的投资极具价值，几乎每个案例都能证明这一点。
我们在2022年和2023年的《提升公平研究》中发现，公司出于实际原因关注多样性和包容性，这包括：
包容性招聘策略扩大了招聘范围。
包容性领导力策略深化了领导力储备。
包容性管理方式吸引了多元化的客户和市场。
包容性董事会推动了市场增长和领导地位（这一点已通过统计数据得到证明）。
包容性供应链项目提升了供应链的可持续性。
包容性文化促进了员工的增长、留存和参与。
组织之所以优先考虑DEI项目，并非仅仅因为“觉醒”，或者作为勾选式行动。他们这样做是因为DEI确实带来了实际和有形的商业利益。例如，Workday这样的HR技术公司在市场上备受尊敬，它不仅在内部推广DEI，在其产品中也体现了这一点，多年来一直超越竞争对手的增长和表现。它们的产品VIBE，一个专门设计的分析系统，展示了交叉性，帮助公司设定目标，找出领导力、招聘、薪酬和职业发展中的不平等。
然而，一些律所提出这类计划可能违法——这是否成立呢？
DEI的合法性
面对这一问题，我们不得不考虑到复杂且广泛的薪酬公平问题。直到最近几年，大多数公司在个性化支付薪酬方面并未遇到太大问题。Josh Bersin Company去年对全球的领导力、继承计划和薪酬计划进行了研究，发现在许多大公司中，薪酬存在巨大差异，且大多没有明显的统计相关性。
这个问题被称作“薪酬公平”。当涉及到性别、年龄、种族、国籍等非绩效因素时，大多数公司都存在问题。那么，分析基于种族或国籍的薪酬差异并加以解决，这会被认为是非法的吗？
DEI的未来
DEI无疑是一个复杂的议题，许多组织对于采取何种措施感到不确定。尽管面临当前的批评浪潮，但近年来对DEI策略的巨大投资表明，商业领袖们不太可能让这一切付诸东流。
尽管存在反觉醒运动、政治辩论，以及哈佛、宾夕法尼亚大学等教育机构在这些议题上的模糊立场，但商界不会因此而停滞不前。平权行动的初衷不是为了歧视，而是为了减少歧视。例如，在加州大学，自从1995年停止实施平权行动以来，研究发现非洲裔美国人STEM专业毕业生的收入显著下降。因此，可以说这些措施确实产生了积极的影响。
DEI不会消亡——它对此太重要了。然而，现在是时候取消人力资源部门中的“DEI警察”，转而专注于在所有业务单元中嵌入包容性、公平薪酬和开放性讨论的原则。高级领导层必须对这一议题负起责任来。
回顾21世纪初，许多公司聘请首席数字官来推动数字技术的实施、创意和战略。随着数字工具成为常态，这一角色逐渐消失。我们可能正处于一个新的时期，首席多样性官的角色也在发生变化：不再是从中心团队推动议程，而是引导公司在每一个业务领域都拥抱包容性和多样性。
通过我们在这个话题上的每次采访，我们都能看到各种DEI策略的积极故事。每个成功的公司都将DEI视为一项业务策略，而非仅仅是人力资源策略。虽然以HR为中心的DEI投资正在减少，但这更像是它们向业务领域的转移，这正是它们应有的归属。
-
专家专栏
大咖谈：SAP SuccessFactors 人工智能战略
Josh Bersin 写了一篇文章介绍SAP的SuccessFactors通过其创新的AI策略正在彻底改变人力资本管理（HCM）领域。文章探讨了AI在增强招聘、学习、员工服务等各种人才流程中的变革作用。SAP在SuccessFactors的多个模块中推进其AI应用，重点关注实用、高价值的解决方案。Joule，一个为SAP应用专门设计的AI工具，是该策略的核心。文章还讨论了SAP在AI领域的方法，涵盖生成性AI、会话AI和深度学习AI。它强调了AI逐渐融入功能发布中，提升HR技术栈的整体用户体验。文章最后肯定了SAP在HR技术集成AI方面的领导地位。
以下是文章内容，AI翻译，仅供参考：
本周，Josh Bersin与 SAP / SuccessFactors 架构团队进行了深入的简报，深入了解了公司的人工智能长期战略。我离开时留下了深刻的印象，并开始理解人工智能如何不会“取代”HCM 平台，而是以一种非常重要的方式“改变它”。
人工智能在 HCM 中的应用有很多“表面”。人工智能可以协助采购、招聘、学习、继任和大多数人才流程。人工智能可以增强内容开发、员工沟通、案例管理和员工服务。作为分析引擎，人工智能可以极大地增强薪酬公平分析、绩效管理分配、领导力评估等。
对于像 SuccessFactors 这样的全球 HCM 供应商来说，机会空间很大。目前，该公司并没有考虑核心人力资源的架构替代品，而是专注于务实、高价值的用例，这些用例可以立即使 SuccessFactors 变得更有用、更高效、更有价值。
目前，该公司 在 SAP SuccessFactors 模块中拥有大约十个主要的 AI 用例系列，每个用例系列都有一个多场景功能路线图。其中包括智能职位描述、推荐的学习和职业、人才流动和人才市场、技能和能力推断和分析、员工政策和沟通，以及员工服务、员工交易、福利和核心人力资源中的用例。（智能职位描述和面试问题已上线。）
当我查看整个路线图（其细节仍然保密）时，我对 SAP 的务实和成熟感到震惊。由于该公司在几乎每个行业的数百个人才流程中都拥有深厚的领域专业知识，因此该团队显然正在尽可能地“应用人工智能”。他们并没有做出使用 OpenAI、Microsoft Azure 服务、IBM 或其他技术堆栈的单一架构决策，而是为每个用例找到合适的法学硕士，并针对其目的进行了优化。
例如，最大的用例之一是语言翻译。 。该团队有数百个界面和对话需要翻译，因此他们找到了为此目的优化的特定法学硕士。是的，SAP 正在与 Microsoft 合作开发 Copilot，但他们也在构建自己的副驾驶，称为 Joule。
Joule（“焦耳”就像一瓦特的能量）是为所有 SAP 应用程序精心设计的 Copilot。该团队已经开发了 30 多个用例（交易或旅程），其中许多将在 2024 年 1 月推出。它是在 IBM 的一些支持下开发的，它允许公司使用 Joule 进行目标管理、人力资源政策、工作变动、打卡/外出、请假等事务。想象一下使用聊天机器人开发、管理和审查您的目标：SAP 即将推出它。
SuccessFactors 将其人工智能项目分为三种类型：生成式人工智能、对话式人工智能和深度学习人工智能。在众多功能中，这意味着SuccessFactors客户将获得各种工具，如写作助手、申请人筛选、职业对话、学习导师，以及人才情报功能，如职业探索、人才市场和高级学习建议。SuccessFactors 也非常注重人才情报。
客户将通过“功能发布”来了解这项技术。换句话说，客户不会尝试将人工智能作为一个全新的平台进行营销，而是会看到应用程序的所有领域都出现了许多高级功能。
随着公司构建 Joule（系统中的核心新功能），该范式被分为三种类型的工作流程： 信息模式（查找和显示信息，例如查看您的福利或假期余额）、导航模式（导航用户）通过带有卡片和提示的业务流程，例如创建或查找职业道路）和事务模式（直接执行事务，无需进入应用程序模块，例如输入费用报告或开设新职位）。
由于 Joule 是一款对话式应用程序，它不仅可以回答问题，还可以引导用户完成工作流程以简化工作流程。SAP 明白这是一个巨大的范式转变，从“填写表格”转变为“告诉系统您想要做什么”。上周我与一家全球科技公司的人力资源技术主管讨论了这个问题，他告诉我，由于为员工使用智能代理，他们的呼叫中心查询量已经减少了 30%。唐娜·莫里斯 (Donna Morris) 也分享了沃尔玛员工助理的类似甚至更好的结果。
Joule 适用于所有 SAP 产品，并且还存储历史记录。因此，当您在工作中执行不同的操作时，系统会记住您最后执行的操作，从而使其变得越来越易于使用。例如，如果您想给员工奖金，您可能需要在 CRM 中查看员工的销售业绩，将该数据放入奖金文档中，然后将其发送以供审批。如果您不是使用 CRM 的专家，Joule 会帮您找出您的需求。
其底层架构称为SAP Business AI。SAP Business AI 是各种 LLM 和 AI 服务，能够为系统的不同部分提供不同的功能。这意味着 Joule 本质上是一个“开放系统”，它也可以访问其他交易信息。想象一下，如果您将 Joule 连接到公司的银行系统：员工可以使用 SuccessFactors 查看或管理他们的财务账户，查看他们的奖金何时到达支票簿等。（这不是 SAP 计划做的事情；尚未宣布，我'我只是想象了很多选择。）
这种开放式架构很重要。当公司构建自己的 Copilot 和人工智能代理（如 Galileo）时，他们将希望与 SAP 和 SuccessFactors 进行交互、共享数据并连接。这种“开放 API”流程是 Joule 战略的一部分，因此在某些方面 Joule 可以在这个更大的空间中发挥作用。
竞争即将来临
虽然没有其他 HCM 供应商宣布过这种深度水平，但您可以打赌，未来还会有更多深度。 Workday几个月前推出了其高层战略，微软已经推出了与 HCM 和 CRM 产品集成的Microsoft Dynamics 365 Copilot 。这只是冰山一角：每个人力资源技术提供商都在尽快添加 Gen AI 功能。
但 SAP 作为最大的供应商，显然保持着领先地位。他们的战略是综合的、全面的，并且注重务实的需求。
未来还有很多
当 OpenAI 去年秋天进入市场时，我们几乎无法想象人工智能会走向何方。 现在，感谢 SAP 等供应商，我们将看到人工智能功能、对话界面和令人惊叹的生产力工具出现在我们的日常生活中。
这是一个令人兴奋的新世界，我很高兴看到 SAP 引领潮流。
-
专家专栏
Josh Bersin：人工智能实施越来越像传统IT项目
Josh Bersin的文章《人工智能实施越来越像传统IT项目》深入探讨了企业中人工智能项目的实施情况。文章指出，尽管人工智能具有其独特性，但在实施过程中，它越来越多地展现出与传统IT项目相似的特点。这些相似性包括对数据管理的重视、安全性和访问管理的必要性、及时的工程响应和系统监控等。文章还强调了供应商筛选的重要性，以及变更管理、培训和组织设计在实施人工智能项目时的关键作用。这种趋势反映出人工智能已成为企业IT策略的核心部分，需要企业在实施和整合人工智能应用时，采用适应性强的传统IT策略，以提高运营效率和组织改进。
我们一起来看看原文：
随着我们越来越多地了解人工智能的企业实施，我对它们每天都感觉更像传统 IT 项目感到震惊。
是的，生成式人工智能系统有许多特殊的特征：它们是智能的，我们需要训练它们，并且它们对用户具有根本性的变革性影响。而且后端处理成本很高。
但尽管谈论先进的模型和逼真的行为，这些项目也有传统的一面。我已经与十几家大公司讨论了他们的各种人工智能策略，我想鼓励买家考虑基础知识。
发现 1：企业人工智能项目都与数据有关。
与新 ERP 系统、薪资系统、招聘或学习平台的实施不同，AI 平台完全依赖于数据。无论您购买什么产品（像 Galileo™ 这样的智能代理、Eightfold 这样的智能招聘系统，或者提供销售的人工智能支持平台生产力），成功取决于您的数据策略。如果您的企业数据一团糟，人工智能将无法突然理解它。
本周我读到了一篇关于 微软 Copilot 宣扬选举谎言和阴谋论的报道。虽然我无法判断这种情况有多普遍，但它只是指出“您拥有人工智能系统的数据质量、培训和数据安全”。
例如，沃尔玛的我的员工人工智能助理已经证明，在处理员工有关福利的查询方面，其准确度提高了 2-3 倍。但为了做到这一点，该公司利用了令人惊叹的 IT 架构，将所有员工信息整合到一个个人资料中，经过多年开发的移动体验，以及强大的全球安全架构。
我们的客户之一是一家大型国防承包商，正在探索使用人工智能来彻底改变其庞大的知识管理环境。虽然我们知道 Gen AI 可以在这里增加巨大的价值，但最大的问题是“我们应该加载哪些数据”以及我们如何分割数据以便正确的人访问正确的信息？他们现在正在研究那个项目。
在设计 Galileo 的过程中，我们花了近一年的时间梳理 25 年来积累的信息，以构建一个能够提供有意义答案的语料库。幸运的是，我们从一开始就专注于数据管理，但如果我们没有可靠的数据架构（具有一致的元数据和信息类型），该项目将会很困难。
因此，这些项目的核心是一个了解数据源、元数据和数据集成工具的数据管理团队。一旦新的人工智能系统开始工作，我们就必须定期对其进行训练、更新并消除偏见和错误。
发现 2：企业人工智能项目需要重点关注安全和访问管理。
假设您找到了一个可以为您的员工提供突破性解决方案的工具、平台或应用程序。它可以是销售自动化系统、人工智能驱动的招聘系统或帮助呼叫中心代理处理问题的人工智能应用程序。
谁可以访问什么？如何对语料库进行“分层”以确保合适的人看到他们需要的内容？这种练习与我们在 20 世纪 80 年代在 IBM 所做的事情是一样的，当时我们实现了这个复杂但极其重要的系统，称为 RACF。我讨厌宣扬自己的年龄，但 RACF 设计者在很多年前就思考过数据安全和访问管理的这些问题。
人工智能系统需要一套类似的工具，并且由于法学硕士倾向于将所有内容“整合和聚合”到模型中，因此我们可能需要针对不同用户的多个模型。
就人力资源而言，如果使用Eightfold、Seekout或Gloat建立一个人才情报数据库，其中包括职位名称、技能、级别以及有关证书和工作历史的详细信息，然后我们决定添加“薪水”……哎呀……好吧突然间我们遇到了数据隐私问题。
我刚刚完成了与 SAP-SuccessFactors 的人工智能架构的深入讨论，您看到的是一组开发用于在 Joule（SAP 的副驾驶）中针对各种用例运行的“迷你人工智能应用程序”。 SAP 花费数年时间构建工作流程、访问模式和不同级别的用户安全性。他们设计的系统是为了安全地处理机密数据。
还要记住，像 ChatGPT 这样的访问互联网的工具可能会以有害的方式导入或泄漏数据。用户可能会无意中使用Gen AI工具创建不可接受的内容、危险的通信以及引发其他“越狱”行为。
在您的人才情报战略中，您将如何管理工资数据和其他私人信息？如果法学硕士使用这些数据进行分析，我们必须确保只有适当的用户才能看到它。
发现 3：企业人工智能项目需要关注“快速工程”和系统监控。
在典型的 IT 项目中，我们花费大量时间在用户体验上。我们在 UI 设计师、艺术家和工匠的帮助下设计门户、屏幕、移动应用程序和体验。但在 Gen AI 系统中，我们希望用户“告诉我们他们在寻找什么”。我们如何培训或支持用户更好地提示系统？
如果您曾经尝试过使用 Paypal 这样的公司的支持聊天机器人，您就会知道这有多困难。我花了几周的时间试图让 Paypal 的机器人告诉我如何关闭我的帐户，但它从来没有给我正确的答案。 （最终我想通了，尽管我仍然从已经去世的承包商那里收到发票！）
这些问题我们必须要思考。在我们的案例中，我们构建了一个“提示库”和一系列工作流程，以帮助人力资源专业人员充分利用伽利略，使系统易于使用。 Paradox、Visier (Vee) 和 SAP 等供应商正在构建复杂的工作流程，让用户提出一个简单的问题（“管道的第 3 阶段有哪些候选人”）并获得格式良好的答案。
如果您向招聘机器人询问诸如“谁是该职位的最佳候选人”之类的问题并将其插入 ATS，它会给您一个好的答案吗？老实说，我不确定 - 所以供应商（或你）必须训练它并构建工作流程来预测用户会问什么。
这意味着我们将监控这些系统，查看不起作用的交互，并不断调整它们以使其变得更好。
几年前，我采访了星展银行（新加坡数字银行）的数字化转型副总裁，星展银行是世界上最先进的数字银行之一。他告诉我，他们组建了一个完整的团队来监视网站上的每次点击，这样他们就可以不断移动按钮，简化界面，并使信息更容易查找。我们需要对人工智能做同样的事情，因为我们无法真正预测人们会问什么问题。
发现 4：供应商需要接受审查。
下一个“传统 IT”主题将是供应商的审查。如果我是一家大型银行或保险公司，并且我正在寻找先进的人工智能系统，我会详细审查供应商的声誉和经验。仅仅因为像 OpenAI 这样的公司已经建立了出色的法学硕士，并不意味着他们作为供应商有能力满足您的需求。
供应商是否拥有您所需的资源、专业知识和企业功能集？我最近和中东的一家大型企业进行了交谈，该企业在沙特阿拉伯、迪拜等该地区的其他国家都有重要的设施。他们现在和将来都不会让用户信息、查询或生成的数据离开其管辖范围。您选择的供应商有能力满足此要求吗？小型人工智能供应商将努力解决这些问题，导致IT部门以新的方式进行风险评估。
还出现了专门从事“偏见检测”或人工智能系统测试的顾问。大公司可以自己做到这一点，但我预计随着时间的推移，将会有咨询公司帮助您评估这些系统的准确性和质量。如果系统是根据您的数据进行训练的，您的测试情况如何？在许多情况下，供应商提供的人工智能使用来自外部世界的数据：它使用什么数据以及它对您的应用程序来说有多安全？
发现 5：变革管理、培训和组织设计至关重要。
最后，与所有技术项目一样，我们必须考虑变革管理和沟通。这个系统的设计目的是什么？它将如何影响你的工作？如果答案不明确或不正确怎么办？所有这些问题都很重要。
需要进行用户培训。我们的经验表明，用户很快就会采用这些系统，但他们可能不明白如何提出问题或如何解释答案。您可能需要创建提示库（如 Galileo）或交互式对话旅程。然后提供支持，以便用户可以解决错误、不清楚或不一致的答案。
最重要的是，存在角色和组织设计的问题。假设我们提供一个智能系统，让销售人员快速找到产品问题、定价和客户历史记录的答案。销售运营的新角色是什么？我们是否有人员来更新和维护数据的质量？我们是否应该因此重组我们的销售团队？
我们已经发现，伽利略确实打破了人力资源领域的障碍，例如，向业务合作伙伴或人力资源领导者展示如何处理可能属于他人领域的问题。这些都是美妙的结果，应该鼓励领导者重新思考如何定义角色。
在我们公司，当我们使用人工智能进行研究时，我看到我们的研究团队在更高的水平上运作。人们正在共享信息，更快地分析跨领域信息，并高速利用采访和外部数据。他们写文章的速度更快，现在可以将材料翻译成多种语言。
我们的会员支持和咨询团队经常依赖分析师的专业知识，很快就会成为顾问。当我们向客户发布伽利略时，问题和询问的程度将变得更加复杂。
这个过程将发生在每个销售组织、客户服务组织、工程团队、财务和人力资源团队中。想象一下人们会问的“新问题”。
底线：企业 AI 系统成为 IT 项目
归根结底，人工智能技术革命将需要大量传统 IT 实践。虽然人工智能应用程序具有突破性的强大功能，但实施问题比您想象的更为传统。
我永远不会忘记我在 Sybase 期间实施 Siebel 的失败经历。该公司很喜欢这个平台，买下了它，并强迫我们使用它。然而，该公司从未告诉我们他们为什么购买它，解释如何使用它，或建立工作流程和工作角色以将其嵌入公司。仅仅一年后，Sybase 在销售组织简单拒绝后就抛弃了该系统。没有人希望人工智能这样重要的东西能得到这样的结果。
当你学习并更加迷恋人工智能的力量时，我鼓励你思考你曾经参与过的其他技术项目。是时候超越炒作和兴奋，思考现实世界的成功了。
-
专家专栏
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。
-
专家专栏
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。
-
专家专栏
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。
-
专家专栏
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。
扫一扫 加微信
hrtechchina
