• 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
    【重磅必读】Josh Bersin认为AI加持的下一代的HR软件时代已经到来!以全球HR科技玩家为例-HR科技达人必读(多图) 人力资源软件构成了世界上最大的技术市场之一。据我们估计,这是一个价值 2500 亿美元的市场,包括薪资系统、核心人力资源平台、招聘、培训、福利和数百种其他应用程序。在过去的五年里,随着公司适应混合工作和大流行,市场出现了爆炸式增长。就在上周, Workday 宣布其订阅收入增长率为 20.1%,目前每季度达到 13 亿美元。 在过去的二十年里,这些系统发生了根本性的变化。在 1980 年代和 90 年代,这些工具主要是为薪资管理员、人力资源经理和 IT 员工设计的后台工具。从 2000 年代中期开始,这些系统全部迁移到云端,向员工开放接口。而今天,当我们都通过手机与数十种应用程序进行交互时,人力资源平台已经越界成为“工作”工具。 我们在工作中所做的一切,从安排会议到分析电子表格,现在都与人力资源系统有关。您的目标、反馈、团队互动、财务结果、招聘、团队领导和福利管理都是人力资源技术堆栈的一部分。随着我们大量使用这些工具(平均每个大公司有80 个这样的应用程序),它们开始融合在一起。 Workday、SuccessFactors、ADP 和 Oracle 等大型 HCM 参与者现在拥有合作伙伴生态系统来集成和简化所有这些工具。云架构的采用让这一切变得简单:一旦这些公司使用 API 开放了他们的应用程序,他们每个人都决定成为一个“平台”,而不仅仅是一个应用程序。甚至 ServiceNow 和微软 (Viva) 也参与其中。 多年来,我一直注意到这些系统的老化和遗留问题。虽然 Workday 和 SuccessFactors 等现代系统具有高度适应性,但它​​们的架构正在老化。Workday 成立于 2005 年,SuccessFactors 于 2001 年首次推出。虽然这些供应商以多种方式对其数据结构和架构进行了现代化和更新,但他们的核心系统仍然相当僵硬和脆弱。一旦您“实施”了这些系统,您就会遇到许多工作流程和层次结构决策,迫使公司随着公司的发展和变化而定期“重新实施”它们。 你品一下:根据 JPM Chase 的研究,超过75% 的公司在 15 年内倒闭或被收购。因此,您购买的任何 HCM 系统都必须适应性强、灵活且易于更改。没有人在这方面做得很好。 一个更棘手的问题是收集和分析数据。由于大多数公司都有许多系统(数十个招聘、培训、合规、福利、调查、福利和薪资系统),几乎不可能获得所有员工及其所有各种人力资源数据元素(培训、工作历史)的单一视图、绩效评级、反馈、薪酬、福利)所以 IT 部门必须做很多工作才能将这些整合在一起。像 Visier 这样的新平台彻底改变了这种新的“系统分析”解决方案,但大多数公司仍在苦苦挣扎。 在过去几个月中,我曾与麦当劳、GE等许多公司会面,他们都在处理这些数据问题。麦当劳希望在数十个工资系统中获得所有员工(和承包商)的单一视图。GE则正在将公司分割为三个独立的业务。在这两种情况下,他们认为他们需要对其人力资源管理平台进行全面的“重新实施”,这将耗费数千万美元并需要几年时间。 还有更多:我们如何获得综合数据(我们称之为“系统分析”)以综合方式查看人员流动、保留驱动因素、薪酬公平、内部流动性和技能?这些较新的人力资源计划需要以全新的眼光看待员工队伍,跨系统集成更多数据。顺便说一句,请记住,全球近三分之一的劳动力都是承包商,因此他们的数据在这些系统中几乎根本无法识别。 新架构如何使这更容易? 好吧,虽然这个市场的发展需要时间,但让我提出一些重要的建议。人工智能,媒体和投资界的宠儿,可能最终会带来我们需要的“新架构”。虽然还没有供应商构建完整的以 AI 为中心的 HCM 系统,但我相信它很可能会到来。 让我给你叨叨: 正如我在我们关于 AI 架构的新白皮书 中所讨论的那样,AI 解决方案分为三个系列:那些“添加了 AI”的,那些在他们的平台中构建“AI 功能”的,以及那些“建立在人工智能之上。” 正如我们在论文中详述的那样,第三类平台以 LLM 和神经网络为核心构建。它们不是将交易数据存储在传统系统中,然后添加机器学习来改善体验,而是首先建立在人工智能之上。在与这些公司的技术领导者多次讨论之后,我相信这可能就是未来。 考虑 LLM(神经网络)的真正工作原理。这些系统是“贪婪的数据分析器”,查看标记(单词)或数字,并以深刻而迷人的方式发现它们之间的关系。虽然我们从未真正确切地知道为什么一个人在工作中表现优于另一个人,但人工智能将能够为我们提供我们以前从未见过的线索。现在许多商业供应商将 LLM 作为产品和网络服务出售(Google、Microsoft、OpenAI、Nvidia、Anthropic、Amazon、Meta),这些平台越来越容易使用。 您可能会说,“没那么简单”——现有的交易系统存储了数百个数据元素,如今这些数据元素具有复杂的工作流管理、安全性、用户界面和完整性检查。我当然同意:这些 HCM 和人才管理系统对每家公司都很重要和必不可少。 但这些应用程序的问题在于它们不灵活。随着公司的发展和变化,系统会随着时间的推移变得越来越“复杂”和“有缺陷”。这就是为什么像 Microsoft、Allianz、Nestle 和其他公司这样的大公司拥有庞大的 IT 团队,专注于流程协调、数据完整性和架构以保持同步。 从某种意义上说,这就是 ServiceNow 发展如此之快的原因。为了颠覆这个庞大的市场,Bill McDermott 和他的团队将他们的工作流引擎定位为“平台中的平台”,能够神奇地创建“跨越”这些后端系统的业务规则和应用程序,将遗留设计挑战转移到新层。正如他们的成长所证明的那样,公司迫切需要这个新的抽象层。 但这不正是大规模人工智能系统真正要做的吗?绝对没错。因此,我们可以期待基于神经网络和大型语言模型构建的 AI 核心系统缓慢但肯定会取代这些遗留系统。核心 HCM 供应商可能会走得很慢,但在大多数情况下,他们看到了这一点,所以他们正在尽可能快地前进。 例如,SuccessFactors 正在构建一个基于图形数据库的新 HXM 图形系统,旨在模拟我们大多数人正在迅速成为的高度去中心化、敏捷的公司。由于与 SAP 的许多集成,他们不得不缓慢行动,但他们清楚地看到了未来,并且他们现在正在试验它。他们已经将 Copilots 直接构建到应用程序中,为招聘人员、人力资源人员和其他人添加了生成人工智能。   我在 Workday 与机器学习负责人进行了长时间的交谈,他们也看到了这一点。虽然 Workday 认为他们的架构是合理的,但他们将 AI 模型视为 Workday 架构的重要扩展。因此,他们的工程师在构建新功能时会研究许多可能的 LLM 和 AI 模型,以尝试逐步增加其庞大应用程序的价值。 他们提到的第一个用例是能够“忽略”高度信任的员工的某些安全或工作流规则。因此,根据用户的历史记录、使用模式和公司历史,Workday UI 对于每个用户来说都是不同的。 虽然这些都是令人兴奋的努力和创新,但我认为它会走得更远。当我与 Eightfold、Gloat、Seekout 或其他“以 AI 为核心”的供应商交谈时,他们看到了更加广阔的未来。为什么人力资源系统不能预测和推荐我们所有的学习、发展活动、工作调动,甚至日常活动?如果您考虑 Microsoft Graph 中的智能,再加上由 Eightfold、Gloat、Seekout 和其他公司管理的海量数据集,您可以想象这些系统比 Workday 现在所做的要多得多。 然后我们看看像 Cornerstone 和 ServiceNow 这样的专业供应商。Cornerstone 的新 AI-fabric 旨在查看 7,000 名客户的所有学习和发展活动,并为您的公司提供有关内容、流动性、技能等方面的规范性建议。虽然他们的实施还很新,但我最近看到的演示已经开始实现这一愿景。Cornerstone 客户可以看到他们所在行业的其他人“推荐”了哪些行业技能、内容、职业和流动性,类似于 Eightfold 在招聘和人才管理方面的做法。 ServiceNow 也将此视为颠覆者。在听完 Bill McDermott 和他的团队描述他们的未来后,他们希望成为“企业的 AI 平台”,他们最近宣布的员工发展和成长(通过收购 Hitch Works)清楚地表明了他们的目标。他们希望成为您的“企业级智能平台”,最终以全新的平台架构取代 HCM 系统。 与所有这些主要的架构转变(迁移到云、迁移到移动设备)一样,迁移到 AI 一开始似乎令人困惑。大型供应商将缓慢而渐进地移动,而新的初创公司将以闪电般的速度移动。但有些人可能会破坏。我对Palantir 推出的基于 LLM 的业务系统特别感兴趣。它本质上是一个围绕专门构建的大型语言模型设计的 ERP(财务系统)。 我最近与 Eightfold 的联合创始人 Ashutosh Garg 讨论了这一趋势。他和我一样,也相信这种以人工智能为中心的架构会随着时间的推移而胜出。他们的系统可以集成和聚合几乎所有数据,因为它的架构非常开放。(传统的 ERP 系统并非为此而设计。)他认为“交易完整性”将成为 AI 核心的附加组件,本质上与现有供应商的方法相反。 该架构将走向何方 虽然我从不试图预测聪明先驱的创新,但我看到了广阔的新未来。五年前,当我们第一次描述“人才智能”时,我们本质上是在指出需要(和机会)使用 AI 来了解工作、角色、技能和员工在比贵公司现有员工大得多的数据集中的适应性. 随着时间的推移,同样的想法将接管所有 HCM 应用程序,仅仅是因为 LLM 和 GPU 现在使它成为可能。 在我看来,企业管理的大部分要素都归结为人的判断。雇用谁、提拔谁以及调任新职位都是我们根据个人判断做出的艰难决定。当您添加其他决策时,例如让团队有多大、如何提高生产力以及如何更快地培养新技能——甚至需要更多的“猜测”。然后还有诸如“给某人多少薪水”或“谁应该担任总经理”之类的问题,这些问题既棘手又重要。 这是供应商提供的 LLM 还是您自己的?两种选择都可能可用。小型公司将使用供应商提供的现成 LLM;大公司将在受保护的、完全安全的环境中使用内部数据来运行自己的系统。 如果我们使用 LLM 来帮助做出这些人才和人力资源决策,我们的公司将会运行得更好。是的,人工智能永远不会完全取代人类的判断。但是想象一下,如果你能看到给定决定的统计证据然后应用判断?我知道这将极大地改善我们的决策。 这些生成式 AI 架构确实是下一件大事。Nvidia 的联合创始人兼总裁黄仁勋称 LLM 为“我们这一代最大的计算机行业转型”。我必须同意。 我们新的 AI 白皮书描述了这些“基于 AI 的”决策的许多示例,您会惊讶于它们的强大功能。虽然我无法预测这种转变会以多快的速度发生,但我相信我们现在已经拥有了我们一直在等待的“下一代”HCM 架构。
    Josh Bersin
    2023年06月05日
  • Josh Bersin
    ServiceNow大胆引入技能、学习和成长的AI解决方案 JoshBersin 写了一篇文章介绍ServiceNow新推出了一个AI解决方案,主要是为技能、学习和成长领域大胆引入的AI解决方案。 核心主要是以下的信息: ServiceNow推出了一款全新的产品,用于员工技能智能、学习、职业管理和人才流动性。这款产品是基于2022年6月收购的Hitch公司构建的,是一款全方位的员工发展、流动性和职业平台,与市场上的Workday、Oracle、SuccessFactors、Cornerstone、Gloat、Fuel50、Eightfold等类似解决方案直接竞争。 ServiceNow的新产品,名为"ServiceNow员工成长和发展(EGD)",包含了许多公司希望用于发展和成长的功能。这个新平台扩展了ServiceNow在员工成长、职业管理和内部流动性方面的影响力,这些都是员工体验的一部分。 ServiceNow EGD的设计和用户体验先进且世界级。系统直观,将这个复杂的问题以引人入胜的方式整合在一起。ServiceNow包括一个经理仪表板(Manager Hub)和职业仪表板(Career Hub),旨在促进个人发展和经理主导的成长。 ServiceNow EGD还将让员工浏览和搜索内容,使员工能够编写和讨论他们的抱负,并使用AI将他们的抱负目标与角色、工作和内容进行匹配。 ServiceNow的AI如何?客户会询问AI的先进程度。它在哪些行业进行了训练?它能否以有意义的方式推断出技能、职位和职业?这些都是ServiceNow需要解答的问题。 总的来说,ServiceNow正在进入一个深度、复杂和非常战略性的领域。尽管面临竞争和挑战,但鉴于公司和团队的经验,预计ServiceNow在这个领域会取得成功。 以下是Josh Bersin 的原文翻译,请查看 正如我多次提到的,人力资源技术市场太大、太令人兴奋,无法忽视。今天,ServiceNow大胆地推出了一款全面的新产品,用于员工技能智能、学习、职业管理和人才流动。 这是一款基于2022年6月收购的Hitch公司构建的世界级平台,涵盖了员工发展、流动性和职业的所有方面。它直接与Workday、Oracle、SuccessFactors、Cornerstone、Gloat、Fuel50、Eightfold等市场上的类似解决方案竞争。 当我第一次被简要介绍这个产品时,我有两种反应。 我的第一个反应是一个问题:你确定你想跳进这个复杂的红海市场吗? 答案是肯定的:Gretchen Alarcon,高级副总裁兼总经理,深信ServiceNow可以在这个领域做得更好,主要是因为ServiceNow与其他HCM系统的深度集成,Hitch的技能智能引擎,以及公司已经广泛的员工支持、旅程、调查和转型服务。 我花了很多时间与Hitch的创始人Kelley Steven-Waiss交谈,我确信她有知识、热情和能量来实现这一目标。结合ServiceNow庞大的销售、营销和工程团队,他们有机会提供下一代的员工职业和发展解决方案。Kelly在ServiceNow保留了新的职位,副总裁和首席转型官(Kelly是前CHRO)。 记住,ServiceNow的策略是帮助管理端到端的员工体验,包括服务交付、IT服务、混合工作服务(桌面调度、资源)、入职和员工转型。这个新平台,员工成长和发展,扩展了ServiceNow在员工成长、职业管理和内部流动性方面的影响力,这些都是员工体验的一部分。 我的第二个反应是,ServiceNow是一个“快速跟随者”。虽然公司还有很多投资在前面,但这个产品仍然缺乏市场上相关产品的集成视野。 ServiceNow的产品包括什么? 新产品,名为ServiceNow员工成长和发展(EGD)ServiceNow Employee Growth and Development (EGD),包含了许多公司希望用于发展和成长的功能。 如果你像我一样长时间研究员工发展和成长系统,你就会知道这些产品有着巨大的历史,每个产品的功能重点都略有不同。总的来说,这是一个3400亿美元的市场,包括学习管理系统、内容、人才市场产品和技能智能系统。 早期的学习管理系统(如Saba、Plateau、Cornerstone)有职业路径平台,旨在帮助受规管和运营人员规划他们的职业并开发和评估他们的技能。然后出现了LXP平台(如Degreed、EdCast、Viva Learning),这些系统使员工能够搜索和找到课程。他们还让经理和L&D领导者设置路径、课程、学习小组,甚至将文档和视频发布到学习系统。(ServiceNow计划连接到LMS系统,而不是在这个时候替换它们。) 在过去的五年里,出现了一种新的工具:人才市场。这些系统采用了一些以前的功能,并倾向于一个新的用例:帮助员工找到工作、项目、导师和任务以实现成长。人才市场供应商(如Gloat、Fuel50、Eightfold,后来是Workday和SAP)利用了一种新的商业动态:公司需要移动和使人们能够轻松地从低增长的工作转移到高增长的工作。这些新系统正在全世界的RFP中出现。 学习为中心的平台(LMS,LXP)已经构成了一个超过40亿美元的市场,这个空间充满了满足许多学习需求的平台。人才市场细分市场,其规模更像是3-4亿美元,其增长速度是前者的5倍,有可能超越并在某种程度上取代学习系统。甚至LinkedIn现在也提供了一个人才市场(在LinkedIn Learning内可用),大型供应商如SAP正在向这些系统投入数亿美元的投资。 所有这些东西的背后都是AI的快速增长角色。早期的学习平台有基础的AI工具,可以根据关键词和员工兴趣推荐内容或课程。更先进的系统(如Eightfold、Gloat和Hitch)实际上使用大数据AI引擎来识别员工的技能,并智能地将他们匹配到新的工作、角色和职业。随着AI的复杂度增加,这些系统将找到并推荐高潜力的职业路径,利用相邻技能的新机会,并告诉公司他们拥有、需要或随着时间的推移正在失去的技能的大量战略信息。 就在上周,Eightfold推出了其Workforce Talent Planning套件,利用其庞大的AI数据库帮助公司轻松识别趋势技能、需求技能,并为转型和增长制定职位和角色级别的预测和计划。像Gloat和Lightcast这样的公司也在开发类似的产品。(我建议你听我的新播客,深入研究AI,并解释基于AI的HR Tech解决方案的三代。) 所以,ServiceNow正在进入一个深度、复杂和非常战略性的领域。 他们会怎么做? 根据我对公司和团队的经验,我预测会成功。这个领域很复杂,大多数公司有许多单点解决方案,没有一个是完全集成的。Workday、Oracle和SAP都有让这一切协同工作的愿景,但他们缺少许多功能,市场变化太快,他们无法跟上。 当我看着产品和团队交谈时,我有几个观察。 首先,ServiceNow EGD的设计和用户体验是先进的,世界级的。系统感觉直观,以引人入胜的方式将这个复杂的问题整合在一起。鉴于ServiceNow作为一个“平台的平台”的经验,公司将很容易连接到现有的系统(内容提供商、合规和职业系统、LMS等)。 他们已经有了先进的功能。ServiceNow包括一个经理仪表板(Manager Hub)和职业仪表板(Career Hub),旨在促进个人发展和经理主导的成长。这些是推动采用和企业价值的重要功能。像入职、员工转型管理和自定义旅程这样的功能也已经有一段时间了,还有一个设计精良的移动应用。 他们还使员工能够编写和讨论他们的抱负,并使用AI将他们的抱负目标与角色、工作和内容进行匹配。Gloat、Fuel50和Cornerstone也在追求这个想法,但成功有限。随着时间的推移,这个功能有很大的潜力,因为生成性AI和NLP可以挖掘这些信息,以更好地将人们放入更高价值的工作。 像LXP一样,ServiceNow EGD将让员工浏览和搜索内容。 这是一个新的记录系统吗?是的。 接下来将会有关于谁拥有“记录系统”的讨论。大多数公司都讨厌员工数据散落在各处的事实(这只是生活的事实,但他们还是讨厌),所以人们可能会问“为什么我要把所有在Workday或Cornerstone的重要数据复制到ServiceNow?”这是ServiceNow必须学会赢得的辩论。 当然,员工从来没有一个“记录系统”,所以问题真正的是“我们应该把我们的职业、学习和成长数据信任给ServiceNow吗?”他们会好好照顾它并随着时间的推移发展它吗?如果功能先进,连接性强,公司会这么做。 记住,这是ServiceNow的核心信息。该公司将ServiceNow定位为“平台的平台”,将公司中所有的分散系统集成到一个支持和体验的单点。这个位置帮助ServiceNow说服公司,员工发展数据是“体验数据”,虽然它也可能存储在HCM中,但ServiceNow可能能够以更完整和开放的方式管理发展体验。 顺便说一句,有一个论点是技能数据也可能在系统之间“联邦化”。用于招聘的技能引擎,例如,专门为源选、选择、名称屏蔽和其他功能设计,以消除偏见(例如,消除大学学位)。用于学习和职业匹配的技能引擎可能运行得不同,所以人们可以争辩说,使用Eightfold或Seekout进行招聘的公司仍然可以证明使用ServiceNow进行发展和成长是合理的。 至于ERP(Workday、Oracle、SAP),每个买家都希望技能数据复制并在核心系统中合理化。像Techwolf和Skyhive这样的新供应商正在试图解决这个问题,但是很少有客户已经完成了这个壮举。 ServiceNow的AI有多智能? 第三,客户会询问AI。它有多先进?它在哪些行业进行了训练?它能否以有意义的方式推断出技能、职位和职业? 我们知道,例如,像Eightfold、Gloat、Beamery、Phenom和Seekout这样的平台已经积累了数十亿的员工简历,以推断技能、职业和潜在角色。现在Hitch是ServiceNow的一部分,客户将希望评估AI的深度、行业广度、可解释性、偏见检测和其他功能。 ServiceNow会把足够的精力放在AI上来匹配这种复杂性吗?时间会告诉我们。在这个领域真正的胜利不在于软件的复杂性,而在于 其数据的深度、质量和数量。Eightfold已经在电信、金融服务、能源、美国军队、公共部门和制药行业赢得了大笔交易。这意味着它的技能引擎对这些行业的工作、角色、技能和职业有深入的理解。像Gloat和Seekout这样的新供应商正在他们关注的行业中建立类似的复杂性。 Hitch是(是)一个设计精良的系统,最初是为了运营HERE Technologies的人才,这是一家中型的地图公司,有员工和承包商遍布全球。现在作为ServiceNow的一部分,团队必须与许多内容提供商(这对公司来说是一个新领域)建立集成,并在广泛的行业中发展其技能和发展专业知识。今天,拥有6000+技能和1.5亿个简介的系统在竞争中落后了。 尽管如此,我仍然看好。为什么?这个市场是巨大的,许多现有的玩家还不成熟。Cornerstone的新技能面料刚刚推出;Workday的Skills Cloud在许多领域缺乏数据和实用性;像Eightfold、Gloat和Fuel 50这样的供应商在市场上只是较小的玩家。鉴于ServiceNow的庞大客户群和这个系统的潜在用户,如果他们专注,赢得一些大交易,并继续投资,公司可能会成为领导者。 我们将密切关注他们,如果你有任何问题,请联系我们。
    Josh Bersin
    2023年05月17日
  • Josh Bersin
    【观点】为什么人们会惧怕人工智能?这种担心是没有根据的! 本周,我们又看到了一些关于人工智能的新闻。埃隆·马斯克(Elon Musk)给一些高级研究人员写了一封信,要求将推进GPT4研究推迟六个月。高盛(Goldman Sachs)发布的一份报告称,300亿个工作岗位将受到生成式人工智能的影响,7%的工作岗位可能会被淘汰。宾夕法尼亚大学的一个学者团队撰写了一项研究,声称87%的工作将受到人工智能的严重影响。 伴随着这种见解,《纽约时报》、《华盛顿邮报》和其他期刊上的文章声称人工智能机器横行霸道,破坏了政治体系,最终他会变成“自我规划机器”,掌权并扰乱了世界。但是,最近的一项调查显示,9%的普通公民认为人工智能对社会是好处大于弊端的。 我认为,虽然任何新技术都会产生不可预测的结果,但人工智能本身并不是邪恶的,失控的,或者一定是危险的。危险的是我们决定如何使用它。 让我讨论一下人们关于使用人工智能的五种恐惧: 1.人工智能将消除就业机会,导致失业,并扰乱全球劳动力市场。 我们20年代中期就听到过这些担忧,当时牛津大学发表了一份报告,称47%的工作将被自动化淘汰。当时,《经济学人》、麦肯锡和其他人预测,计算机将消灭零售、食品服务、会计、银行和金融领域的工作岗位。我们看到图表和图形详细说明了哪些任务、工作和职业将被淘汰。现在,回过头来看,并不清楚这些是否发生过。我们的失业率是近55年来最低的,对一线工人的需求处于历史最高水平,对制造、加工、物流和技术工人的需求仍未得到满足。 2018年,我在旧金山的奇点会议上就这个话题发表了演讲,我当时提出的论点是:经济数据显示,每一次新技术浪潮都会创造新的工作、职业和商业机会。虽然研究人员认为“人工智能是不同的”,但我已经看到了成千上万的“提示工程师”和“GPT4培训师”和“集成专家”等新兴工作。与我交谈的每个供应商都告诉我,人工智能将成为我们的助手,而不是“夺走我们工作的机器人”。 虽然会有新的技能、工具和技术需要学习,但人工智能时代将释放出最大的人才新市场。正如我们所讨论的那样,世界上只有大约6%的工作是“工程师构建技术”——我们大多数人都会集成、使用和咨询这些工具。如果有的话,我认为人工智能将创造对新技能和能够管理、培训和支持这些系统的专业人员的巨大需求。 2.人工智能将加速收入不平等、贫困和无家可归。 第二种恐惧:《生命的未来》文章中引用的许多消息来源将社会动荡、心理健康问题和经济不平等归咎于技术。这种认为新技术“掏空”中产阶级的想法将继续引发许多恐惧。 现实情况恰恰相反。让我们看一下数据。对于发明的每一项新技术(计算机,网站,云,移动,AI),都会帮助我们创造一个新的行业。用户界面设计、全栈工程和前端软件方面的工作正在爆炸式增长。今天,由于训练营和社区大学教育,任何拥有高中学历的人都可以成为计算机程序员。一项研究发现, 非技术工作者现在已经学会了编码。这些技术正在为低薪工人创造巨大的新职业机会。 公司现在正在为这种技能提升提供资金。沃尔玛通过其职业途径计划投资于员工的职业技能提升,支付员工完成大学学业、帮助他们获得证书并完成职业角色的转型。亚马逊、泰森食品都有类似的计划。正如谷歌首席执行官Sunder Pichai在他最新的播客中所讨论的那样,人工智能使学习编码比以往任何时候都更容易。因此,我很清楚,许多新的入门级职业将围绕人工智能而产生。 就工资而言,对AI技能的需求将很高,但只是一段时间。虽然稀有的计算机科学家仍然要求高薪,但随着时间的推移,收入最高的专业人士需要结合技术和软技能(我们称之为PowerSkills)。 在未来的工作世界中,拥有“社交技能”(即管理、领导力、沟通、销售、时间管理等)的员工远远超过那些只专注于数学(或科学和工程)的“技术人员”。这是为什么呢?技术技能的价值迅速下降。作为一名工程师,如果你没有快速学习,与他人合作的能力,确实会慢慢落后。 我并没有贬低技术职业的价值。我只是观察到,人工智能改变了商业中对经理、领导者、销售人员、设计师、分析师和金融专业人士的需求。这些需要“理解”人工智能(而不是开发人工智能的能力)的工作将继续变得越来越重要,人工智能只会让这些工作更容易、更有趣、更重要。 有许多技术专业人士从数据库分析师开始转向大数据分析,并可能成为数据科学家。这些人现在可以学习人工智能技术,并以新的方式为其增加价值。所有这些都由人工智能授权并进一步实现。因此,在许多方面,人工智能是经济增长的推动力。 3。人工智能将制造错误信息、引起网络战、放大的偏见,并最终造成大规模的系统破坏。 要争论的第三个问题是人工智能的“不负责任的使用”。人们担心人工智能系统将导致不公平的监禁、垃圾邮件和错误信息、网络安全灾难等问题。毫无疑问,人工智能系统会存在偏见。因为它们接受的培训信息有限,所以如果索引不当,它们会给我们提出误导性的建议。因此,这些系统可能会“加速”问题产生并导致恶意行为。 如今,Facebook,Twitter和其他社交网络就是这样做的。所有“开放通信系统”都会导致滥用和不当行为,在某些方面,生成人工智能可以解决这个问题。例如,在短短几周内,微软就极大地改善了Bing的搜索引擎,现在Bing会显示引用了任何权威声明的来源。目前仍处于实验模式的Google Bard正在接受Google的严格测试,并得到了Google Search中安全工具的大力支持。 任何用于HR的AI产品,无论是来自Microsoft还是其他HR技术供应商,都将受到法律法规的约束。纽约和其他司法管辖区已宣布对在选择、薪酬或其他人力资源事务中表现出偏见的产品处以罚款和刑事处罚。微软和谷歌等公司已经担心知识产权所有权和其他法律风险。 与我交谈过的大多数人力资源供应商都非常关注这个问题。他他们正在越来越安全的数据集上测试他们的LLM(大型语言模型)。而且,作为买家,如果您发现该系统有偏见或有缺陷,您根本不必为此付费。至于偏见,我认为人类是最有偏见的。谷歌的一位高级工程师告诉我,他们的人力资源部门详细研究了招聘,发现基于人工智能的招聘(使用数据和神经网络来帮助选择候选人)被证明远没有人工面试导致的偏见多。在信息安全和战争的话题上,我们必须假设人工智能支持的邪恶行为已经在发生。如今没有什么可以阻止网络犯罪分子雇用软件工程师并构建人工智能模型。因此,应该建立一个监控系统来解决这些不良问题。 4.人工智能将创造一个有知觉的、邪恶的“通用人工智能”引擎,可以消灭人类。 然后是最大的恐惧:人工智能将是“横行霸道”的。引用的一篇学术论文“寻求权力的AI”进行了预测,并得出结论。到2025年,AI将有70%的可能性摧毁人类。我详细阅读了它,仍然非常不相信。我还没有确信神经网络会摧毁人类。是的,这些系统做出的决策很难理解。但是,当我们把精力集中在“可解释性”和偏见上时,我相信这些系统将变得更加透明。 每一项发明的技术都有可能被用于邪恶的目的。电子邮件用于身份盗用以及病毒软件的传播。手机充满了垃圾邮件,可用于监视。就连发明原子弹的罗伯特·奥本海默(Robert Oppenheimer)也相信核科学将带来能带来积极的好事。如今,核科学已经用于核磁共振扫描、癌症治疗,甚至烟雾探测器等。如果你是一名科学家,应该把控制世界的最大力量交给整个人类,并根据正确的价值观来使用科学技术。 人工智能的积极面 在过去的几年里,我与数百家提供人工智能软件的公司进行了交谈。事实上,人工智能工具都使工作更加轻松,提高组织的效率,并使生活更美好。 让我仅举几个例子: 信用卡公司可以近乎实时地发现欺诈行为并保护我们免受盗窃(所有这些都使用人工智能完成)。保险公司可以通过照片为事故索赔定价,为用户节省数精力。新的招聘工具为公司节省了数百万美元,选择适合岗位要求但没有大学学位的求职者。人才情报平台能够提供职业建议、技能训练,帮助员工成长和进步。 既然人工智能如此有用,那么人们为什么害怕呢? 正如报道所说,我们生活在一个质疑权威的世界。当我们生病时,我们觉得疾病预防控制中心让我们失望了。我们将高通胀和利率上升归咎于美联储。而不是接受这是整个社会运行的规律,有时,我们似乎感觉一切都在变得更糟。因此,我们感觉到人工智能是由“我们不信任的一组专家”发明的,它有可能会失控。也许我们应该听听比尔盖茨的话,他相信“人工智能时代”将在医疗保健、教育、艺术和商业方面带来惊人的进步。人工智能将给我们带来无法想象的好处。让我们给它一些时间。 文章来源: Josh Bersin
    Josh Bersin
    2023年04月03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
    面对AI发展,Workday应对更加快速—值得每一位HRTech领域CEO阅读 Workday不仅对其AI产品策略有清晰明确的认识,而且公司正进入多年来最强大的产品周期之一。我从未见过如此多的Workday功能达到成熟,很明显,该平台正在全面发挥作用。 首先让我给大家一个概述:ERP市场庞大、重要且不断变化。每家公司都需要一个财务和人力资本系统,这些平台需要同时完成数百项任务。我们希望它们易于使用、运行迅速且能立即为我们的公司进行配置。但我们也希望它们易于扩展,能与许多其他系统集成,并建立在现代架构上。 那么,作为一家成立18年的公司,Workday如何在所有这些领域保持领先地位呢? 事实上,答案非常简单。Workday并非ERP或软件应用公司,而是为业务解决方案构建平台的科技公司。换句话说,Workday的思维方式是“先考虑架构,再考虑应用”,在我们了解Workday的产品时,这一点得到了一次又一次的强调。 请允许我给您分享一些我们了解到的内容: 首先,Workday非常明确,随着时间的推移,AI和机器学习将彻底改变业务系统的功能。传统的ERP世界是一套包括财务、人力资本(HCM)、供应链、制造业,以及后来的市场营销、客户分析等在内的核心业务应用。几乎每个从这些领域起步的供应商都试图进入相邻市场,主要目标是“向现有客户销售更多软件”。 如今,尽管公司希望整合这些应用(这对Workday来说是一个巨大的机会),但更大的目标是重新定义这些应用如何协同工作。正如Workday所描述的,他们的目标是帮助企业改进计划、执行和分析。当招聘变得困难时,例如未来几年可能会持续这种趋势,我们希望HCM系统帮助我们找到承包商,寻找替代工作安排,并安排财务和结算解决方案来外包工作或任务,同时发现和培养内部候选人。因此,这些应用之间的“红线”正变得模糊,Workday对此非常了解。 从某种意义上说,这是我们新的系统性人力资源运营模式的核心。例如,我们希望这些不同的HCM系统能够关注所有这些元素,并帮助我们一起管理它们。Workday新的HCM演示实际上展示了一些这方面的实践。 超越ERP,将AI和ML置于核心 但是平台市场的发展速度更快。企业不仅希望有一套能协同工作的应用程序(Workday、Oracle、SAP等都能做到这一点),而且还希望AI和机器学习能在整个公司运作。这将改变ERP系统的功能。Workday已经提供了50多种不同的“机器学习”体验,它们以“推荐”、“预先填写的表格”或“预先设计的工作流”等形式呈现,看起来不像是魔术,而更像是帮助你更好地运营公司的智能系统。而这正是Workday关注的领域。 例如,新的劳动力管理系统(劳动力优化)可以根据月份、天气和其他外部输入预测招聘和人员配置需求。然后,根据员工的可用性、技能和工资安排工作时间。并自动生成劳动力排班表,确定何时需要合同劳动力,然后自动创建招聘门户和候选人体验来寻找人才。 这实际上是“AI支持的ERP”,而不是一个花哨的用于简化撰写电子邮件的生成性AI演示。 Workday HCM继续成熟 Workday HCM套件正处于多年来最强劲的状态。Workday Skills Cloud正在成熟为一个“技能智能平台”,现在它具有让Workday客户几乎必不可少的功能。它可以从任何纵向或专业技能数据库导入数据,为公司提供多种推断或评估技能的方法,以及为您提供数十种报告技能差距、预测技能不足和为每个员工或劳动力群体创建技能提升路径的方法。多年来,我一直在关注这项技术的发展,从未见过它如此完善并能满足企业需求。 顺便说一句,这并不是说公司仍然需要专门的招聘技能系统(Eightfold、Beamery、Phenom、Seekout、Paradox、iCims等)、流动性(Gloat, Fuel50)、学习(Cornerstone, Docebo, Degreed)、薪酬平等(Syndio, Trusaic, Salary.com)等。从某种意义上说,现在每个人力资源技术平台都有一个技能引擎(记住,“技能”是描述一个人属性的一系列词汇),这些系统将这些数据元素用于非常独特的目的。在市场上更成熟的位置上,Skills Cloud旨在成为一个“整合点”,将术语汇集到一个地方。(它也是Workday HCM工具所依赖的技能引擎。) 顺便说一下,我知道所有Workday客户都有众多其他的HCM系统。鉴于创新周期的发生(供应商正在以非常创造性的方式加入AI浪潮),这种趋势还将继续。但Workday作为“核心”的角色依然强大,特别是因为我接下来要讲的一点。 Workday现在真正开放了 我还对Workday在Extend和Orchestrate方面的进展印象深刻,这些是允许客户和合作伙伴构建附加应用程序的外部API和开发工具。作为一家公司,Workday并没有计划构建很多垂直解决方案,相反,他们现在正在推动合作伙伴(如Accenture、PwC和客户)为应用程序生态系统做贡献。这创造了一个“力量倍增器”效应,第三方可以通过围绕Workday构建开发团队来赚钱。(顺便说一下,这就是为什么微软无处不在:它的经销商和合作伙伴网络庞大。) 除了这些编程接口,Workday还对Microsoft Teams(Workday Everywhere)做出了严肃承诺。您现在可以在Teams中查看Workday“卡片”,并在Teams中点击深层链接,直接进入Workday事务。尽管公司仍致力于持续改进其用户界面,但我认为Workday现在明白,用户永远不会花一整天时间去弄清楚Workday的工作原理。我相信这种趋势将继续,我鼓励Workday考虑将Chat-GPT作为下一个主要界面进行构建。(他们没有作出承诺)。 垂直应用 我问管理团队:“你们如何看待甲骨文收购Cerner的决定,Cerner是临床患者管理领域的领导者之一?你认为这会威胁到你们的垂直战略吗?”Aneel Bhusri迅速回应说:“我们永远不会收购像那样的老旧遗产公司,因为它永远无法整合到我们的架构中。”这一点很重要,因为Workday的集成架构使公司能够大规模实现AI。换句话说,Workday打算成为纯粹的架构领导者,让垂直应用随着时间的推移而出现。 如今,Workday专注于教育市场,并在金融服务、保险和医疗保健等领域拥有一些垂直解决方案(很多是由合作伙伴构建的)。我认为公司不会遵循SAP或Oracle的策略来构建深度垂直应用。而这种策略,即保持对核心架构的纯粹性,可能在长期内发挥出良好效果。因此,对于那些希望建立附加组件的人来说,Workday正比以往任何时候都更加开放。 核心的AI是什么样子? 现在让我们来谈谈AI,这是我们这个时代最重要的技术创新。新任联席总裁兼AI领域公认的学术专家Sayan Chakraborty持有非常坚定的立场。他认为,Workday的6000万用户(其中很多已选择参与匿名神经网络分析)已经为公司提供了一个庞大的AI启用平台。因此,公司的策略是加倍投入“声明式AI”(机器学习),然后将生成式AI视为新的研究工作。 在很多方面,自从2014年收购Identified以来,Workday就一直在“做AI”,许多AI算法已经内置在Skills Cloud、招聘工具以及用于分析、自适应规划和学习的各种工具中。大部分产品经理都在负责与AI相关的功能,David Somers(负责HCM套件的人)告诉我们,有数百个新AI功能的想法在飘荡。所以从很多方面来说,Workday多年来一直是一个“AI平台”,他们现在才开始进行市场推广。 话虽如此,Workday的真实数据资产并不大。假设有3000万Workday用户选择加入Workday的AI平台。再假设Skills Cloud已经尝试对他们的技能进行索引,并可能查看职业路径或其他属性。与Eightfold(超过10亿用户记录)、Seekout(近10亿)以及Retrain.ai、Skyhive等系统以及Beamery或Phenom等招聘系统中的数据相比,这是一个非常小的数据量。在某个时候,Workday将不得不明白,如今的HCM AI平台实际上是“全球劳动力数据”系统,而不仅仅是客户数据系统。因此,我们将在Workday中看到的大部分AI将使“你们版本的Workday”运行得更好。   Prism:Workday整合数据的策略 最后,让我提及Prism Analytics(现在被称为Prism)的增长,它是Workday用于分析和第三方数据的开放数据平台。当公司收购了Platfora时,最初的需求是为Workday客户提供一个存放“非Workday数据”的地方。由于Workday数据平台是专有的、基于对象的数据库,因此无法直接将数据导入Workday,所以公司需要一个可扩展的数据平台。 从那时起,Prism呈指数级增长。最初定位为分析系统(您可以将财务数据放入Prism并将其与HR数据进行交叉关联),现在它已经成为一个“大数据”平台,企业可以用于财务应用、人力资源应用以及您想要的任何应用。它并未旨在与Google Big Query或AWS的Red Shift竞争(至少目前不是),但对于那些希望利用他们在Workday安全性和现有应用方面的投资的客户来说,它相当强大。 在会议上发言的客户之一是Fannie Mae,该公司在其风险管理投资组合中拥有超过4万亿美元的抵押贷款和贷款。他们正在使用Prism以及Workday Financials来管理他们复杂的月末结账和其他财务分析。去年,我遇到了一家大型银行,他们正在使用Prism管理、定价并分析具有大量内置计算的复杂数字银行证券。由于Prism与Workday平台集成,任何Prism应用程序都可以利用任何Workday数据对象,所以它实际上是Workday平台的一个“大数据扩展”。 这将导致AI的发展。如果Sayan的愿景成真,Workday平台可能会成为一个让客户将他们的交易数据、客户数据和其他重要业务数据与Workday财务和HCM数据关联起来的地方,利用AI寻找模式和机会。虽然AWS、谷歌云和Azure也会提供这些服务,但这些供应商都没有提供任何业务应用程序。因此,Workday的AI战略的一部分是使企业能够构建自己的AI支持应用程序,通过Extend和Orchestrate实施,并利用来自Prism的数据。 这将是一个竞争激烈的领域。微软的新Power Platform Copilot和OpenAI Azure Services也为企业提供了一个地方(和方法)来构建企业级AI应用程序。谷歌很快也可能推出许多新的AI服务。但是对于将Workday作为其核心财务或HCM平台的公司来说,将会有新的AI应用程序出现在Workday平台上——这将推动利用率、收入(通过Extend、Prism和Orchestrate)以及Workday的垂直应用。 Workday面向未来的地位 总之,Workday在这场新技术革命中处于有利地位。我向管理团队提出了挑战,让他们考虑将ChatGPT作为整个系统的新的“会话式前端”,他们同意这是他们需要关注的事项列表中的一个。 (顺便说一句,即将进入人力资源领域的生成式AI创意解决方案将令您惊叹不已。我很快会分享更多信息。) 对于企业购买者来说,Workday依然稳如磐石。在只有几个主要竞争对手需要考虑的情况下(Oracle、SAP、UKG、Darwinbox、ADP),该公司很可能会继续为大型公司扩大市场份额。由于经济原因,会有一定的价格压力,但对于那些希望建立一流技术平台以支持核心财务和人力资源的公司来说,Workday将继续保持领导地位。
    Josh Bersin
    2023年03月19日
  • Josh Bersin
    微软的AI能力大规模升级:将OpenAI CoPilot应用于整个MS 365套件,Word 一键变成 PPT! 微软将赌注押在OpenAI和ChatGPT上,这是几十年来对Microsoft 365的最大升级。继将 GPT-4 引入搜索引擎之后,微软再出“杀手锏”,重磅宣布由 AI 驱动的 Microsoft 365 Copilot,它将大型语言模型(LLM)与 Microsoft Graph 和 Microsoft 365 应用中的数据相结合,打破了传统办公软件的方式,能自动生成文档、电子邮件、PPT,让Word、Excel、PowerPoint、Outlook、Teams 等办公软件的效率提升多倍。它们可以统称为——您的工作副驾驶。 Copilot 不仅可以帮助您编写、汇总、分析和搜索信息。微软还宣布一项全新的体验:Business Chat(商务聊天)。Business Chat可以在 Microsoft 365应用程序以及日历、电子邮件、聊天记录、文档、会议和联系人等程序里使用,只要用一些自然语言,它就可以根据早上的会议、电子邮件和聊天记录生成状态更新。 Microsoft 365 Copilot 能够帮助我们做什么? 使用GPT-4 大型语言模型 (LLM),CoPilot可以起草信件或文档、汇总信息。您可以让它编写文本并告诉Copilot使用什么“语气”。 创建 PowerPoint幻灯片。PowerPoint 中的 Copilot 也能通过自然语言输入,直接实现动画切换和重新设置文本格式等等。 分析来自Excel 的数据。对于不懂 Excel 里面各种函数调用、宏、VBA 语言的用户而言,基于 Copilot,可以直接用“人话”(自然语言),提出各种问题,然后它会推荐一些实用的公式。 Excel 中的 Copilot 也可以找到数据的相关性,根据问题生成模型,并得出趋势。它还可以即时创建基于数据的 SWOT 分析或数据透视表。 它还可以通过访问日历和您的联系人,提供会议、活动和项目的历史记录。如果你错过了会议,你可以问Copilot其他人在这个会议上讨论了什么。 从某种意义上说,这是一场工作革命。每个人都必须学会使用这个工具,因为忽略它会让你落后。 Copilot是我们“值得信赖的助手”,能够随时为我们提供帮助。在幕后,Copilot正在了解我们使用的的文档,日程安排和通信,当我们开始使用它时,它会变得更加智能和个性化 。LLM不会共享您的本地数据,能够充分保证用户的数据及隐私。 本周OpenAI发布了GPT4,这是Bing Chat背后的引擎。它运行更快、更聪明,这表明这些神经网络的发展速度有多快。我已经使用Bing Chat好几个星期了,我可以证明 GPT-4运行是良好的。它的语言能力是一流的,即使有些人仍在质疑它。GPT-4是第一个实际上比人类学习速度更快的人工智能模型。这个神经网络能够自己学习,使系统能够不断改进。 谷歌也不甘落后,为Google Workspace推出了自己的生成式人工智能。谷歌正在努力跟上微软的步伐,尽管他们对于自己在这方面的介绍并不完整。但微软OpenAI的势头是巨大的。LinkedIn也宣布了一系列基于OpenAI的AI增强功能。 40年来,微软一直在努力提高生产力。 微软对提高组织生产力是十分关注的,所以他们了解非常了解我们如何使用自己的计算机。微软了解到“让系统变得简单”的过程很难实现。简单的工具阻碍了我们提高工作效率:我们需要一个跟随我们一起进步的工具。这也是微软为什么取得成功的原因。虽然Copilot只是一个辅助工具,但由于LLM本质上是一个“学习机器”,Copilot会随着时间的推移而变得越来越好。 Copilot确实是有效的。 麻省理工学院的一项研究,仅使用ChatGPT就可以将生产力提高39%。专为您设计的Copilot将在短时间内更加快速地提高我们的生产和工作效率。想象一下,Copilot可以为我们节省提供大纲或摘要,编写备忘录、信件或报告的时间。律师、作家、营销人员和销售人员等将大大收益于此工具。 IT部门和新的合作伙伴:需要构建大量附加组件。 由于Copilot建立在Azure OpenAI服务之上,我们可以期待一个新的附加组件行业出现。数以百计的IT部门和Microsoft集成商将学习如何调整此系统,构建“技能”(模型)并开发行业用例。我们期望看到Copilot在法律,营销,销售和数百个行业中展示特定的“技能”。 IT部门也会这样做。由于该系统基于Microsoft Graph使用的安全性(即您的公司目录),因此IT团队还可以构建技能来帮助各种用户组更快(或更准确地)完成操作。请注意,Microsoft 还推出了Copilot for Power Platform,从而可以更轻松地构建利用此工具集的应用程序。 竞争:谷歌和其他公司的回应。 虽然谷歌在这场竞赛中似乎落后了,但我不希望他们保持沉默。全球有超过2亿人使用免费版本的Gmail,因此生成式人工智能的使用将成为主流。我认为我们将能看到许多其他的LLM进入市场,在不同领域发挥专门的用途。 这是有风险的吗? OpenAI研究论文将风险描述为可以预见到的偏见、虚假信息、过度依赖、隐私、网络安全等风险。这里的风险指的是系统犯的错误,而不是一些人为的错误。尽管《纽约时报》讨论了这有多“可怕”,但我仍然认为我们应该辩证地对待任何问题。1981年,我在IBM工作,当时Lotus 1-2-3和其他工具出现了,许多人认为“这是会计行业的终结”。但是我想提醒大家,生成人工智能不是发现一种新的生命形式。这些是统计推理工具,我们可以用它来处理工作。与每种技术一样,人们如何使用它才是关键。 微软的巨额投资。 微软中的的每个工作人员都突然开始使用OpenAI。微软不仅将公司押注在生成式人工智能工具上,他们还在构建支持它的基础设施。一位记者发现,微软正在收购所有的AI芯片,提高Copilots的核心运算能力。这只是意味着微软正在光速向人工智能靠拢。其他软件供应商也在争先恐后地迎头赶上。 这会给我们带来期待已久的生产力提升吗? 最后,让我们讨论一下生产力。这些工具会让工作变得如此简单,每周工作4天会成为主流吗?像“文案”这样的工作会过时吗?我们会发现,每个主要的生产力工具都能“改善人们的工作”。当语音邮件和电子邮件出现时,我们想知道秘书是否会离开(他们确实这样做了)。当Zoom和Teams出现时,我们重新设计了办公方式。 在这种情况下,我们可能会怀疑自己会无事可做,但事实上,我们可以比以前更快更好地工作。当然,如果您忽略这些趋势或选择不学习这些工具的操作方法,那么您只会落后。我支持微软此次的巨额投资。虽然我们还处于早期探索阶段,但是,未来生产力的大幅提升是可以预见的未来。 本文作者:Josh Bersin
    Josh Bersin
    2023年03月17日
  • Josh Bersin
    【大咖谈】生成式人工智能AIGC和大型语言模型在人力资源管理中的七大用例! 人力资源是商业世界中最复杂的领域之一。实际上,我们对员工做出的每一个决定(雇佣谁、提拔谁、付给员工多少钱、如何促进员工发展)都是基于、经验、个人偏见和一些数据而做出的判断。由于所有企业支出的50%以上是在工资上,这些 "判断性决定 "使公司花费了大量的金钱。 在我的世界里,我们深入研究管理、领导力和人力资源的每一个部分,我们经常试图将各种 "人力资源实践 "与结果联系起来,以弄清什么是有效的。我们的大部分业务都是基于这项工作,然而随着文化、劳动力市场和技术的变化,我们每隔几年都会定期 "重新审视 "我们的大部分工作。例如,现在,我们知道工作场所的压力、薪酬平等和职业发展是提高员工满意度和劳动力生产力的主要因素。而在几年前,福利、奖金和华丽的头衔更受员工的重视。所以我想说的是,人力资源部门的大部分工作是基于组织心理学、多种形式的社会科学研究以及永无止境的实验的,而这是很难实现完美的,而且总会受到争论。 人力资源的基础数据集是文本的。人力资源和管理方面的大多数 "硬科学 "都集中在数字上。我们要求人们参加测试,我们看人们的 "绩效评级 "和平均分(这是很主观的),我们要求人们进行调查、反馈和大量的数据来做决定。然后我们把商业结果(销售、利润、市场份额)与各种人员指标联系起来,并认为 "我们有了答案"。 对于招聘和选拔,我们看的是经验、与工作相关的测试、以及面试官的意见和分数。理论上,如果我们得到足够多的这些数据,我们就可以做出越来越好的招聘决定。而当我们看谁应该晋升,谁应该降级,以及谁应该进入公司的最高层时,也会按照同样的方式进行判断。 晋升的整个前提是基于 "可晋升性 "或 "潜力 "与 "当前工作表现"(九宫格)相比较的旧观念。这种听起来很量化的方法其实充满了偏见,所以我们必须从各种评估、观察和投入中 "推断 "出谁具有高潜力。同样,当我们得到大量的数据时(观察许多高绩效者的背景和行为),我们可以提高晋升的科学性。 人力资源的核心 "科学 "往往植根于心理学,这是一个迷人的领域,研究工作中的属性、行为和心理学。尽管我非常欣赏和关注心理学,但大多数公司并不怎么使用它。因此,如果你想对你的员工的技能、经验和对不同工作的适应性进行真正的 "大数据 "分析,你要处理的是堆积如山的 "数据",其中大部分是在传记、工作成果、公司领导框架、评估和大量沟通中得到的的。当然,还有绩效评估、业务成果等等。 人力资源部门最常见的两个部分:工作申请(招聘启事)和工作描述。这两样东西都是由招聘经理或人力资源专业人员 "撰写 "出来的,通常是基于人们对工作的看法、一套公司标准以及组织需要个人具备哪些 "技术技能"。我们都知道,这些东西并不能真正预测谁会成功,因为 "成功 "在很大程度上是基于雄心壮志、学习的敏捷性、文化的适应性和与目标的一致性。 生成式人工智能和大型语言模型如何提供帮助? 鉴于我们所处的复杂、混乱的业务环境,生成性人工智能和大型语言模型可以提供什么帮助?虽然现在还为时过早,但让我大胆设想一下,人工智能的这个新分支有可能完全重塑人力资源的工作方式。在这种颠覆性的变化中,我们将看到新的平台、新的供应商和新的公司运作方式。 什么是生成式人工智能和大型语言模型? 对于那些不知道什么是生成式人工智能和大型语言模型的人来说,让我简单地说,这些人工智能系统可以对数十亿的 "标记 "进行索引、分类和集群,其中包括单词、短语、数字,甚至代码,我们只需要输入我们的问题,这些生成性人工智能就可以从众多的信息中分析、总结并给出见解性的答案。 下面是生成式人工智能和大型语言模型在人力资源领域的几个用例。 1.创建工作描述、技能指南、学习大纲等内容。 我一直认为,"描述工作 "的最好方法是观察人们在做什么。如果你实际观察、捕捉和分析员工近几个月的工作,你就可以根据实际工作来 "编写工作描述"。那么生成式人工智能可以做到这一点。 你可以使用生成式人工智能来观察 "公司的销售业务",并分析你的销售组织中的所有销售记录、销售工具和各种销售材料。而且它可能会描述 "你们公司的销售人员是做什么的",并帮助你根据真实的角色拟定现实的工作要求。 然后,如果你想知道如何培训销售人员,你可以问它 "告诉我业绩最好的人和业绩较差的人各自需要做什么"。它就会给予你之前可能不知道的东西。然后你可以要求生成型人工智能机器给出员工需要学习和了解的大纲"。然后它可以为你建立测试、在线学习指南,并最终成为你公司的 "销售教练"。 然后,你可以问生成式人工智能 "按总收入和总利润衡量,谁是我们的顶级客户",如果它能访问财务数据,它也可以回答这个问题。 因此,它不仅可以帮助你改进你所有的工作描述,还可以帮助你 "定义成功标准",帮助你 "评估谁的表现良好以及为什么这些员工能够获得良好的业绩",然后再根据回答拟定“销售培训材料"。 2.为招聘工作建立技能模型、经验模型和候选人档案。 大家都知道寻找、评估和选择 "合适的人 "来做一份工作是多么困难。现在每个人都在热衷于 "基于技能的招聘"。但这到底是什么意思?这是否意味着这个人已经通过了某种工具或编程语言的测试?这是否意味着他们有着丰富的工作经验?还是意味着他们曾在一家该领域非常出色的公司工作,他们又从那里学到了什么?这很复杂。假设你可以抓取数以百万计的员工资料,然后看看他们所做的 "工作"(即扫描Github、他们所写的文章及简历等),然后决定这个人在这项工作中 "有多好"?这几乎是不可能手工完成的,但生成式人工智能可以做到这一点。而且它可以做得更好。 假设人工智能看了这个人的工作经历,然后与其他候选人进行了比较。它可能可以告诉你哪个人的教育程度更高,哪个人的拼写能力更强,以及他们各自的个人特征。 我知道L&D供应商已经使用ChatGPT从现有的内容中建立课程计划、学习目标和技能评估。这种应用于数十亿求职者的分析可以开始向招聘人员展示谁是 "具备相似技能 "的专业人士,他们可以胜任哪个难以填补的职位。此外,通过调整这些模型还可以消除性别偏见、年龄偏见、种族偏见,因此,它们不仅更有用,实际上,也是更 "安全"的。 3.分析和改进薪酬、工资基准、奖励模式。 人力资源的第三个巨大挑战是 "给员工多少钱 "和 "为他们提供什么福利"。而这是一个非常棘手的问题。95%以上的公司已经存在薪酬公平问题而且随着通货膨胀的上升,工资需要不断变化,人力资源部门需要努力跟上。 生成式人工智能可以快速地进行薪资基准测试,评估数百万个空缺职位的薪资水平,并分析外部和劳动力市场数据,以帮助确定组织有竞争力的薪资、奖励、激励和其他福利计划。大多数公司试图通过雇用昂贵的顾问来做这件事:这些顾问应该很快就会配备人工智能支持的工具,然后你就可以自己获得这些工具。 薪酬公平也是一个需要重视的问题。虽然一些人工智能供应商开始关注这个问题,但我们从研究中得知,大多数公司有5-15%的工资总额处于某种 "不公平的薪酬 "分配模式。高薪、高任期的人会因为市场周期而获得很高的工资。我认识一些软件工程师,他们赚了50万美元或更多,只是因为他们在一个 "热门时间 "被雇用到一个热门公司。几个月后,他们的工资就比同龄人多出1.5-2倍。公司目前正在试图解决这些问题。 4. 绩效管理和反馈。 人力资源中最难的、也是经常被忽视的一部分是绩效管理、绩效评估和发展规划。虽然有数以百计的书籍和模型来定义这个过程,但它往往归结为个人的判断。而且在大多数情况下,经理在没有对员工的整个一年的工作做全面考察的情况下就给出了评价。 想象一下,如果生成式人工智能将这些工作努力且类似的岗位角色进行比较,向经理展示员工在哪些方面表现出色,哪些方面表现不佳? 今天的技术在某种程度上可以做到这一点。我最近要求Bing Chat告诉我微软2021年到2022年的财务业绩变化,它给出了很详尽的回答。许多生成式人工智能的新模型可以从员工分析中确定员工所欠缺的技能, 为之后的员工培训与发展奠定基础。 5. 教练和领导力发展。 正如我们大多数人所知,在我们的职业生涯中最有价值是 "教练"。教练是一个观察我们的工作行为,并给我们提供个人发展的反馈。他们的教练可能是也可能不是 "专家"(许多教练模式都是围绕着 "教练是心理学家 "的理念建立的),所以教练可能只是在观察我们,给我们提供急需的支持。他们可能会采访我们的同行,帮助我们看到盲点,了解挑战性的情况。 学习与发展领域的市场增长是爆炸性的。像BetterUp、CoachHub、Torch、SoundingBoard、Skillsoft和其他许多供应商已经为 "按需辅导 "创造了近10亿美元的市场。那么,如果这种辅导来自于一个智能机器人呢?医疗机构已经为预防自杀、医疗干预和其他医疗需求建立了这些系统,而且效果相当好。 想象一下,比如说,如果我不得不解雇某人。我可以很容易地问聊天机器人"我应该如何处理裁员的谈话?" 或者 "对于一个开会老是迟到的人,有什么好的指导方法?甚至"我怎样才能使我的会议更加高效?" 这些类型的问题已经被数以百万计的领导人问过数百万次,因此,智能机器人对所有这些问题都有精心设计的答案或建议。而且大多数公司现在都有领导力发展内容、合规内容和各种 "困难对话 "内容的分类。生成性人工智能系统可以很容易地找到这些内容,对其进行解释,并使其便于管理人员使用。 6.个人教练、心理健康和福祉。 也许代际人工智能的最大成功之一是出现了像 "Woebot "这样的工具,它有助于治疗心理健康、压力和自杀。这个工具是在2017年推出的,它减少了员工的压力、焦虑和自杀,其效果几乎是人工治疗的两倍。它怎么会有这么好的效果呢?因为,生成式人工智能中的反馈回路是根据人类思维模型训练的,该系统可以快速识别正在考虑自杀的用户,只需倾听语言,就能帮助相关用户放松心情。 在过去的五年里,工作场所健康市场已经发展到超过500亿美元的规模,而我们对健康组织的研究发现,典型的解决方案(EAP计划、在线教练、培训、正念)的影响比我们预期的要小。我们见证了这样一个事实:大多数关于工作场所心理健康的统计数据显示,即使在投资了数十亿美元之后,它仍然是一个需要解决的问题。因此,我们可以期待医疗保健提供商、保险公司和像Ginger.io(现在拥有Headspace)这样具有前瞻性的供应商加入这个市场。 7.人力资源自助服务和知识管理。 我将提到的最后一个用例是自助服务和知识管理。我们有成千上万的文件、合规书籍、多样性指南、安全规则、流程图来帮助员工选择福利、理解公司政策。生成式人工智能适用所有这些复杂的 "知识赋能 "和自助服务的工作流程。微软新的Power Platform与OpenAI的接口允许公司在系统中嵌入工作流程,所以你可以告诉聊天机器人 "请申请探亲假并请我的经理批准 "或 "请向IT部门提交一个案例,让我的笔记本电脑升级"。许多在人力资源运营、呼叫中心和服务交付中心工作的人几乎会立即投资于此。这意味着从Oracle到Workday到ServiceNow和ADP的每个人力资源技术供应商都将把这项技术嵌入其平台中。 生成式人工智能和大型语言模型的应用将是完美的吗?当然不是。但当我们做出成千上万的关键决定时,我相信生成式人工智能将完全改变人力资源的游戏规则。这不仅能够提高组织的运行效率,也能够塑造良好的员工体验。 文章来源:JOSHBERSIN
    Josh Bersin
    2023年03月10日
  • Josh Bersin
    【观点】微软为Dynamics应用程序和企业推出OpenAI CoPilots,提供用于企业应用程序的生成性人工智能将成为新的热点! 微软本周推出了嵌入微软Dynamics的OpenAI,还推出了开发工具,让用户能够在自己的数据上构建智能聊天机器人。这无疑打开了新的市场大门:提供用于企业应用程序和商业生产力的生成性人工智能。 重要的是要意识到,人工智能有很多应用方式。许多企业系统已经使用人工智能来识别欺诈,确定高利润客户,并确定增长模式,发现质量问题等等。亚马逊的路线调度和物流都使用了人工智能系统。 但使用大型语言模型(如OpenAI的ChatGPT)的生成型人工智能(用于创建新内容的软件,包括音频、代码、图像、文本、模拟和视频)则不同。它们在解决相关问题时,能够索引数十亿的单词和短语,并以 "类似人类 "的方式将新内容组合起来。 在商业领域,我们不断地阅读、写作和创造内容,生成型人工智能可以发挥巨大的作用。因此,微软将这种新的能力称为 "共同驾驶员"(Co-Pilots):最初是为微软的Dynamics商业应用程序设计的。(此命名沿用了微软为软件开发者设计的GitHub Co-Pilot的名字)。 这些Co-Pilots以 "写作助手 "和其他工具的形式出现,实际上是新的Azure OpenAI服务的一部分。这项服务允许开发者访问OpenAI、ChatGTP和Dall-E 2,能够实现让任何微软的IT人员或开发者通过Azure完全访问生成性人工智能。这开始了生成性人工智能解决方案的下一个 "大步骤":企业和商业解决方案。我们现在可以在销售、营销、供应链管理、金融等领域使用这些人工智能工具。 OpenAI认为这个机会是巨大的。上周,该公司发布了其企业定价和API,使任何软件开发人员或IT部门都能使用这些工具。因此,微软这个以生产力工具为荣的公司自然会立即提供一个可以使用的工具集。 这些公告分为三个主要方面。 首先,将ChatGPT(Azure OpenAI云服务)嵌入到销售、电子邮件、营销和客户服务应用程序(Microsoft Dynamics)中,以便商务人士能够更快速地建立网站、产品页面、活动;整理销售信息和与客户服务互动。商务人士每天花费数小时总结信息,撰写文案。其中大部分可以用微软的Co-Pilots for Dynamics来完成这些任务,使集成人工智能工具的企业应用程序更容易使用。 其次,微软已将ChatGPT与该公司的低代码开发系统Microsoft Power Platform集成起来。这个系统可以让用户在许多微软的应用程序和工具中实现流程自动化。因此,现在用户可以 "与使用的应用程序对话",让它们完成更多任务型工作。就人力资源而言,想象一下,如果你只是对ChatGPT说 "请从5月开始申请2周的假期,并请我的经理批准"。我保证这比在人力资源系统中完成这个请求要容易得多。 其他例子(来自微软): 1.研究人员可以使用该模型汇总每周发布报告中的文本并将其发送到他们的电子邮件,所有这些都使用 Power Automate。这有助于为他们的分析提供信息并快速识别主题/趋势。 2.营销经理可以通过输入特定的关键字或主题来创建有针对性的生成内容创意,并将生成的文本用于电子邮件或社交媒体帖子,所有这些都在其营销团队的 Power App 中完成 3.客户服务代理可以在 Power Automate 中构建一个流,以汇总、分类和路由客户查询,以便快速响应投诉或反馈。 最后,微软正在推出工具,帮助用户从企业数据库中 "建立自己的ChatGPT机器人"。作为一个人力资源和领导力分析师,我认为这是个大问题。公司拥有庞大的人力资源信息,这些信息以文本、视频或音频的形式存在。所有信息都可以通过ChatGTP索引和 "发现",使任何员工都能得到问题明确的答案。而且,与Bing不同的是,ChatGTP能够对各种虚假信息进行过滤,提供可靠的企业数据。所以它的回应质量非常高。 第三套工具给我的感觉是具有巨大潜力的。它有可能释放出的数百种应用:将ChatGPT嵌入在动态应用程序中。 Microsoft 是最大的中小企业和中端市场业务应用程序提供商之一,包括 Dynamics 365 Sales 和 Viva Sales、Dynamics 365 Marketing and Customer Insights、Dynamics 365 Business Central、Dynamics 365 Customer Service 和 Microsoft Supply Chain Platform。Dynamics业务上个季度增长了13%,一些分析师认为其业务规模接近6亿美元。(注:Workday的收入约为5亿美元。 这些应用程序使用各种数据、工作流、分析流程来配置、操作和管理业务区域。例如,如果您是营销经理,并且想要将新产品上传到销售目录,修改网站,输入价格和库存信息,并发送活动通知。当然,要完成这些工作需要对应用程序有深入的了解和准确的控制能力才能游刃有余地进行使用。 最简单的例子是 Microsoft 使用 ChatGPT 来帮助用户创建产品概述、制作电子邮件或博客条目。这可以节省数小时的编辑和审查时间。其次,他还能够通过电子邮件互动、客户服务响应和其他方式来销售这种新产品。然后,当客户遇到新的问题时,客户服务代理可以使用ChatGPT 来合并问题并给予解答。 ChatGPT 开发工具——强大的虚拟代理和AI构建器: AI Builder 中的新 GPT 和 Power Builder Agent 中的 GPT 可让用户根据公司中的信息构建自己的聊天机器人!这是巨大的市场之一。 例如,想想我们在人力资源部门手工构建的所有入职、员工体验解决方案、领导力发展和其他过渡计划。如果微软GPT机器人运行良好,我们可以使用聊天机器人完成这些工作。已经存在了一段时间的Microsoft AI Builder已经可以做很多事情了。现在,它可以从用户自己的数据中生成对话,补充许多其他可用的AI工具欠缺的功能。 正如微软所说: “通常,当聊天机器人遇到未经训练的问题时,它只能以两种方式之一做出回应:要求用户重新提问或寻求真人助力,我们很可能都很熟悉。现在,使用 GPT 的强大功能,您可以将机器人连接到最新和最有用的数据源,例如公司网站或内部数据,机器人可以立即开始使用这些数据来构建解决方案。这意味着通过所有动态的解决方案都无需创作单个主题或花费额外的开发周期,机器人在几分钟内就可以完成。考虑一下您可以在此处使用多少个内部数据源。每个福利、入职、流程、合规性或培训信息语料库都可以由 ChatGPT 索引和“启用”。 巨大的平台转变:对微软、人力资源技术和商业软件的影响 首先,很明显,OpenAI是微软“改变游戏规则”的合作伙伴。就由于微软拥有OpenAI的49%股份,并且提供了大部分的计算能力,因此人们可以看到OpenAI在未来某个时候或许会成为“微软子公司”。现在有500家生成式人工智能初创公司,《经济学人》估计市场已经投资了超过11亿美元。 生成式人工智能是一个“平台转变”,与互联网、网络、社交和移动一样。每个技术提供商都必须决定如何应对新的市场需求。想想这对Workday,SuccessFactors,Oracle,ServiceNow,ADP以及世界上所有其他人力资源和商业软件提供商意味着什么。他们将不得不考虑在应用程序之上利用生成式人工智能构建服务界面。 生成式 AI 是一种新的用户界面,与移动设备不同,它允许用户根据自己的深层数据来区分产品。所以我相信这是企业平台(和应用程序)的“新战场”。 还要注意的是,OpenAI不会是市场上唯一的供应商。还有其他大型语言模型,更多模型很快就会到来。从某种意义上说,大型语言模型在某种程度上是一种商品:重要的是数据、培训和领域专业知识。因此,真正的价值创造是如何将这些模型与用户自己的数据、用例和工作流系统结合起来! 我们已经进入了企业技术的颠覆性时代。这是一种设计应用程序并支持用户、客户和潜在客户的新方法。如果像Power Virtual Agent这样的工具被广泛采用,我们可能不再花几个小时的课程来学习如何使用我们最喜欢的HRMS或ERP应用程序。我们只会问系统相关的问题,决定我们想要它做什么,然后要求系统完成工作。 现在还处于早期阶段,但凭借微软庞大的IT客户,集成商和合作伙伴,我看到了他们巨大的发展前景。 文章作者:JOSHBERSIN
    Josh Bersin
    2023年03月07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
  • 1234567891011 14 跳转至