• AI
    机器可能会带来新工作 - 他们也可以帮助我们培训新工作 这是一个有趣的观点,简单了解下,以下是AI翻译完成,仅为快速传递资讯和观点。不喜勿入。 ———————————————— 今天存在的近一半的工作岗位可能在未来几年内实现自动化。 即使是机器人无法掌握的角色的工作人员也可能会看到他们的工作随着智能技术牢固地融入工作场所而改变。 没有人能够准确预测智能机器将如何改变人类的工作世界 - 或者人们的工作将如何随着自动化同行的引入而发展。 许多问题仍然存在,但有一点是明确的:工作的未来将是不同的 - 工作人员需要学习不同的技能,以拥抱与技术共享的未来。 与此同时,世界各地的组织迫切需要设计重新培训工人的系统,并使他们与新的职业相匹配。 挑战是一个艰难而紧迫的挑战,它涉及解析大量数据并整合一组复杂的变量。 实际上,这正是AI为解决而构建的人类问题。 [来源图片:roberuto / iStock] 部署AI来解决自动化产生的问题似乎违反直觉。 但我们面临的挑战规模要求采用非常规方法。还没有人知道自动化带来的生产力增益是否能创造出比破坏更多的就业机会 - 这在以前的技术转变中已经发生过。但随着时间的推移,随需应变的技能将发生变化。 最重要的是,Pew Research最近发现,72%的美国人担心机器在工作场所接管人工任务。就业市场数据提供商Burning Glass已经发现,需要数字技能和行业专业知识的“混合”工作(如营销分析师)的帖子数量有所增加。 分析指出,很少有大学课程将这两种技能集合作为一揽子计划,这使得许多年轻人无法理解这些角色。 他们的研究结果还表明,只有少数行业认证课程真正改善了就业前景。 即将到来的自动化浪潮通常被描绘成一场零和游戏。随着机器人的崛起,人类工人被挤出去了。但现实更加微妙。 [来源图片:roberuto / iStock] 首先,技术采用与人类工作之间的反向关系不如许多人想象的那么强大。自动柜员机是银行员工推出时的特定工作杀手。然而,波士顿大学经济学家詹姆斯·贝森的研究发现,自动柜员机进入主流后,银行出纳员的数量实际上有所增加。原因是:它降低了经营分支机构的成本,因此银行开设了更多,并雇佣了更多的员工。 退一步,将机器人和人工智能系统部署到工作场所会改变就业市场所需的技能。 自动化很少能完全消除职业。通常它会占用工作的常规部分,让人们花更多的时间在创意或以关系为中心的元素上。例如,银行出纳员现在处理更少的现金提取或存款,而是需要软技能来建立客户忠诚度并帮助他们满足更广泛的财务需求。 自动化有许多积极的影响。如今,由AI驱动的自动化平台可以通过检测医学图像上的微小癌症迹象来挽救生命。在未来,它们可以帮助我们更好地了解气候变化或防范网络犯罪。人工智能和机器人也可以承担许多重复性任务,可能使工作成为人类更有益的经历。但是,除非找到有效的方法来减轻其破坏性影响并教育人们了解其变革价值,否则这些解决方案将失去公众支持。 自动化对工作的影响因行业而异,可能也会因公司而异。这就是为什么在自动化面前对职业转型的统一回应可能会变得很短。我相信最好的结果将来自为每个人进行再培训提供个性化策略,以帮助人类未来的职业生涯。 实际上,世界各地的大量工人都需要接受再培训。为自动化未来做好准备的努力将超越行业和地区,不​​仅要应对自动化,还要应对全球经济的数字化。通过帮助工作人员逐案过渡,提供自动化解决方案和混合平台的公司可以发挥主导作用,帮助人们保持对未来工作场所的相关性和关键性。 Joe Greenwood是位于多伦多的创新中心MaRS Discovery District的数据主管。
    AI
    2018年08月18日
  • AI
    有关智能自动化将如何改变人力资源功能的见解Insights On How Intelligent Automation Will Change The HR Function 文/ Darren Burton 文章导读: 麦肯锡全球研究所(McKinsey Global Institute)最近的一项研究发现,60%的职业至少有30%的构成工作可以实现自动化,而全球3%至14%的劳动力将需要转换职业类别。 智能自动化将以各种方式直接影响人力资源——从它在组织中需要扮演的角色,提供的服务,到与人力资源相关的工作实际完成的方式。 影响: 更深入地研究如何使员工的表现最佳化。 自动化可以消除重复性的任务,解放员工工作日的部分工作。这引发了一系列潜在的问题: 员工应该如何利用剩余的时间? 组织如何向员工提供处理不同任务所需的技能? 员工的表现是否应该有不同的评价? 当基础任务现在由智能系统处理时,员工如何“学习基础知识”? 根据IA技能计划未来。 搞清楚开发、培训和维护智能自动化系统所需的技能,然后借用这些技能的最佳方式,在市场上做出区别。智能自动化技术还将有助于建立一种价值主张,能够吸引合适的人才,以满足公司当前和未来的需求。 让领导做好管理转型的准备。  领导除了平衡市场和短期预期的交付,他们还需要为个人和职业转型的团队成员提供指导。设定现实的期望,让人们参与变革过程,帮助个人适应数字化和人力劳动的世界。 英语原文: As a business executive and HR leader, it’s hard to keep track of all the predictions associated with the future of intelligent automation. For example, a recent study by the McKinsey Global Institute identified that 60 percent of occupations have at least 30 percent of constituent work activities that could be automated, and that three to fourteen percent of the global workforce will need to switch occupational categories. These studies make a series of assumptions regarding the types of jobs that will be automated, the pace at which automation will occur, and the various governmental policies that will help or hinder the adoption of these types of technologies. In today’s market, intelligent automation skills are at a premium.ISTOCK Regardless of exact magnitude of the change, it’s pretty clear that intelligent automation is going to directly impact HR in a variety of ways—from the role it needs to play within an organization, to the services it needs to provide, to the way HR-related work actually gets accomplished. Within KPMG, as we continue to work with clients in this space and look to transform our own internal HR capability, it is safe to say that HR will play a central role in helping the organization do a few key things: Dig deeper into how to best enable employee performance. As much of our early experience has demonstrated, automation can eliminate repetitive tasks and potentially free up a portion of a worker’s overall day. This, of course, raises a whole range of potential questions: What should employees do with the remainder of their time? How do we provide them with the skills needed to handle different tasks? Should their performance be assessed differently? How do they “learn the basics” when basic-level tasks are now handled by an intelligent system? These are precisely the types of questions that the HR professional of the future must be able to help business leaders answer so that they can design jobs and shift roles to make the most of employees’ skills and capabilities. Plan for a future dependent on IA skills. In today’s market, intelligent automation skills are at a premium. As one New York Times article joked, “Salaries are spiraling so fast that some joke the tech industry needs a National Football League-style salary cap on A.I. specialists.” Figuring out the skills that are needed to develop, train, and maintain intelligent automation systems and then determining the best way to either build, buy, or borrow those skills can make the difference between spending too much or too little in this marketplace. It will also help in building a value proposition that can attract the right talent to meet a company’s current and future needs. Prepare leaders to manage the transformation. The opportunities offered by intelligent automation are equaled by the potential magnitude of change executives will face as they come to terms with significant shifts in their industries and business models. In addition to balancing marketplace shifts with delivery on short-term expectations, they will need to provide guidance to team members who may be going through their own personal and professional transformations. The need to set realistic expectations, involve people in the change process, and help individuals adjust to a world of digital and human labor will test the capabilities of even seasoned change leaders. Interested in learning more about people challenges associated with intelligent automation? KPMG partners Mark Spears, Robert Bolton, and David Brown have authored two important perspectives, “Rise of the Humans” and “Rise of the Humans 2,” that provide useful insights into the topic.
    AI
    2018年08月07日
  • AI
    创业公司:其实,我们的聊天AI是员工自己假扮的 来源/果壳网 作者/Olivia Solon 编译/EON 编辑/Ent、东风 还记得前段时间谷歌演示的智能助手Duplex吗?它能模仿人类打预约电话,甚至还会发出人类惯用的语气词,接电话的店员甚至没有意识到,电话的另一端根本就不是真人。 然而,你可能没注意到的是,当开发者们共同致力于让AI变得更像人时,有些创业公司却打起来了另外的算盘:让人冒充AI。 谷歌CEO介绍Duplex | Google 对于这些公司来说,这一招既可以省下大量的研发费用,还可以忽悠到投资。正如ReadMe公司的CEO格雷戈里·科贝格(Gregory Koberger)所说的那样,“把活儿交给真人,能让你跳过大量技术和业务发展方面的挑战。” 他在推特上吐槽道:“如何建立一家AI创业公司? 雇佣大量廉价劳动力假扮成假扮人类的AI。 等着AI被发明出来。” 这种做法已经是业界周知的秘密了,但是大部分消费者还蒙在鼓里。 创业第一步——假装有AI 前不久,据《华尔街日报》报道,谷歌允许大量第三方应用的开发者读取Gmail用户的邮件。在被曝光的第三方公司中,圣何塞的艾迪森软件公司(Edison Software)就在用假的AI。他们的AI工程师会浏览用户的个人邮件,来改善所谓的“智能回复”功能。不过,他们的隐私政策并未提及人类会看到用户的邮件。 其实,早在2008年,就有一家名为Spinvox的公司作假了。他们号称能将语音留言转化为文字,结果被指控这些工作都是海外电话中心的人工来完成的。 2016年,据彭博社报道,在X .ai和Clara这样的日程应用公司,人类员工每天都要花12小时假扮AI聊天机器人。这项工作太令人头脑发麻了,以至于员工们说他们期待机器人能真正取代人类。 2017年,业务支出管理应用Expensify承认,他们通过人工转写收据,而不像对外声称的那样用“智能扫描技术”。扫描过的收据会被发布到亚马逊的劳力众包平台Mechanical Turk上,然后接受低薪的人来阅读和转写这些收据。 人工并不便宜 在某些情况下,人类被用于训练AI系统,来提升AI的精确度。例如,名叫Scale的公司用大量的人类工作者,向自动驾驶系统和其他AI系统提供训练数据。此外,谷歌的Duplex也用到了人类训练者。 M聊天界面 | Facebook Facebook曾在2015年推出虚拟助手M的测试版。M能预约和提供礼物建议等,只不过,它也是由人工协助的。当时我们用不到它,因为它只对旧金山湾区的1万人开放,而现在,Facebook彻底关闭了这一项目。虽然我们用不上它了,Facebook表示M的特性将会保留在聊天应用Messenger里。 这种人工协助AI的出发点其实是好的,AI系统会在人类的协助下学会应答各种指令,最终变得更加智能。然而,它的代价还是有点大。 首先,Facebook需要大量昂贵的劳动力,因此将服务扩大不太可行。 其次,当M完成一项任务时,用户总是会提出更难完成的要求。就这样,M要达到的自动化程度远远超过了当前的机器学习技术。 AI技术应该更加透明 心理学家艾莉森·达西(Alison Darcy)表示,“作为心理学家,我们有伦理准则作为指导。其中,不去欺骗人们就是非常明确的一项。” Woebot可以提供心理方面的支持 | Woebot 研究表明,当人们认为自己在和机器而非人类交谈时,他们更愿意袒露心声,这是因为精神卫生方面的求助常常和污名化联系起来。南加州大学的研究团队用虚拟心理咨询师Ellie测试了这一研究。他们发现,当患有PTSD的退伍军人知道Ellie是AI,而不是人类操作的机器时,他们更有可能坦诚讲述自己的症状。 另外一些人认为,公司们应该一直公开自己的服务是如何运行的。 “我不喜欢人们假装成AI。”罗谢尔·拉普兰(Rochelle LaPlante)说,他为很多提供假AI服务的公司工作过。 “对于我来说,这不太诚实,而且有欺骗的意味。我希望自己正在使用的东西不是这样的。而从工作者的角度来看,这就像是我们被推到了幕后。我不希望我提供劳动的公司转变态度,而且向客户隐瞒真相。” 这样的道德困境也出现在试图让AI更像人类的项目中,例如谷歌的Duplex。该项目在最初演示的时候,AI 并没有向打电话的对象表明身份。Duplex立刻引发了争议,人们担心这种略带欺骗性的技术会被有心之人利用。 “人们对AI已经有很多主要的担忧了,而缺乏透明并不能帮助我们解决问题。”达西说。
    AI
    2018年07月20日
  • AI
    你知道吗?机器学习与 人工智能:它们有何不同? 特伦斯米尔斯  AI.io和Moonshot的首席执行官Terence Mills是AI的先驱和数字技术专家。在LinkedIn上与他联系关于人工智能或移动设备 人工智能和机器已经成为日常生活的一部分,但这并不意味着我们很好地理解它们。你知道机器学习(ML)和人工智能(AI)之间的区别吗? 如果您希望在您的业务中使用其中一种,那么了解哪一项重点关注非常重要。ML和AI是相关的,但它们不相同,并且它们不一定适合于相同的任务。您可以通过了解何时选择ML或AI来将您的业务提升到新的水平。 本指南将向您介绍您需要了解的有关AI和ML的所有信息,以及它们为何与众不同。继续阅读,了解这种现代科技如何帮助您和您的企业。 机器学习与 人工智能:基础知识 以下是这些不同概念的两个简单,基本的定义。 AI意味着机器可以以“智能”的方式执行任务。这些机器不仅仅被编程为执行单个重复动作 - 它们可以通过适应不同情况做更多事情。 机器学习在技术上是人工智能的一个分支,但它比整体概念更具体。机器学习的基础是我们可以构建机器来处理数据并自己学习,而不需要我们不断的监督。 让我们仔细看看这两个概念的真正含义以及它们是如何发展的。 在一开始的时候 毋庸置疑,AI和机器学习相对较新。几十年,几百年甚至几千年前,这些概念可以追溯到某些富有想象力的个体。但直到最近,这些梦想才成为现实。 人工智能的概念在最早的计算机上得到了巩固。当然,这些第一台计算机并没有自己做出任何决定。然而,它们是能够记住信息并进行计算的“逻辑机器”。创建这些机器的人知道他们正在努力制造一台类似大脑的机器。 然而,从那时起技术变得更加先进,因此我们制造类似大脑的机器的能力也有所提高。在过去的几十年里,我们也更好地理解了自己的大脑是如何运作的。 我们越了解这些事情,人工智能的变化就越多。我们的计算机现在可以进行极其复杂的计算,但是现在的开发并没有真正关注那些。相反,人们正在寻求创造能够以类似于人类的方式做出决策并使用这些决策来完成任务的机器。 AI的类型 人工智能有两个主要的子类别。第一个应用AI。这是最常见的AI形式。它包括从智能股票交易系统到自动驾驶的所有内容。 广义AI不太常见,因为它更难创建。理想情况下,广义AI能够处理各种不同的任务,就像人类一样。尽管这些AI并不常见,但许多研究人员已经在广义AI领域取得了进步。 最重要的是,这一小节是导致机器学习发展的原因。 机器学习的成长 由于AI领域的某些突破,机器学习得以发展。 第一个突破涉及认识到教授计算机如何学习比教他们如何执行每项可能的任务并为他们提供完成这些任务所需的信息更有效。 第二个重大突破是互联网的发明。这导致了以前从未见过的巨大的信息存储潜力。现在,机器可以查看由于存储限制而无法访问的大量数据。实际上,创建的数据量太多,人类无法处理。 这两个突破清楚地表明,不是教机器做事,更好的目标是设计它们为自己“思考”,然后允许他们访问在线可用的大量数据,以便他们可以学习。 神经网络的作用 神经网络的出现对于教导计算机像人类一样思考的过程变得至关重要。神经网络允许计算机更紧密地模仿人类的大脑,同时仍然更快,更准确,更少偏见。 神经网络是一种计算机系统,它可以像我们自己的大脑一样对信息进行分类。例如,神经网络可以查看图片,识别图片中的元素,并根据它们显示的内容对图片进行分类。 这些网络使用他们有权访问的数据进行确定。数据不允许它们完全准确,但他们可以根据最有可能做出的决定做出决定。 最重要的是,这些系统涉及“学习”的反馈循环。机器可以查明其决策是否正确,然后改变其方法,以便下次做得更好。 机器学习能做什么? 这些系统的可能性似乎无穷无尽。 ML已经允许计算机查看文本并确定内容是正面还是负面。他们可以弄清楚一首歌是否更有可能让人伤心而不是快乐。其中一些机器甚至可以制作自己的作品,主题基于他们听过的作品。 机器学习的一个主要应用是与人沟通。人工智能领域称为自然语言处理,大量使用机器学习。有一天,这将使公司能够提供与人类客户支持一样有用的自动化客户服务。 机器学习与 人工智能:哪个适合你? AI和ML都可以拥有有价值的业务应用程序。确定哪一个最适合您的公司取决于您的需求。 这些系统有很多很好的应用可供选择,但ML最近得到了更多的宣传,因此许多公司都专注于这种解决方案的来源。但是,AI对于许多不需要持续学习的简单应用程序也很有用。 以上由AI翻译完成! 原论文连接:https://www.forbes.com/sites/forbestechcouncil/2018/07/11/machine-learning-vs-artificial-intelligence-how-are-they-different/#177f00033521
    AI
    2018年07月16日
  • AI
    讨厌填写繁琐的求职表格?MeetFrank用聊天机器人提升求职体验,获110万美元种子轮融资 来源/猎云网  36氪 文/施安 让我知道你想找什么,让你知道你想要什么。 一段心塞的求职经历大概是这样的:登陆并注册某一家招聘网站或公司招聘主页-手动输入自己的个人资料、学历背景、工作履历、求职信-登陆并注册下一家招聘网站或公司-重复以上所有步骤…… 如果你一次性想投好几家公司,那么恭喜你,一整天你都会钉在电脑前,填写没完没了的表格。与此同时,电脑那头的HR,也在海量的数据中苦苦寻找快要被淹没的你。 求职真的只能是一件枯燥无味又让人烦心的事情吗?近日,刚刚获得100万欧元种子轮融资的AI 招聘APP MeetFrank ,就派出了一个有趣的聊天机器人来解救你。 另一段全新的求职经历开始了:打开MeetFrank-和耿直boy Frank开始聊天-所有涉及信息的部分直接勾选-在Frank的卖萌中结束求职“填写”。 “Frank”会像朋友一样主动热情的的找你聊天 没错,MeetFrank 的主角就是一个叫Frank的聊天机器人。下载该app的用户首先要和Frank进行一次快速的“入职谈话”—— 从设定好的各种选项中选择他们拥有的技能、经验、为何要换工作、目前职位、薪水等等,省去自己写简历、填表格的烦恼。并且,用户不需要提供任何可以识别个人身份的信息,仅通过自身能力去匹配潜在的工作机会。 求职信息收集的过程中你只需要勾选,无需手动填写 在下载并亲身体验这款APP后,我们发现Frank的几个优点: 1、注册简单,无需绑定任何可能暴露自身隐私信息的ID,如身份证护照、社交账号、手机号等。 2、整个聊天过程,也就是求职信息的收集过程,大概只需要几分钟的时间,时间成本很低。 3、聊天过程非常流畅,并且Frank是一个性格特征为主动、热情、幽默的俏皮boy,偶尔还会“撩”你一下,让人几乎忘记是人机对话,很轻松。 4、信息收集的维度比较丰富,除了常规的个人资料及工作背景,Frank还试着了解你对于当前工作的认知与感受,想要换工作的原因以及你未来的打算,这个过程其实也是进行自我梳理的过程。从对话语体设置到话题维度的设计,都比较人性化。相比之下,国内以企业招聘为中心,单纯的有效信息收集,显得冷冰冰。 5、不填性别,也没有任何性别导向的问题,注重求职中的性别平等。 花几分钟的时间跟Frank聊聊天,提交求职信息顺便梳理自己 资料显示,这家爱沙尼亚创业公司在去年九月刚刚成立,但它声称在其首批市场(爱沙尼亚,芬兰,瑞典,拉脱维亚,立陶宛,以及新增的德国)拥有约125,000名活跃用户。 目前,已经有大约 2,000 家公司正在使用 MeetFrank 来吸引人才。以德国为例,戴姆勒、Eon、Delivery Hero、SumUp、Blinkist、High Mobility 和 MyTaxi 等公司都在使用 MeetFrank。 “目前使用我们的雇主主要是技术相关的公司,”Kaarel Holm说。 “大约50%的职位是工程师,其他50%包括市场营销,销售,客服,法律,数据科学,产品/项目管理等。” 获得本次首轮融资后, MeetFrank 将把重心放在开拓欧洲市场。Hummingbird VC, Karma VC和Change Ventures参与了此轮投资。 除了提升求职者体验外,对于雇主而言,MeetFrank代替了传统招聘广告,使用机器学习算法将潜在候选人与职位匹配,因此它实际上承担了简历初筛的工作。并且,它还有可能吸引本不知道该公司正在招人的求职者。正如Holm所说,MeetFrank主要关注“被动人才库”,让那些因为怕找工作麻烦而长期呆在一家公司的优秀人才,也能被HR发掘。 虽然MeetFrank的目标是被动求职者,但这些人仍然需要主动下载应用并输入一些数据。 因此,聊天机器人拥有一个强大的表情+GIF系统,来说服人才,只需一点前期的努力就可以大有作为。 机器人还会询问什么能说服他们换工作,所提供的选择包括更高的薪水,更灵活的或远程的工作,搬家,创企文化等等。 在这一过程中,求职者是以匿名方式出现的,因为用户不需要提供真实姓名或任何其他识别个人信息,来获得与潜在职位的匹配。 因此,至少在求职的这个阶段,人才是根据其优点来评估的。 Holm说,当人们被要求预先说明他们目前的薪资水平时,你可能认为这会使他们在薪酬谈判中处于潜在的不利地位,但MeetFrank平台的目的是鼓励雇主更加开放,避免传统的薪酬谈判情况。 “我们使用薪资作为匹配的一个数据点,我们努力确保向用户提供的服务符合他们的偏好。在很多情况下,薪资是主要的交易破坏者,我们希望尽早提供这些信息,”他解释说。“市场另一端的公司也向用户披露他们的工资,这样我们就可以避免谈判中的劣势。” 他补充说:“MeetFrank平台的政策是,公司必须对所要填补的职位非常开放,所以这也包括了薪资资讯。” 当然,雇主并不是以匿名形式存在于平台上的。他们必须发布详细的招聘广告,包括招聘职位的薪酬水平。 而应用会在确认过合适的薪资范畴之后(即匹配过程之后),向求职者显示薪资增长的百分比。 所以,雇主需要适应那些只是好奇的求职者。 对于雇主来说,MeetFrank接管了广告投放过程,它利用机器学习算法将潜在候选人与职位匹配。因此,它会在“成千上万”的潜在求职者中自动预选。 当然,在这一过程中,接触到的人才可能并不知道这家公司正在招聘,或者这些人才在考虑某些特定品牌。 该应用主要关注“被动人才库”,也就是Holm所说的“目前或最近正在求职的人才”。因此,招聘双方能够更容易地找到匹配的对象。 “目前初级职位对我们来说有点遥不可及,但我们将在今年秋季与几所大学启动一个测试项目,”当我们问到这个应用是否对目前没有工作或正在寻找第一份工作的人开放时,他补充说道。 Holm说,MeetFrank目前显示出50%的MRR增长。它已经脱离了前收入阶段,即向雇主收取广告费用(人才方面的服务仍然免费)。 主要的货币化模式是每日订阅,按现收现付制对雇主收费。Holm说,向雇主收取的费用是每天9欧元,MeetFrank允许他们在任何时候取消订阅,没有最少的时间限制。 “我们认为,新时代的分类广告只会在这种按需模式下盈利,也只有在发现我们有用时才应该付钱。这也降低了大多数初创企业进入市场的障碍,使它们能够在低预算的情况下检验市场并获得知名度,”他补充说道。 目前市场上已经有不少招聘AI软件和应用,但真正从求职者体验出发的产品或工具并不多,也鲜少有公司真正为求职者着想,帮助他们梳理自己真正想要什么。36氪此前报道过的法国初创公司Reminder,加拿大的AI招聘虚拟助理 Ideal 及加州的 Talent Sonar,都大多从服务企业招聘、优化求职者筛选的角度出发。或许换一种思路,如何从求职者角度出发,给他们更方便更放松的求职体验,赢得更多优秀年轻人的心,MeetFrank 或许是一个很好的启发。 MeetFrank,一种“秘密”招聘应用,它使用机器学习和聊天机器人来缓解被动求职和人才空缺匹配的压力。为推动欧洲市场的扩张,该创企在种子轮融资中获得了100万欧元(110万美元)的投资。 投资者包括Hummingbird VC、Karma VC和Change Ventures。 这家爱沙尼亚创企虽然去年9月才成立,但它表示,自己在第一市场中拥有大约12.5万名活跃用户。第一市场包括爱沙尼亚、芬兰、瑞典、拉脱维亚、立陶宛,此次融资助力扩张的德国市场也包含在内。 大约有2000家公司正在使用该应用来吸引人才。在德国,与MeetFrank进行合作的雇主包括戴姆勒、Eon、Delivery Hero、SumUp、Blinkist、High Mobility和MyTaxi。 “目前我们所接触的公司一般是正在公司内部开发产品的初创或扩张公司,”联合创始人Kaarel Holm表示。 “目前我们主要关注与技术相关的公司,所以你可以从普通的初创企业或规模扩大企业中找到工作,”他说。“大约50%的职位是工程,另外50%是市场营销、销售、客户支持、法律、数据科学、产品/项目管理等。” 他将TransferWise、Taxify、Testlio、Smartly和High-Mobility称为早期客户。 以上内容由HR Tech China综合整理报道
    AI
    2018年07月05日
  • AI
    Human-Centered A.I. is the Future of Talent Management Will A.I. eliminate my job? It’s a clickbait title most of us are now familiar with. In recent years we’ve been met with a wave of articles and soundbites — ranging from the realistic to apocalyptic — speculating as to whether A.I. will replace human jobs, take over the world, or otherwise render Us insignificant. Tesla CEO Elon Musk has even gone so far as to suggest that the volume of jobs that will be lost due to automation will create the need for a universal basic income. A fear of new technology, and of the impact that that technology will have upon the job market is not new. Technological developments that arose during the Industrial Revolution created public fear of mass unemployment (a fear that ultimately proved to be unfounded given the large number of new jobs these technologies created). Yet the narratives have never felt quite so existential before this moment. So what is different about A.I. that has so captured the public interest, and it seems, fear? It seems to lie in the idea that intelligent machines will not seek to supplement aspects of our existence, but rather, replace us entirely. Computer Scientist Subhash Kak advocates for this idea with respect to the job market in his think piece for NBC News (a piece, it is worth noting, entitled “Will robots take your job?”). The reason A.I presents a greater threat to society as we know it, he argues, is “today’s A.I. technology aims to replacethe human mind,” not simply to make industries more efficient (my emphasis). It would be naive to ignore the reality of Kak’s argument with respect to tasks requiring learning and judgement. A.I. is already replacing human decision-making in industries such as transportation and manufacturing. But are all applications of A.I. really aiming to replace the human mind in the workplace? And should they? There are other views — and other technological frameworks — to be had here. “Human-Centered A.I.” In opposition to A.I.’s “takeover” rhetoric exists a school of thought that explicitly acknowledges the benefit of partnership between humans and intelligent machines. Fei-Fei Li, director of the Stanford Artificial Intelligence Lab, calls this approach “human-centered A.I.” — a framework for guiding the development of intelligent machines by human concerns. At a high level, the goals of human-centered A.I. are as follows: A.I. should aim to enhance human thought rather than replace it A.I. should encompass the more nuanced and contextual aspects of human intellect, aided by outside fields such as psychology and sociology The development of A.I. technology should be guided by a concern for its effect on humans There are a number of cross-industry applications of A.I. that can be viewed within this partnership framework. Take, for example, the development of robots used to reduce costs, time, and human-error during surgery, allowing doctors to focus on the more nuanced aspects of the surgical process. Or, developments of A.I. in agriculture, such as Blue River Technology’s “see and spray” technique for applying herbicide only where needed, saving farmers money on herbicide and delivering a more sustainable product to consumers. But perhaps even more in contrast to the fear of a robot taking one’s job, is the increasing extent to which A.I. is being applied the field of talent management. That is to say, A.I. is being used to actually improve the workplace and the worker experience, rather than replace the worker. A.I. as a Tool for Improving the Workplace In the past several years, we have seen an emergence of companies applying A.I. to problems in talent management. From Paradox.AI’s Olivia, to Beameryand Textio, its fair to say that A.I. is on HR’s radar in a way that it wasn’t 5 years ago. What’s interesting about this trend is that unlike other industries with a stronghold in A.I., talent management has until recently been viewed almost exclusively as a “fuzzier” aspect of the business. It is an industry built on relationships, human connections, and emotional intelligence, and yet, it is being improved with A.I. To be fair, up until now a majority of A.I. solutions for talent management have focused on the more tedious and error-prone tasks around candidate sourcing and evaluation (tedious + error-prone = a perfect opportunity for automation). But there are also opportunities for A.I. to improve the post-hire aspects of the employee experience, and human-centric A.I. is the key. As the marketing world has known for years, A.I. provides a unique opportunity for scaling a personalized experience. Why would you show me the same thing as everyone else, when I’m more likely to convert if you show me exactly what I want? The same principles can be applied to the post-hire employee experience. Employees have different skills sets and motivators. If my employer places me in an environment that is optimized for my skills and motivators, I’ll stay. If not, I’ll move on. As the progression towards a digital workplace continues, companies also have more data about their human capital than ever before — who they are talking to, what they eat, when they’re online every day. WeWork is basing their business model around this data. Human-centered A.I. can unleash this data to help talent leaders create a more personalized employee experience. It is in “fuzzier” domains like talent management where human-centered A.I. shines, not just for ethical reasons, but because it provides the best user experience. At Cultivate, for example, we apply human-centered A.I. to personalize the leadership development experience for managers. Using digital communication data as a proxy for leadership behavior, we analyze and predict how managers’ actions are affecting their team, and offer suggestions for how to improve. At no point do we attempt to stand in as a replacement for a manager, or a talent leader. Rather, like a real-life leadership coach, Cultivate offers tips and suggestions that a manager can choose to take, or not. This is the kind of personal experience employees expect from their talent leaders, scaled with A.I. And it doesn’t need to stop at learning and development. A.I. also has high-potential to impact other aspects of the employee experience, from interviewing and on-boarding to performance reviews and off-boarding. Looking Forward There is no doubt that A.I. is changing the world — and the job market — as we know it. Industries will be disrupted. Jobs will be lost, new jobs will be created, some jobs will never be replaced. Ethical dilemmas will be raised. They already are. The degree of difference between aspects of human intellect and intelligent machines will become smaller. However, with careful consideration for A.I. design that creates a sense of partnership between humans and intelligent machines, A.I. isn’t a force to be feared in the workplace, but embraced. 作者:玛格丽特托马兹祖克 About Cultivate Cultivate helps companies leverage their digital communication data with A.I. to extract important organizational learning and unleash leadership potential. For more information on what we are doing at Cultivate, check out our website. 英文也比较简单理解,就不翻译了~
    AI
    2018年07月04日
  • AI
    招不到程序员?「Talentful.ai」用 AI 建立千万名 IT 人才的数据库 来源/36氪  文/雨柔 在硅谷,招聘一个技术人员平均要花费 22000 美元。 伴随着互联网化进程,企业对 IT 从业者的需求剧增,造成数千万的人才缺口。无论在中国还是海外,技术人才招聘都是人力部门的头等难题。36氪近日接触的北美公司「Talentful.ai」想用 AI 为企业降低 IT 人员招聘成本,提高效率。   Talentful 主要关注社会招聘的第一步,即找到合适的候选人并建立联系。其难点一是人才资源难以获取,即使拿到联系方式,之后的初步沟通等工作要占用 HR 大量时间;二是招聘人员往往不懂技术,难以筛选到合适的候选人。硅谷企业招到一个程序员平均要花费 22000 美元,Talentful 希望运用自然语言处理和身份识别技术将招聘费用降到 4000 美元。   为解决人才资源问题,Talentful 利用爬虫网络检索 IT 人才的开源代码、学术文章、博客、会议议程、Twitter 坐标等公开信息,建立起了 1900 万北美 IT 从业人员的人才数据库,和数亿非 IT 从业人员信息。   为降低对 HR 从业者技术素养的要求,Talentful 会对候选人信息进行分析,建立评估指标,供招聘人员参考。当企业希望搜索到合适人才,想建立联系时,AI 系统可以自动发送定制邮件,并对邮件进行追踪和分类。   Talentful 还上线了自动内推系统,自动从员⼯的朋友圈和电⼦邮件列表中找出符合工作要求的朋友,通知员工内推,让每个公司可以有自⼰独有的人才招聘渠道。   公司正在探索进入中国市场的可能,一方面为美国企业招聘来自中国的技术人员,另一方面尝试为中国企业提供人才服务。但相较于美国,中国开发人员没那么热衷于写开源代码、参加行业活动,公开信息相对较少。Talentful 观察后认为,中国技术人才的简历大都沉淀在各大互联网招聘平台,Talentful 计划和这些招聘网站展开合作。   Talentful 创始人兼 CTO 陈嘉告诉36氪,公司遇到最大的困难在于市场推广。招聘在企业价值链上属于成本中心,企业的付费意愿较低。Talentful 开始尝试与一些大型的人力管理系统服务商合作,为其提供解决方案。   用AI 技术搜寻和匹配人才或将逐渐成为科技公司的标配。今年 4 月,AI 招聘公司 Fetcher 获250 万美元种子投资,Fetcher 从 LinkedIn、Twitter 等网站获取信息并建立数据库,目前已有近 1 亿的人才储备。中国的人工智能招聘初创企业中,猎萝卜去年拿到 1 亿元天使轮融资,Bello 今年也拿到千万元的天使轮。   Talentful 系统于 2016 年 1 月上线,以 SaaS 的形式提供服务,客户大多为中小型企业,2017 年营收约 12 万美元。   团队目前有六个人,创始人兼 CTO 陈嘉是美国埃默里⼤学 MBA,加拿⼤⾥贾纳⼤学计算机硕士,有 15 年软件行业工作经验;CEO Michael Matthies  有四次创业经历(公司曾被埃森哲、IBM 收购),曾在多个中大型公司担任⾼级销售主管。   公司正在寻求 pre-A 轮融资。  
    AI
    2018年07月03日
  • AI
    Google Hire重大更新!全面AI技术支持,简历筛选安排面试将大幅节约时间 综合来源/ gadgets google hire blog等 更新要点 Google Hire通过更新获得了新的AI驱动的工具 Google Hire可以更快地安排面试,并在简历中突出显示关键字 雇用1000人以下的美国企业适用Google Hire 随着去年推出Google Hire,Google通过将招聘过程整合到招聘人员,已经花费大量时间去查工具(如Gmail,Google日历和其他G-Suite应用程序),来简化招聘流程。旨在帮助中小型企业有效招聘。招聘人员表示,Hire从根本上改善了他们的工作方式,减少了应用程序之间的上下文切换。 实际上,当他们衡量用户活动时,他们发现Hire减少了完成日常招聘任务的时间 - 比如审查应用程序或安排面试 - 节省时间高达84%。     Google启动AI 通过整合Google AI,Hire现在可以减少重复耗时的任务,如安排面试,进入一键式交互。 这意味着招聘团队可以在后勤上花费更少的时间,更多的时间与人交流。 Hire中的新功能使招聘人员可以做到如下几点:   在几秒钟内安排面试: 招聘人员和招聘协调员花费大量时间在后勤管理 - 查找日历上的可用时间,预订房间,并将正确的信息汇集到预备面试官处。为了简化这一过程,Hire现在使用AI来自动建议面试者和理想时间段,从而将面试计划减少到几次点击。 通过整合Google AI,Hire现在可以将重复耗时的任务减少为一键互动。这意味着招聘团队可以在后勤上花费更少的时间,更多的时间与人交流” 谷歌在其博客文章中表示。 自推出以来,Google Hire带有G Suite集成功能,可让应用程序与Gmail和Google日历等其他应用程序同步工作。Google声称Hire可以减少招聘团队招募任务的时间达84%。 最新的更新基本上整合了Google AI,以减少做任务时的点击次数,让AI建议发挥作用。 Google Hire自动提供面试官和理想时间段,将面试安排减少到几次点击。操作如下: Photo: Google 它试图减少手工查看日历空闲时间,为您查看并提供理想的时间段。此外,如果面试官最后一分钟取消,Hire不只是提醒你,它还推荐可用的面试官,并可以很容易且快速地邀请面试官。 所以我们可以看到国内外面试安排都是一个复杂而且繁琐的事情,面试管理这块的需求也日益突出。   自动突出显示简历重点 相当一部分招聘人员的时间花在审查简历上(我们都知道这一点)。有人告诉我,当团队正在观看与Hire进行互动的人时,他们发现客户经常使用“Ctrl + F”,通过简历扫描搜索正确的面试者的技能 - 这是一项重复的手动任务,可以轻松实现自动化。 另一个常见的招聘难题是在简历中查找关键字。 Hire的AI现在通过分析工作岗位描述,或搜索查询术语并在简历中突出显示相关单词(包括同义词和缩略词)来节省手动搜索它们的时间,自动为招聘人员找到这些单词。 Photo: Google   点击致电候选人: 无论他们是筛选候选人,进行面试还是跟进录用信,招聘人员每天都会有数十次电话交谈。现在通过点击通话功能简化每个电话对话,并自动记录通话,以便团队成员知道与候选人通话的人员。它是如何工作的,Derek? 很高兴你问这样的问题! 系统会拨打您要给求职者的电话,然后当您拿起电话时,系统会向求职者拨打该号码。且您永远不会丢失您的收件箱内容,电话会录音,并且您可以在电话中记笔记。我问是否有发信息功能,市场表明,大约98%的人回复短信,很少听到语音信箱或回复他们不认识的号码。 他们向我保证,这个过程非常简单,并且您电话辛苦获取的宝贵数据将会轻松转移。   最后,现在通过点击通话功能简化每个电话对话,并自动记录通话,以便团队成员知道谁已经与候选人通话,而不是多次拨打同一个候选人。 所有那些雇员不足1000人的美国企业都可以购买Hire服务。在中国不行~~     关于Google Hire 从去年7月推出,旨在帮助中小型企业有效招聘。它允许招聘人员将工作发布到多个工作现场,跟踪申请,安排面试,甚至可以在一个平台上获得面试反馈。现在,在一年之后,谷歌已经更新了招聘人工智能驱动工具,以实现“更聪明,更快速的招聘方式”。此更新带来的新功能可以加快日程安排访问速度,为日志记录提供简单的工作,并简化相关简历,从而减少耗时。 “通过整合谷歌AI,服务现在减少重复,耗时的任务,进入一键式的互动。这意味着雇佣团队可以花费更少的时间与物流和更多的时间与人联系” 以上由HRTechChina 综合编译,仅供参考!  
    AI
    2018年06月27日
  • AI
    人工智能:人力资源行业真正的杀手应用程序 对人工智能的炒作和期望现在是天高。我们很快就会和我们的电脑通话。无人机将提供我们的杂货; 我们的汽车会开车自己; 而大多数白领工人将会是监控机器。这一切都是真的吗?这真的会发生吗? 作为一位遵循技术几十年的行业分析师和工程师,我想说我们正处于一个有趣的阶段:一方面,炒作远远超出了现实; 另一方面,上涨幅度可能比我们想象的要大得多。在人力资源方面,价值的机会是巨大的。 虽然几乎所有人力资源供应商现在都在建立人工智能团队,我们都希望我们的系统更加智能和实用,但我相信这个市场还很年轻,所以我想指出一些需要考虑的事情。 上周我参加了一个关于招聘自动化的会议,我们听取了奥克兰A的总经理比利比恩谈到钱球。在对Sabermetrics的历史和数据如何改变了棒球比赛的精彩讨论之后,他告诉我们,他现在在他的名单上有六位博士学位机器学习工程师,“拥有最多博士学位的团队真的很难被击败。”这就是业务中发生的事情。 人工智能在人力资源和管理中的作用 让我们认识到AI不是一些神奇的电脑化角色; 它是一个广泛的算法和机器学习工具,可以快速注入数据,识别模式,并优化和预测趋势。系统可以理解言语,识别照片,并使用模式匹配来获取关于情绪,诚实,甚至个性的信号。这些算法不像人类那样“直观”,但它们速度很快,因此它们可以在几秒钟内分析数百万条信息,并快速将它们与模式关联起来。 统计学上的AI系统可以通过绘制可能结果的曲线来“预测”和“学习”,然后根据许多标准优化决策。所以你可以想象一个人工智能系统,可以查看可能的人口统计数据,工作经历以及与候选人面试的问题,然后“预测”他们在工作中的表现如何。(HiredScore,Pymetrics,HireVue,IBM和其他公司正在研究这方面的工作。) 虽然这比听起来更复杂,但这是一项重要且高尚的举措。几周前,当我被问到这个问题时,我回答说:“我们今天制定的大多数管理决策都是由我们的裤子所在位置完成的。如果这些系统让我们变得更聪明一些,我们可以极大地改善我们的运营。“ 是的,有很多风险和障碍需要处理,但潜力非常大。 我们可以期望看到哪些杀手级应用程序? 让我列出我们可以看到突破性成果的许多领域中的一小部分。 在招聘中,我们做出了很多关于直觉的决定。一项研究表明,大多数招聘经理会在候选人的头60秒内对候选人做出决定,通常基于外表,握手,着装或演讲。我们是否真的知道什么样的特征,经历,教育和人格特质能够保证某个角色的成功?不,我们不。经理和人力资源专业人士使用数十亿美元的评估,测试,模拟和游戏来雇佣人员 - 但很多人告诉我他们仍然有30-40%的人选错了。 基于人工智能的算法可以清除简历,找到优秀的内部候选人,分析高绩效人员,甚至解码视频访谈,并告诉我们关于谁可能成功的信号。我们的一个客户现在使用Pymetrics的基于人工智能的游戏化评估来筛选其市场和销售角色的候选人,他们的成功率提高了30%以上,同时消除了固有的所有“面试偏见”和“教育谱系偏见”当前的过程。AI在招聘中将是巨大的。(7月27日 在上海,招聘科技创新大会中将会有谈到类似的话题,值得关注) 顺便说一句,尽管我们都担心工作技能(软件技能,销售技能,数学技能等),但大多数研究表明,技术技能只占一个人成功的一小部分。在我们最近关于高影响力人才招聘的研究中,我们发现,那些从招聘中获得最高财务回报的4级成熟公司将其招聘标准的近40%分配到情感和心理特征,如抱负,学习敏捷性,激情和目的感。人工智能也会发现这一点吗?也许。 在员工发展和学习,我们真的不知道如何完美地“训练”人。全球L&D行业超过2000亿美元,大多数学习专业人士告诉我们,至少有一半是浪费(遗忘,不恰当的应用,或只是浪费人们的时间)。但我们不知道这是哪一半!作为一个人,你是否知道你需要学习什么以更好地工作?我们都有一个非常好的主意,但是如果我们有算法来监控和研究团队中表现最好的成员的技能,行为和活动,然后告诉我们如何更像他们呢?这类“类似Netflix”的算法现在正在进入学习平台的世界,使得学习与观看有线电视一样有用和有趣。市场还很年轻,但机会很大。我们的研究表明,普通员工每周少于25分钟的时间进行培训和学习; 如果我们让这个时间更相关,每个人都会表现得更好。 在管理和领导方面,我们像禅师一样运作。我们阅读书籍,去讲习班,复制我们敬佩的老板,并且荣耀当天成功的领导者。我们真的了解领导科学吗?我建议这是一个短暂的话题。今年我们专注于目标,使命和追随者。就在几年前,这就是“仆役式领导”,而我年轻的时候就是“执行力和财务智慧”。大多数研究发现,有几十种管理和领导特质定义了成功,我们每个人都带来了一点点不同他们的独特组合。 AI现在可以帮助解码这个。我知道有三家供应商构建了“基于AI”的辅导工具,需要反馈的系统,阅读评论以及员工和团队的直觉情绪。他们使用这些数据来将这些个人和团队的问题与高绩效团队进行匹配,并利用这些数据为经理和主管“推动”如何做得更好。一位客户告诉我,在使用这个工具仅仅3个月的时间里,他们的领导团队仅仅基于小的行为推动就显示出企业价值提高了25%。 在欺诈和合规方面,机会是巨大的。一项研究发现,窃取或实施犯罪的员工对同龄人(与他们一起工作的人有不良习惯)具有“传染性”。人工智能可以查看组织网络数据(电子邮件流量,评论意见)并确定压力领域,可能存在道德失范的领域以及许多其他形式的合规风险,并指出人力资源部或合规官员的“红色区域”他们可以在不良行为发生之前进行干预。 在福祉方面,人工智能现在被用来识别导致工作表现差的行为。在安全方面,人工智能可以识别导致事故的行为和经历。在销售中,人工智能可以通过微调和真实数据向专家提供初级销售人员的提示。该名单继续下去。 有风险吗?人们分析会发生什么? 所有这些应用程序都是新的应用程序,并且看起来很令人兴奋,但有很多风险需要担心。最大的挑战在于,如果没有“训练数据”,人工智能就无法工作。换句话说,算法会从过去学习。如果你目前的管理实践存在偏见,歧视性,惩罚性或过度等级化,你可能会把所有你讨厌的事情制度化。我们需要透明和“可调整”的AI,以便我们可以检查这些模块以确保它们正在做正确的事情。就像早期的汽车并不总是直行,我们早期的算法将需要“保险杠”和“调音旋钮”,以便我们学习如何使它们更加精确。 这些系统可以将偏见制度化。假设你的公司从未雇用女性工程师,并且拥有很少的非洲裔美国人工程师。人工智能招聘系统自然会得出结论:女性和黑人工程师不太可能进入管理层。这种类型的偏差必须从算法中仔细去除,并且需要时间才能做到这一点。 数据暴露和无意滥用也有风险。考虑一种常用的分析方法,我们试图预测高绩效员离开公司的可能性。如果我们告诉管理者“这个人很有可能离开”我们实际上可能会制造错误的行为 - 管理者可能会忽视这个人,或者以不同的方式对待他或她。我们必须认真学习如何运用行为经济学,所以我们不要让AI偶然变成“HAL”(电影2000)。人工智能是一种建议和改进的“工具” - 而不是今天的独立解决方案系统。 我本周与Entelo的一位AI领导交谈过,并且我们讨论了创建“解释性”和“透明”AI系统的必要性。换句话说,每当系统做出决定时,它应该告诉我们为什么做出这个决定,所以我们人类可以决定它使用的标准是否仍然准确。他告诉我这是新工具最重要的标准之一,不幸的是,今天大多数AI系统都是一个完整的黑匣子。 考虑一下当自动驾驶车辆发生碰撞时会发生什么。我们花了很多时间来诊断它是如何发生的,视觉或算法系统失败,以及可能导致事故的条件。如果人工智能对候选人,薪资调整或管理层干预进行错误推荐,该怎么办?我们会发现吗?我们会诊断它吗?我们会注意到它太迟了吗?我们还有很多工作要做,并且学习如何“训练”我们的基于管理的人工智能系统才能正常工作。 人工智能将成为人力资源解决方案的差异化特征吗? 现在围绕人工智能的炒作处于历史新高。每个人力资源软件供应商都希望您相信他们拥有一个机器学习团队和一流的AI解决方案。是的,这些功能对这个行业非常重要,但不相信炒作。 人力资源工具的成功取决于许多因素:算法的准确性和完整性,系统的易用性,但比提供所谓的“狭窄人工智能”的能力更重要 - 或者非常具体的解决方案解决你的问题。这只能在供应商拥有大量数据(以训练其系统)时才能完成,并且他们对其工作效果获得大量反馈。所以我相信进入障碍将成为关注焦点,业务战略和客户亲密关系,而不仅仅是拥有优秀的工程师。 除非你可以在公司证明这一点,否则不要购买一个黑盒子系统。每个公司的管理和人员决策往往都是基于文化的,所以我们必须花时间在现实世界中尝试这些系统并调整以充分利用它们。例如,IBM花费数年时间为公司,文化和商业模式优化其基于AI的薪酬和职业解决方案。他们现在将这些工具引入企业客户,并发现每个实现都会教授IBM关于算法的新内容,以使其更好地适应该行业,文化或组织需求。 尽管存在这些问题,上行是巨大的 尽管存在这些挑战和风险,但其优势是巨大的。公司将40-60%的收入用于工资,其中大部分的巨额费用是由我们对直觉感到的管理决定所驱动的。随着人力资源管理系统变得更加智能化,更加成熟,并且更专注于具体问题,我相信我们将看到生产力,绩效和员工福利的显着提升。我们必须耐心,警惕,愿意投资。 以上由hrtech  AI 翻译完成,仅供参考! 作者:JOSH BERSIN
    AI
    2018年06月25日
  • AI
    对话戴维·尤里奇:HR创造价值的“正确姿势” 来源/HBR-China 哈佛商业评论 “他们(高效能的HR)必须为客户和利益相关者创造明确的、实实在在的价值。” ——戴维∙尤里奇 学术与实践常碰撞,HR与业务要牵手   人力资源管理(HRM,Human Resources Management)是一个人人耳熟能详却又如雾里看花的概念。耳熟能详是因为HR概念自诞生以来就在吸引着管理学学界以及行为科学界的学者们。但是HRM这个概念同时又是模糊的,因为伴随着世界的VUCA化(Volatility, Uncertainty, Complexity, Ambiguity),HRM也“不幸”地兼备了上述的特征,不少人对HRM的理解可能还停留在“人事管理”的初级阶段。   为了更好地实现人力资源开发利用,完成业务的腾飞发展,越来越多的学者开始和最佳实践的企业牵手,在实践中探讨理论与实际的深度结合。被认作“现代人力资源之父”的戴维∙尤里奇(Dave Ulrich)也不例外。尤里奇因为创造性地提出了COE、SSC、HRBP的人力资源三支柱体系而声名鹊起,在商界收获了一大批拥趸。   在尤里奇教授最近一次的中国之行中,百度成为重要的一站。百度一向以能培养出大量专精的行业人才而出名,尤里奇和百度的HR核心团队与HR政委们(业务高管,同时在HR任职,双线汇报)在这场研讨中,激荡出什么样的火花?百度的最佳实践又有哪些值得所有HR同行借鉴呢?     Outside in,HR要学会以“接收方原则”设计政策   在这场研讨中,尤里奇教授再次强调了他一以贯之的观点,即由外而内的HR视角(HR outside in),这一理论意味着HR将不再是曾经的HR,只负责招聘、员工关系和薪酬管理等传统的职能,而是要进一步地深入公司业务,认真考虑所有的利益相关者(stakeholders)并从这些利益相关者的角度出发设计人力资源的政策与实践。   为了能够深入了解百度业务和在研讨中提供有效的建议和意见,尤里奇教授先与百度人力资源高级副总裁刘辉就百度的战略规划、HR基本情况以及当下痛点问题做了一个小时左右的讨论。随后便是尤里奇教授和百度众HR们的“华山论剑”。   尤里奇教授认为,现在的HR以及未来的HR是与价值链挂钩的,而价值的感知实际上是由接收方而非传递价值的一方所定义。那么究竟谁才是HR从业者们该关注的利益相关主体呢?   如果在十五年前或者十年前,我们或许还会脱口而出HR的stakeholders当然是员工和直线经理了,但在HR需要为组织创造明确价值的今天,stakeholders的构成更为复杂,包括投资者和客户在内的人群都将是HR们必须关注的对象。   HR产出价值的三个维度:人才、组织胜任力、领导力   尤里奇心目中的HR是理想的HR,然而人力资源的利用、开发、配置、管理从来不是一件简单的事。以泰勒(Taylor)的科学管理理论为代表的科学管理时代,或许是资本家们最为欢欣鼓舞的一段时光,基本完全量化的指标和流程某种意义上实现了人力资源的利用,但由于未考虑到人的社会属性和不同工作的性质,过度简化的科学管理不可避免地走向没落,随之而来的是更为关注“人”的人力资源管理和人力资本管理,然而不论是哪一种理论作为指导,HRM的复杂性都没有降低。   理论在发展,公司内的HRM自然也在不断进化。在采用了三支柱的HR体系后,为了更有效地将前沿理论落地为实践,百度在人才、组织以及领导力上均提出了助力业务成长的战略方针。   比如在人才方向,百度的HR们已不满足仅仅实现招聘结果的交付,他们会更具前瞻性地站在业务角度去分析市场上的人才流动。无独有偶,尤里奇同样提出了人才(talent)、组织胜任力(organization capability)和领导力(leadership)的三元论,他认为HR部门的产出的价值有三个维度,第一是在个人维度上实现人才的优化,第二是在组织维度上实现组织胜任力的增强,第三则是与前二者相辅相成的领导力。   人才:HR要从被动支持到主动创造   尤里奇认为“人才=能力×忠诚×贡献”,只有当一名员工同时具备了胜任工作的能力、投入度并能高质量地完成工作才可以称之为一名优秀的人才,而HR部门在这三个模块中都大有文章可做,尤里奇也按照不同模块列出了一份“人才清单”,其中包含了18项HR们可以操作的项目。   在这份清单中,百度的HR核心团队和政委们认为“设定人才筛选标准”、“为员工赋能”和“保留关键人才”等项目是目前诸多公司都在努力解决的问题。   现阶段的职位需求往往是由业务部门提出并由HR部门跟进和给予支持,而在outside in视角体系下,HR从业者应该去思考客户、投资者会对我们的业务提出了怎样的要求,而为了满足这些需求我们又该以何种方式选择何种人才,从被动支持到主动创造是实现人才优化的第一步。   同样的,赋能员工和保留关键人才也需要注意视角的问题,提高员工的敬业度不仅仅是一个人的问题,不论人才的去或留,HR们都应当从业务伙伴的角度出发,从业务维度为所有员工创造共同奋斗的愿景,并提供足够的机会使他们不断感受到自己的成长。   组织:由外而内思考组织形式与组织文化   而在组织维度,组织形式的变革也一直是管理类书籍中常被提及的重要内容。百度在确定了“夯实移动基础,决胜AI时代”的公司战略后,就在组织构架上进行了一系列的变革。而这一系列的组织变革也正与尤里奇教授的理论有着异曲同工之妙。   尤里奇教授认为在经历了垂直的职能制、扁平的矩阵制后,新一代的组织形式将由组织的胜任力所决定,这一概念意味着公司的组织形式会由更多的外部stakeholders所关注和定义,因为胜任力是指一家公司为人所知能做并擅长做的事情,而且正确的胜任力会帮助组织实现其战略,HR们需要从招聘、培训、绩效与激励、传播、领导力和文化都由外而内地思考问题,比如:“我们所招聘的人是否是客户们的选择?”、“我们对于绩效的标准是否符合客户们的预期?”以及“文化层面我们是否与客户定义保持一致?”。   不难看出,组织文化的概念在尤里奇的视野中也有了不小的转变,曾经经常谈到的价值观、准则和行为方式不再是文化的定义,组织文化在由外而内的视角下成为了核心客户们对于公司的主观感知。这也要求被看作是组织文化传播者和校验者的HR人员进一步从外部的视角审视自己组织的文化。   领导力:反作用于人才和组织   如果HR们可以做到上述这些内容,那么恭喜,您的组织已经具备了优秀的人才和专业的胜任力。第三项需要HR助力的事项是领导力,具备领导力的管理者会反作用于人才和组织,从而帮助人力资源的开发与利用。   值得一提的是,正如文首的引用,这些价值不仅仅到招到了合适的人、搭建了一个领导力的项目就戛然而止,这些价值需要是明确的、实在的。举个例子,对于投资者而言,HR们应当传递的价值应该是一个培训项目或者关键人才引入带来的投资回报率增加而非单纯的HR政策本身。   在与百度的研讨中,尤里奇教授与刘辉和在座的HR和政委们还就“HR outside in”是否适用于AI公司、百度的AI赋能以及HR创造价值的具体实践等问题进行了进一步的讨论。在百度,HR政委的身份是具有特殊性的,他们既是业务高管,也是HR负责人,更加了解业务痛点。   当他们学会使用HR的理论工具后,会更敏感地发现HR与业务的深度结合点,让HR管理工具对业务发展起到更明显的助推作用。百度某人工智能团队总经理兼HR政委表示,尤里奇教授分享的HR outside in Evolution 模型可以很恰当地用于部门内的工作中,让管理思路更加清晰。   不止百度,相信有一批快速转型和发展的中国企业正在越来越看重HR的工作,而HR们也正在积极地追寻学术前沿,赋能自己,认知升级,努力学习这些能为组织创造价值的“正确姿势”。而作为学术界的大师级人物,尤里奇也通过百度对中国科技企业发展有了更多的了解,也许未来会有更多适合中国企业的优秀理论工具浮出水面。  
    AI
    2018年06月21日