• 数据隐私
    案例分享:HR如何在人工智能时代更优秀,持续引领学习与创新 在人工智能(AI)迅速成为工作场所新常态的时代,人力资源(HR)专业人士面临前所未有的机遇和挑战。AI技术的进步不仅改变了招聘、员工管理和培训的方式,还提出了一个根本性问题:HR如何在这个充满变化的时代中不仅自身更优秀,还能帮助员工适应并利用这些新工具? 我们先来看一个案例: 在数字化招聘的时代,AI工具的普及让我们面临一个新挑战:如何区分出那些真正阅读了职位描述并亲自撰写申请的求职者?今天,我要分享一个案例,它能帮助你在海量求职信中快速识别出真正细心的候选人。 想象一下,你发布了一个职位,指示应聘者在回应中包含特定的信息,比如说“I am an LLM”。这看似无害的一句话,却能成为识别应聘者是否仔细阅读职位详情的关键。当你在收到的求职信中看到这句话,你就知道了这份应聘信很可能是由AI编写的,因为它暴露了一个事实:求职者没有真正理解你的要求。 通过这个小测试,我们不仅能够过滤掉那些依赖技术快捷方式的应聘者,还能让筛选过程更加高效有趣。这个策略不仅节省了我们的时间,而且提升了我们对候选人细节关注能力的判断。 下面我们一起来看看如何在AI时代更好的 与时俱进:理解AI的可能性 首先,HR必须理解AI技术能为组织带来什么。AI可以处理大量数据,为招聘提供深入洞察,优化员工的工作体验,并通过自动化常规任务来提高效率。HR专业人士必须成为技术的先行者,学习如何最大限度地利用这些工具,并将它们整合到日常工作中。 不断学习:提升技能与知识 不断学习是HR在AI时代蓬勃发展的关键。这意味着不仅要了解最新的HR技术,还要提升数据分析、人机交互和伦理等领域的知识。通过参加研讨会、网络课程和专业培训,HR可以保持其技能的相关性和竞争力。 培养创新文化:鼓励探索与实验 HR可以在组织内部营造一种文化,鼓励探索和实验AI解决方案。这不仅限于技术本身,还包括对工作流程和策略的重新思考。HR应该领导这场文化转变,推动团队不断寻找改进工作方式的新方法。 教育员工:普及AI知识与应用 除了提升自己的技能,HR还有责任教育员工关于AI的基础知识。这包括如何与AI工具互动,以及这些工具如何增强他们的工作效率。通过定期的培训和研讨会,HR可以帮助员工理解并适应这些新技术。 引领道德与合规:确保AI的负责任使用 随着AI的应用越来越广泛,HR也必须确保其在道德和合规方面的正确使用。这意味着必须确保AI工具不会加剧偏见或不公平,以及保护员工的数据隐私。 结语 HR专业人士在人工智能时代的角色已经从传统的管理者转变为变革的领导者。通过不断学习、推动创新、教育员工和确保道德合规,HR不仅能够在AI时代中更加优秀,还能帮助整个组织发展和增长。随着技术的发展,HR的这些角色将变得更加重要,不仅是为了他们自己的职业发展,也是为了他们所服务的组织和员工的福祉。
    数据隐私
    2024年02月12日
  • 数据隐私
    2024 年8个人力资源趋势值得你关注 “隐藏劳动力”的出现 “由于许多雇主仍然面临人才短缺的问题,2024 年将是‘隐藏劳动力’的一年。这指的是 2700 万美国人,他们经常因为不公平的招聘做法而被拒绝或未得到充分利用,例如护理人员、退休人员或神经分歧的专业人士。  到 2024 年,您可以期望看到更多员工采用技术和招聘策略来帮助他们深入挖掘这个未开发的领域。技术让我们能够更轻松地利用隐藏的劳动力并同时定制工作流程,以便为不同的员工配备成功所需的正确工具。”- Checkr 首席人力官 Robert Kaskel 优先考虑员工的数据隐私 “我相信,到 2024 年,人力资源的一个重要趋势将是更加重视员工数据隐私。随着向远程工作和数字化运营的转变,保护员工数据的重要性不断升级。我们期望人力资源部门引入先进的数据保护措施和以隐私为中心的政策。 例如,公司可以对内部通信采用端到端加密,并投资培训员工以识别和减轻数据风险。对数据隐私的日益重视不仅可以防止数据泄露,还向员工发出信号,表明他们的个人信息受到尊重和保护,进一步强化了他们对公司的承诺。”- Spacelift 人才招聘经理 Nuria Requena   将人工智能融入人力资源 “到 2024 年,我预计人工智能在人力资源技术中的整合将取得重大进展。许多人力资源专业人员将学会利用人工智能来发挥自己的优势。值得注意的是,在招聘方面,人工智能通过简化候选人筛选、减少无意识偏见、显着提高招聘效率而显示出效率。节省时间和成本,并通过及时和个性化的回复来提升候选人体验。  我希望推动的人力资源趋势是远程和混合工作模式。许多角色不需要实体办公室,远程工作的好处是多方面的。我鼓励所有雇主严格评估其组织结构,以确定实施和优化远程和混合工作安排的机会。”- Antwan Robertson,人力资源专业人士 适应新的劳动力人口统计 “调整人力资源系统和实践以适应不断变化的劳动力人口结构将成为 2024 年及以后的主要人力资源趋势之一。  随着工作场所技术的发展,劳动力人口也在不断增长,许多人力资源团队发现自己必须支持和满足劳动力的需求。选择专注于其中之一不再是一个现实的解决方案,人力资源部门需要调整其做法,以服务于老龄化和年轻的员工队伍。”- Max Wesman,GoodHire 首席运营官   将人力资源重塑为“人与文化” “明年,我预计越来越多的人力资源部门将重新命名为“人员与文化”。这标志着该职能部门的运作方式以及如何看待其在组织中的角色将发生系统性转变。这是该职能部门发展的下一步,最初为“人事”,现在为“人力资源”。  如今,越来越多的企业将品牌重新命名为“人员与文化”,以展示其组织中最重要的两个方面(人员和文化)的价值和优先级。当两者都蓬勃发展时,企业也会同样蓬勃发展。相比之下,如果其中任何一个受到影响,其业务成果就会很明显。“人员与文化”团队在将人力资源从纸质优先的事务性部门转变为以人为本的业务转型支柱方面发挥着关键作用。”- Lindsey Garito,人员与文化总监 更全面的 DEI 举措 “我们预见的一个趋势是,人们越来越认识到需要在 DEI 举措中涵盖多样性的各个方面,包括种族、性别、性取向和残疾。组织预计将采取更全面和更具包容性的方法。此外,将会有持续关注促进心理健康、强调创造支持性精神并提供资源。随着远程工作变得普遍,组织将应对与全球多元化劳动力相关的 DEI 挑战,解决文化差异和远程包容性。 因此,关于DEI主题的持续教育和培训将持续作为一个关键趋势,重点是培养包容性文化和最大限度地减少偏见。此外,可能会更大程度地推动报告和问责制的透明度,以展示 DEI 工作的进展。 为了成功驾驭这些趋势,组织需要与 DEI 专家合作并调整他们的策略,以打造更具包容性的工作场所。”- Arundhati Chafekar,NamanHR 学习和优势垂直主管首席顾问   前瞻性的招聘策略 “到 2024 年,我预计人力资源领域的一个重要趋势将是对顶尖人才的竞争加剧。在这一发展趋势发生之前,公司已经变得更加善于在大流行后保留现有人才库。因此,吸引了最优秀的候选人新的职位变得更具挑战性。  为了应对这一趋势,人力资源和人才招聘专业人士应该在招聘计划中采取更具前瞻性的方法。他们应该尽早开始招聘流程,并持续努力建立和培养人才管道。提前与目标人才建立关系还可以使公司在需要时找到合适的候选人时获得竞争优势。  这种积极主动的方法在就业市场中至关重要,因为过去的需求往往以紧迫性为特征。”- Katie Tu,Kepler Search 董事总经理   DEI 和建设性论据 “随着全球范围内对 DEI 问题的关注越来越多,我预计会有更多的对话和对考虑文化背景的解决方案的需求。同样,我看到冲突管理原则将融入 DEI 和人力资源工作中,其中分歧和冲突是不可避免的或被视为具有破坏性,但要合作并解决问题。  这也反映出 DEI 的工作从纯粹是精选的、充满热情的少数人的角色转变为每一位工作专业人士的手中,以优先考虑在工作场所内外培育多元化、公平和包容的环境。”- Xin Yi Yap,全球Aperian 多元化、公平和包容性产品经理
    数据隐私
    2023年12月11日
  • 数据隐私
    2024年十大人力资源趋势,仅供参考 编者注:每年HRTech都会聚合全球最新的人力资源趋势分享给大家,更多信息请关注HRTech发展趋势专题!也欢迎积极投稿hi@hrtechchina.com ADP发布的《2024年必须关注的10大人力资源趋势 点击可以下载》报告指出,包容性将在多元化、平等和包容性(DE&I)领域扮演关键角色。报告还着重介绍了生成型AI和人力资源技术的最新发展,以及它们对工作场所的影响。随着遥远工作的普及,多州合规性问题成为焦点。此外,技能发展和职业路径的演变也是重点话题。这些趋势不仅改变了人力资源和商业优先事项,也影响了领导层的决策。 2024 年,工作场所将发生重大变化,众多人力资源趋势已经成为现实。多元化、公平和包容性 (DE&I)、数据和生成人工智能 (AI)、人力资源技术、合规性和人才方面的发展正在改变人力资源和业务优先事项,并影响领导层决策。对于那些希望在不断被贴上“不断发展”、“颠覆”和“不断变化”标签的工作世界中清晰、自信地前进的领导者来说,保持与时俱进至关重要。 2024 年人力资源十大趋势 一、包容发挥引领作用 包容性领导在DE&I中脱颖而出,一些组织优先考虑“DE&I”中的“I”。 ADP 首席包容性和多元化官蒂芙尼·戴维斯 (Tiffany Davis) 表示:“司法发展正在促使组织彻底审查其包容性、多元化、公平性和归属感计划、招聘实践和发展服务。” “一些专注于支持某些群体发展的组织已经扩大了其章程以包括其他群体,并在考虑到包容性的情况下提供更全面的产品。当组织考虑审查和发展其战略以实现包容性第一的心态时,教育和意识至关重要。 ” 2. 领导者在立法之前和之后就 DE&I 采取行动 组织在 DE&I 措施方面变得越来越积极主动,从扩大对身份和残疾的理解到采用薪酬透明度,再到承认交叉性如何影响其员工队伍。员工们似乎很满意,53% 的员工表示,与三年前相比,他们的公司在 DE&I 方面取得了更好的进展。 “过去,DE&I 的首要任务与合规性有关,”ADP 产品包容性主管吉赛尔·莫塔 (Giselle Mota) 说道。“有时,合规性仅到此为止,而未解决全部细微差别。例如,在 EEOC 更新种族和族裔的定义之前,许多组织正在扩大自我 ID部分的这些选项,以确保员工和候选人得到充分的代表此外,除了民权法案和反歧视声明之外,许多组织现在还有意跟踪分析并制定计划和政策,以解决交叉方面的细微差别和经常被忽视的人。” 3. 随着薪酬透明度法律的普及,薪酬公平性的考虑依然强烈 随着各州和地方颁布法律要求组织在招聘启事中披露薪酬并应要求向工人披露薪酬,薪酬透明度作为改善薪酬公平的一种途径变得越来越重要。组织需要全面的薪酬数据来告知他们的方法、合规计划和清晰的沟通策略以有效应对。 ADP 人才招聘总监 Kiran Contractor 表示:“如果领导者不在内部制定薪酬策略,为薪酬透明度做好准备,他们将无法传达他们支付的费用以及原因。” “这可能会产生问题,因为这就是员工市场想要的。” 4. 道德和合规性正在影响有关数据和生成人工智能的决策 鉴于生成式人工智能的兴起,道德和合规性成为组织日益重要的考虑因素。策略正在解决如何将数据与生成人工智能一起使用、谁将使用该技术以及如何最好地遵守相关法律法规。访问权和责任、数据类型以及人工智能道德政策和框架也在考虑之中。 ADP 全球首席隐私官 Jason Albert 表示:“组织应该解决数据和生成人工智能的道德和合规问题。” “鉴于生成式人工智能的颠覆,他们如何解释数据隐私和数据安全?员工对于将其数据用于训练生成式人工智能模型有什么权利?作为一个行业,我们将继续观察人工智能道德和合规性的发展,因为“这两个领域的重叠对于建立信任非常重要。生成式人工智能需要这种信任,它正在迅速发展,很快就会以我们无法预料的方式发生变革。” 5、HR技术智能化升级 领导者可能会在 2024 年期待更加智能、易于使用的人力资源技术。生成式人工智能将成为主要推动者,优化人力资源和薪资任务以及密集的流程,并使领导者能够在不增加资源的情况下确定员工的优先顺序并扩大运营规模。因此,当领导者利用大量人员数据并将耗时的任务转换为知识渊博的人工智能助理的快速待办事项时,他们可以预期成本和时间限制可能会减少。 ADP 市场战略高级副总裁琳达·莫加利安 (Linda Mougalian) 表示:“我们刚刚看到生成式人工智能的开始。” “除了为桌面带来价值之外,还需要建立基础设施、组织合作伙伴关系和治理,以使技术在规模上变得强大、可靠和值得信赖。随着我们进入 2024 年,生成式人工智能将不再用于特定领域任务无处不在地融入到我们所做的一切中——这是对我们工作方式的新期望。” 6. 健康、奖励和认可在员工体验技术中受到关注 考虑到员工体验的关键组成部分,主要人力资源供应商已经发布了认可和奖励工具,强调认可。此外,超过 20% 的组织在 2024 年增加人力资源技术支出,奖励和认可是四大支出类别之一。同时,健康技术市场涵盖了几个子类别,即身体健康、心理健康和财务健康。在劳动力短缺的情况下,所有这些因素都举足轻重,影响着组织管理招聘和保留的方式。 7.远程工作人员的多州合规仍然是一个问题 在 COVID-19 大流行期间,许多人意识到“在家工作”可能意味着“在有互联网连接的任何地方工作”。如果工作已经完成,那么与办公室的通勤距离突然就不再那么重要了。根据ADP 研究所进行的 2023 年全球劳动力调查,近一半的工人表示他们已经搬迁或正在考虑搬迁。这些现实可能会给仅在一个州注册的雇主带来挑战。 当员工跨州流动时,雇主应了解他们在登记、纳税和遵守适用于远程员工的法律方面的责任。领导者应强调员工报告搬迁情况并确保地址始终最新的重要性,以便他们能够积极主动地办理国家登记、税收和其他合规事项。 8. 多州福利管理使合规变得更加复杂 许多州颁布了涉及所需员工福利的法律,这给雇主管理其他州的福利带来了新的挑战。一些州法律有不同的要求,因此为所有员工制定一项基本政策具有挑战性。不同州要求的一些示例包括: 带薪育儿假、医疗假和家庭假 退休计划选项 带薪休假投票 病假时间 ADP 政府事务副总裁皮特·伊斯伯格 (Pete Isberg) 表示:“雇主必须及时了解最新的州和地方法律,并采取积极措施确保合规。” “这需要适当的规划和资源分配,其中可能包括寻求外部顾问和税务顾问的指导。” 9.技能可能是劳动力短缺的秘密 劳动力市场有636万失业工人,但雇主却难以填补职位空缺。影响因素可能包括教育与业务需求以及需要新技术技能的工作不匹配。无论如何,雇主需要用合格的工人来填补职位空缺。他们不应该仅仅专注于寻找合适的技能,而应该优先考虑培养这些技能。ADP研究所认为,管理技能和人际交往能力是未来工作最需要的。ADP 负责人力资源、变革和沟通的高级副总裁 Deb Hughes 认为,软技能也将受到需求。 休斯说:“尽管软技能在建立联系和培养同理心方面发挥着至关重要的作用,但它们在工作场所往往被低估。” “优先考虑、增强和培养员工这些技能的公司将能够蓬勃发展。” 10.传统职业道路正在演变 如今,职业生涯的展开方式有所不同。传统的职业道路通常涉及获得学位、进入劳动力市场以及在一两个组织中“晋升”。相反,如今越来越多的员工正在职业网络中选择流动性或稳定性。由于教育成本增加,而入门级职位无法支付足够的费用来抵消学生债务,一些工人选择了不需要学位的领域或在校期间进入劳动力市场。 ADP 人才洞察与创新副总裁 Amy Leschke-Kahle 表示:“员工不再遵循传统的职业道路——这种道路很少存在。” “这意味着领导者需要发展和重新定义他们对职业的看法,以便他们能够满足员工的需求。” 深入研究 组织必须不断了解人力资源和业务的最新发展。通过在人力资源技术、合规性、数据和生成式人工智能、DE&I 和人才方面保持最新状态,领导者可以为成功做好准备,并在新的一年里清晰而自信地前进,这有望带来重大变化。领导者可以通过接受这些变化并花时间制定计划来蓬勃发展。   《2024年必须关注的10大人力资源趋势 点击可以下载》
    数据隐私
    2023年12月11日
  • 数据隐私
    停止空谈,开始行动:人工智能监管即将到来,您需要做好准备 在过去一年里,随着对生成式人工智能的兴趣激增,人工智能被炒得越来越热,世界各国政府纷纷制定计划来监管这项技术也就不足为奇了。 虽然企业和人工智能公司都知道监管即将到来--他们怎么会不知道呢?- 但许多人对未来的复杂性准备不足。 随着监管法规即将在世界各地的司法管辖区出台,现在是时候停止谈论监管法规的模样,开始行动起来了。 对于在欧洲运营的公司来说,拟议中的欧盟人工智能法案迫在眉睫。这一法律框架将大大加强欧盟当局监控人工智能发展的权力,并有可能对违反规则的公司处以罚款。根据世界经济论坛的分析,该法案的核心是一个分类系统,用于评估人工智能发展对 "人的健康和安全或基本权利 "造成的风险。 虽然实施期为两年,但欧盟人工智能法案包括对违规行为的罚款,这对尚未开始为新法规做准备的公司来说是一个真正的威胁。这些罚款总额最高可达 3000 万欧元或上一财政年度全球年营业总额的 6%,以较高者为准。这些都是不可轻视的制裁措施,因此缺乏准备就更加难以理解了。 不做准备,准备失败 为什么这么多公司没有为即将到来的监管做好充分准备?部分原因在于监管机构。虽然我们已经有了一些指导,就欧盟人工智能法案而言,也有了一个粗略的结构,但我们不知道的东西仍然很多。这仍然是一个不断变化的目标,使得合规部门很难理解他们需要采取哪些措施来确保自己符合新规则。 可以肯定的是,由于人工智能的发展速度太快,监管机构也很难做到这一点。这意味着很难制定出不妨碍创新的实用立法。 此外还有其他一些问题,比如缺乏对人工智能有深刻理解的政策专家,以及目前没有技术产品可以让公司在继续专注于核心业务的同时保持合规。这两个因素都有可能改变,但就目前而言,企业还没有遵守人工智能法规所需的工具。 我们不要假装这一切都很容易。现有法规(如 GDPR)和特定行业法规(如软件作为医疗设备(SaMD)的要求)之间存在着复杂的相互联系,所有这些都需要理解并纳入业务决策,但没有任何一项法规能让公司轻松合规。不可避免的是,随着法规的推出,无论是在人工智能特定法规方面,还是在现有的特定行业准则如何适应人工智能方面,都会出现违规和问题。 不合规的风险 根据欧盟《人工智能法》,严重违规的公司将被处以高达 3000 万欧元的罚款,不过监管机构一开始可能会宽大处理,以解决初期出现的问题。尽管如此,这是企业不可忽视的风险。 在规模较大的企业中,存在着停滞不前的危险,即认为不合规的风险太高而不采取行动,因此什么也不做。原地踏步意味着竞争对手可以从单个公司那里获得市场份额,但如果监管阻碍了公司创新,整个生态系统就会面临更广泛的风险。如果企业因担心违规而无法合作,它们就无法获取必要的数据来制造有可能改善世界的人工智能产品。 最后,如果企业没有为人工智能监管做好准备,就会带来更广泛的社会风险。人工智能安全中心(Center for AI Safety)的研究人员最近发表了一篇关于人工智能灾难性风险的公开论文,指出了四类风险。 首先是 "恶意使用",即个人或团体故意使用人工智能造成伤害。第二类是 "人工智能竞赛",竞争环境迫使行为者部署不安全的人工智能,或将控制权让给人工智能。第三是 "组织风险",强调人为因素和复杂系统如何增加灾难性事故的发生几率。最后是 "流氓人工智能",它描述了控制比人类聪明得多的代理人的固有困难。 这听起来可能很可怕,但这强调了加强人工智能监管的原因,以及公司确保做好准备的紧迫性。 人工智能公司能做些什么? 虽然前景令人生畏,但仍有时间为人工智能监管做好准备。工程师、数据监护人和企业主必须确保他们了解即将发生的事情,以及围绕人工智能安全和隐私的更广泛风险,并愿意推出能够让开发人员保持合规的产品。 尽管为即将到来的人工智能法规做准备似乎是一个令人生畏的前景,但好消息是,现在仍有时间来组织和遵守法规。这一过程中的关键利益相关者--工程师、数据保管员和企业主--不仅需要了解即将出台的法规,还需要积极主动地实施有助于合规的解决方案。以下是企业可以遵循的基本步骤: 优先考虑数据隐私和知识产权: 机器学习模型可能会在不经意间 "记忆 "它们所训练的数据,从而引发严重的隐私问题,尤其是在涉及敏感个人信息的情况下。识别并降低这种风险以保护数据隐私和知识产权至关重要。 实施安全的机器学习模型: 机器学习模型无法避免可能危及数据安全的恶意攻击。采用人工智能的公司必须保持警惕,只使用安全、经过审核的模型。 建立健全的数据管理: 数据保管人应实施管理框架,以保持对模型训练中使用的数据集的控制。这包括为在这些数据集上部署哪些算法制定指导方针,确保与更广泛的合规要求保持一致。 构建人工智能产品的公司需要考虑围绕安全性、偏差、安全性和稳健性等领域降低产品风险。要做到这一点,它们必须确保在具有代表性和细粒度的真实世界数据(包括目前尚未使用的敏感数据)上训练模型。 同样重要的是,他们要通过注册模型、提供版权信息摘要以及质量管理和文档,使自己的行为透明化。这样做可以在开发人工智能模型的过程中支持问责制和提升标准。 归根结底,还是数据安全问题。有了对数据的有序、私密和安全的计算访问,就有可能在不牺牲安全性或合规性的情况下打造创新的人工智能产品,而最关键的是要符合监管要求。 不管你愿不愿意,监管即将到来。为了实现创新并打造安全的产品,我们需要引入工具,让公司能够遵守这些新规则。这对每个人都有好处。 文章来源:eu-startups
    数据隐私
    2023年09月19日
  • 数据隐私
    41位HR高管批露心声,员工是否真的抵触智能技术?下载报告一览无遗! (点击下载报告) 智能技术应用,让HR发挥更大价值 人工智能和机器学习等智能技术正在深刻影响和改变人力资源管理领域。SAP SuccessFactors 近期发布了一份题为“采用智能HR技术,赋能员工和企业”的调研报告,报告全面剖析了智能技术对企业和员工的影响,提出了许多宝贵的见解和建议。作为HR从业者,如果您也想进一步了解智能技术对HR领域的影响,可以点击此处下载该报告。 智能技术应用现状 报告显示,企业在HR智能技术应用上的成熟度存在差异,可分为“主动采用”、“被动采用”和“未主动采用”三类。主动采用的企业通常较早采纳新技术。目前,智能技术在招聘和学习领域的应用最为普遍。不过未来,支持员工互动和内部人才流动的用途可能成为新优先重点。 员工态度较为积极 调查发现,与媒体上常见的负面报道不同,员工对工作中采用智能技术整体持积极开放态度。75%的员工相信企业会负责任地使用智能技术。他们最支持能提升工作效率和灵活性的AI应用,但也担心评估类智能技术的不公平、不透明和隐私风险。 确保决策公平公正 数据隐私和决策公平是员工最关注的问题。要提高员工的接受度,企业需要透明地解释智能技术的工作原理和数据使用方式。并须对算法模型进行充分测试,确保其公正性。建立问责机制也很关键。此外,让员工对自己的数据拥有控制权也能提升信任感。   从多方面提升接受度 除增加透明度和公平性外,企业还可以全面提升员工对智能技术的接受度:营造创新文化,提供学习资源,优化提示通知,并动员领导者推动AI应用。认真聆听员工并把反馈纳入考量也非常关键。 HR的建议 从被高度接受的行政助手和培训推荐等应用入手,逐步建立员工信任 对数据使用和系统工作原理具极高的透明度 严格测试算法模型,确保决策无偏见 让员工控制自己数据和选择退出系统的权力 优先选择辅助而非替代员工的技术 打造学习、创新和员工发言的文化氛围 密切关注员工情绪,及时调整策略 制定符合业务目标和HR优先事项的AI战略 综上所述,智能技术为HR带来新的可能,但也面临一定挑战。企业需积极应对员工的隐私和公平方面的担忧,与员工保持良好沟通,并采取全面的措施提升他们的信任度与接受度。只有这样,HR部门才能在智能技术的基础上,发挥更大的价值,真正实现员工与企业的共赢。 下载报告:https://www.hrtechchina.com/Survey/16C3F8D0-8817-8F9A-EECA-EFF331A15CCE
    数据隐私
    2023年09月12日
  • 数据隐私
    快讯:OpenAI推出ChatGPT企业版:企业级安全与高效生产力的完美结合 OpenAI宣布推出ChatGPT企业版,这是一个具有企业级安全和隐私保护的强大版本。该产品提供无限的高速GPT-4访问、更长的上下文窗口、先进的数据分析能力、定制选项等。 产品特点 获取迄今为止最强大的 ChatGPT 版本,包括无限制、快速的 GPT-4 等等 OpenAI表示:ChatGPT Enterprise 取消了所有使用上限,并且执行速度提高了两倍。我们在 Enterprise 中包含 32k 上下文,允许用户处理四倍长的输入或文件。ChatGPT Enterprise 还提供对高级数据分析(以前称为代码解释器)的无限制访问。此功能使技术和非技术团队能够在几秒钟内分析信息,无论是金融研究人员处理市场数据、营销人员分析调查结果还是数据科学家调试 ETL 脚本。如果您希望为您的组织定制 ChatGPT,您可以使用我们新的共享聊天模板来协作并构建通用工作流程。 企业级安全与隐私:ChatGPT企业版提供企业级的安全和隐私保护,包括SOC 2合规性和全面的数据加密。 高效性能:该版本的GPT-4引擎性能提升了两倍,允许用户处理更长的输入或文件。 数据分析:提供先进的数据分析功能,适用于各种专业和非专业团队。 定制与协作:用户可以使用共享的聊天模板来定制ChatGPT,以满足组织的特定需求。 企业反响 自从ChatGPT推出以来,已经有超过80%的财富500强企业开始使用它。早期的企业用户包括Block、Canva、Carlyle、雅诗兰黛、普华永道和Zapier等,他们通过ChatGPT企业版改善了通信、加速了编码任务,并解决了复杂的商业问题。 数据保护 所有的商业数据和对话都由企业自己控制,OpenAI不会对其进行训练或学习。此外,所有的对话都经过加密,以确保数据的安全。 未来展望 OpenAI计划在未来几周内接纳更多的企业用户,并根据用户反馈不断优化ChatGPT企业版。 比如以下功能: 定制:通过连接您已使用的应用程序,安全地扩展 ChatGPT 与您公司数据的知识 适用于所有规模的团队:为小型团队提供自助式 ChatGPT Business 产品 强大的工具:更强大的高级数据分析和浏览版本,针对工作进行了优化 适合您职能的解决方案:针对特定角色的更多工具,例如数据分析师、营销人员、客户支持等 原文来自:https://openai.com/blog/introducing-chatgpt-enterprise  
    数据隐私
    2023年08月29日
  • 数据隐私
    【观点】人力资源团队如何应对在工作场所使用人工智能的挑战 许多组织内的员工已经使用人工智能很长一段时间了。ChatGPT也引发了前所未有的讨论。但它并不是第一个人工智能工具。通过人类工程的自动化来简化工作流程已经不是什么新鲜事。当涉及到理解谁在使用人工智能工具,以及他们是如何使用这些工具时,很多人力资源领导者可能并不清楚。 人工智能工具本质上并不危险,也不会对你的业务造成威胁。但人本身是不可预测的,并不总是遵守 "巨大的权力带来巨大的责任 "这一格言。当我们开始使用新技术时,就要了解相关的风险,并建立明确的使用准则。 在这篇文章中,我们将探讨人类手中常见的人工智能问题,如: 你的员工在使用什么工具,他们是如何使用的? 公司如何保护他们的员工和相关的技术投资? 作为人力资源专业人士,你能做什么? 关于人工智能,我们还有什么不知道的? 你的员工在使用什么工具,他们是如何使用的? 让我们从ChatGPT开始。ChatGPT并不是人们正在尝试使用的唯一的人工智能工具。Jasper Chat、GetGenie和Midjourney已经被一些组织应用。我们可能还不知道这些工具中的哪一个会持续成功,但有一点很清楚:人工智能不会消失。从承认这一事实开始,我们就可以更好地理解后续的问题。 也许是最紧迫的问题是: 你的员工是只在个人设备上使用这些平台,还是在一系列设备上使用?安全风险可能会因答案的不同而大相径庭。如果你的员工在ChatGPT平台上粘贴专有或机密信息,他们可能会将组织暴露在一系列未知的危险之下。这就是像三星这样知名度高、地域分散的企业对员工使用人工智能施加限制的原因之一。三星称其举措是临时性的,强调了其正在调整关于使用人工智能的策略。在建议员工在与OpenAI工具的对话中 "不要分享任何敏感信息 "时,这家科技集团似乎在陈述一个明显的事实,即数据安全的隐患。 事实是,在我们知道用户和信息源之间互动的全部范围之前,谨慎的做法是积极主动。任何试图使用人工智能使用的企业都应该谨慎行事。 公司可以做什么来保护他们的员工和他们的技术投资? 你的员工是一项投资,尽管这个问题可能暗示着相互排斥性。事实上,员工才是组织最重要的资产。如果你把保护员工作为保护知识产权的一部分,可能更容易推进相关政策的实施。根据你的行业、公司规模对这些人工智能工具进行持续评估,使它们更适用于你的业务才是明智之举。 在最近接受CNBC采访时,白宫科技政策办公室前顾问Suresh Venkatasubramanian为寻求建立人工智能监督的公司给出了五点建议。他建议各组织专注于: 测试人工智能产品 确保数据隐私 防止算法中的偏见 要求用户披露自动化产品的信息 允许员工自主选择人工智能 也许你的组织可能足够多的可用的资源来同时实现这些优先事项。但是,你可以评估上述每个方面的风险所在。然后,向你的员工传达一个相应的临时计划。 作为一名人力资源专业人士,你能做什么? 如果你对为人工智能监督的概念感到不知所措,那是可以理解的。作为一名人力资源代表,你从事的是人的业务,而单单是人就可以产生大量的工作。但是,当涉及到工作场所的人工智能时,人力资源部门的工作不一定是评估或分析风险,而是通过教育,有时是执行,帮助缓解风险。这可能意味着在和员工沟通使用人工智能的条件方面发挥关键作用。目的是加强员工对正确使用人工智能和风险防控的理解。 对于人工智能的使用。你可以向员工坦露这些工具的普遍性甚至是吸引力,同时要教育员工让他们保持谨慎。 还有什么我们应该了解的? 当涉及到保护员工及组织的利益,免受人工智能的影响时,这就是导致许多商业行动的恐惧所在。对未知的恐惧可能是非常强大的。当像Geoffrey Hinton这样的人物,即所谓的 "人工智能教父 "和像谷歌Bard这样的技术背后的领导人物,都称这种情况是 "可怕的"的时候,会让更多组织和员工陷入思考。 当Geoffrey Hinton说他 "后悔自己一生的工作 "之类的话时,听起来可能很戏剧化。但他的戒心主要与目前缺乏监管,以及新技术的更新迭代过快有关。创新的速度超过了公众的接收速度,这就会导致一些恐慌。我们所知道的是,公司可以影响人工智能使用的 "道德",特别是当涉及到蓝海领域的竞争时。在对《纽约时报》的一篇采访文章的回应中,Hinton小心翼翼地澄清了他从谷歌离职的条件。他在推特上写道:"在今天的《纽约时报》中,许多人暗示我离开谷歌是为了能批评谷歌。实际上,我离开是为了让我能够谈论人工智能的危险,而不考虑这对谷歌的影响。谷歌的行为非常负责任的"。Hinton和其他人认为,为了取得正确的道德平衡,开发人工智能的公司不仅要考虑他们的技术可能对世界产生的影响,还要考虑人们如何正确的使用这些技术。随着对人工智能技术的持续研究及解读,新兴技术毕将成为人类的有力助手。 文章参考:Predictiveindex.com
    数据隐私
    2023年05月24日
  • 数据隐私
    【观点】当人力资源遇到人工智能:我们应该做哪些准备? ChatGPT和其他可用的AI工具一样,它有很多令人感到惊奇的功能。比如,它可以撰写头条新闻。 根据指令进行绘画设计。 这很有趣。而且,人们已经在人力资源业务中使用了人工智能。虽然人工智能能够提高工作效率,但如果你开始使用它来做出招聘决定,就需要做好充分准备。 数据隐私 ChatGPT虽然是智能的,但是它没有自己的想法。它仅仅能通过获取新数据(包括您发布的任何内容)不断“学习”。 网络安全和人工智能通讯的作者Craig Balding说:“你的员工提交的内容可能会出现在别人的答案中,因为这些信息没有归属,项目名称等标识符”。例如,如果招聘人员想要拟定一个招聘摘要,ChatGPT能够根据过往的简历完成文本创建。但是你把候选人的地址和电话号码放到数据集中,也许这些候选人根本没有同意。 偏见和错误 我们知道ChatGPT和所有人工智能一样,它是存在是偏见的。比如,亚马逊创建了一个人工智能系统来帮助招聘,但由于偏见而不得不停用。因为它进行了一个视频面试计划,仅评估候选人的面部几何形状,就确定其“认知能力,个性特征,情商和社会能力”。 不仅如此,如果您使用ChatGPT来回答法律问题,那么,它提供的信息可能是不正确不严谨的。 您对公司所做的一切决定负有法律责任 可以说,您在招聘或员工保留工作中的任何非法偏见都可以归咎于ChatGPT或其他人工智能程序,但无论公司做出什么决定,人都有独特的责任。 在最近的一次网络研讨会上,就业律师和人力资源顾问Kate Bischoff讨论了在人员配备中需要考虑的重要因素。以下是三个关键事项: 法律总是落后于技术的发展。现在,在人工智能应用的领域,将会出现新的法律事件,也会有新的立法。 你知道你的供应商在用人工智能做什么吗?你知道你提供数据会造成什么影响吗?你不仅需要了解使用人工智能工具的政策,你还需要知道你的供应商的政策。 你要对任何决定负责。你不能非法歧视候选人和雇员。即使是由人工智能提出的建议,但是我们仍然要采取合理的行动。 文章来源:www.inc.com
    数据隐私
    2023年04月06日
  • 数据隐私
    【观点】CHRO需要了解的有关使用ChatGPT的优缺点 什么是ChatGPT,它是如何工作的? ChatGPT由OpenAI开发,OpenAI是一家位于硅谷的风险投资研究公司,旨在将AI商业化,ChatGPT又被称为“语言机器模型”。通过强化和统计等深度学习技术,它可以根据用户的提示回答相关的问题。 虽然ChatGPT不一定理解每个词的含义,但它能够提供一个非常清晰和类似人类的响应,这些响应往往可以作为一些参考。但是,ChatGPT对人工智能行业的人来说并不陌生。他们的创造者知道,如果能够收集大量的信息,其他人工智能工具也能够提供类似的服务。这些工具已经在各个行业被广泛使用。 随着人力资源团队已经在使用ChatGPT,首席财务官应该努力了解这项技术能够和不能够为他们的公司做什么。与其阻止团队使用它,CHRO最明智的策略是确定它能带来哪些价值,并设定适当的界限。 那么,需要注意的利弊是什么? 人力资源的优点 ChatGPT可以支持与内容有关的任务,生成初始概念,然后用户可以进行编辑和润色。正因为如此,它可以帮助人力资源团队节省时间,提高效率,使他们能够专注于更有价值的任务。 虽然我们还没有看到该工具的所有使用方式,但人力资源团队已经想出了一些使用案例,例如: 制作行业演示:无论是公司内部的相关演示还是培训项目,ChatGPT一直在帮助团队按照具体要求进行材料和架构设计。 开发有吸引力的电子邮件通信: 人力资源团队一直在使用该工具创建电子邮件模板,帮助他们与候选人保持联系并进一步维系良好的沟通。 创建职位面试的问题:根据职位描述和岗位角色的具体要求,招聘人员可以要求ChatGPT提出淘汰性面试问题。 编写职位描述:通过输入候选人对某一特定角色所需的资格和技能,ChatGPT可以创建促进空缺职位所需的职位描述。如果有提示,它还可以审查现有的职位描述是否存在偏见的语言,帮助公司进行DEI计划。请记住,团队应该始终拥有最终决定权。这个工具不能取代人力资源专业人士,但它可以在决策过程中帮助他们。 启用聊天机器人功能:在职业网站中,例如通过开放的API集成,该工具可以通过提供预先批准的答案,帮助澄清候选人对职位空缺或网站导航的任何疑虑。它还可以回应员工在搜索特定信息时的需求,例如,特定的公司政策。这使人力资源部门不必手动和单独处理每个查询问题。 人力资源的缺点 虽然ChatGPT是生成基本内容和有用模板的高效工具,但人力资源团队最好不要用它来与候选人、申请者或雇员交谈。这些利益相关者在与人力资源部门的互动中寻求人情味,如果缺乏人情味,可能会损害对劳动力和顶尖人才的吸引力。 考虑到这一点,重要的是要记住: ChatGPT不是一个建立在人力资源数据上的人力资源专用模型。由于是用未标记的数据训练的,因此它的输出是通用的,缺乏个性化的展示,而这正是候选人所寻找的。 而且这个语言模型是在基于2021年之前的信息上训练的。从那时起,规则和条例、世界事件,甚至劳动力市场都发生了变化,这是ChatGPT算法没有考虑到的一个事实。随着信息的更新,它给出的建议和预测仍然需要认为的把关。 新兴的法规要求公司了解他们的人工智能技术是如何工作的,以及使用时会产生的影响。虽然透明度和可解释性对人力资源应用至关重要,但ChatGPT却不是这样的。它的智能运算无法授予人力资源团队可见性和控制权,这就使人力资源专业人员在利用该工具时面临合规风险。关于公司的数据隐私,为了让ChatGPT真正能够提供与公司有关的绩效或信息,你的团队需要输入大量的机密信息,这将违反隐私法。 结语 ChatGPT并不是唯一的同类工具,只是整个AI战略的一小部分。目前,它很好地展示了人工智能在使用大量信息时可以做什么,但它不一定是企业改变游戏规则的工具。在当今竞争激烈的人才市场中,候选人和员工在与组织互动时都在寻找真实性。充其量,我们可以ChatGPT的输出内容当成一个合理的起点,然后人力资源团队可以根据他们的组织需求进行编辑、增强和润色。 对于人力资源团队来说,学习并开始将人工智能视为合作伙伴是一个不错的选择。我们正处于这项技术的起点,认真对待未来的公司不能落后。预计拥有大品牌的大公司将制定一项全面的战略来利用人工智能。 文章来源:Avature.net
    数据隐私
    2023年03月29日
  • 数据隐私
    【Laura Stevens访谈】如何将人力资本分析和员工体验联系起来 在本次访谈中,DSM全球战略分析和员工体验副总裁Laura Stevens和David Green讨论了: Laura 如何利用她之前作为人力资本分析顾问的经验,影响她在DSM的人力资本分析职能战略 通过设计以人为本的服务,可以在员工体验和人力资本分析之间利用协同效应和机会 人力分析团队如何帮助支持 HR 业务合作伙伴和经理,使其更加以数据为导向 Laura 关于如何确定人力资本分析团队应处理的领域优先级的提示,以确保他们能够成功扩展 采访实录 David Green: 欢迎DSM全球人力战略、分析和员工体验副总裁 Laura Stevens。Laura,您能给听众简要介绍一下您和您的在DSM的角色吗? Laura Stevens:当然!我是比利时人,我也是一位母亲。我有神经心理学领域的背景和博士学位。我是DSM负责P&O战略、分析和员工体验的副总裁,在这个职位上,我向全球CHRO汇报工作。不到一年前我加入了公司。 David Green:我们稍后会回到DSM的职位上来,因为我认为将人员战略、分析和员工体验结合在一起特别有趣。但首先,我希望您能与听众分享您的职业历程?您之前曾与我们共同的朋友Luk Smeyers一起在iNostix工作,然后担任德勤的顾问,也许可以分享一下您对过去五六年中人力资本分析领域发展的看法? Laura Stevens:是的,确实如此。在加入DSM之前,我在德勤咨询公司工作了大约七年,领导并发展了一条人力资本分析服务线。正如你所提到的,这也包括收购了当时一家领先的人力资本分析初创公司,以前也被称为iNostix。多年来,我们一直在成长和发展这个团队,使其成为20名专门的人力资本分析顾问,我认为这使我们可能是欧洲最大的人力资本分析服务线。 在我看来,在最初的日子里,人力资本分析仍然处于我所说的,一种书呆子实验阶段。由于大多数公司所做的基本上是一次性实验,通常由单个数据科学家或分析专家进行,这也与组织的其他部分完全脱节。我还记得,成熟度思维主要由问题决定,公司是否在进行描述性分析,所以一方面报告一些相关性,另一方面报告高级或预测分析。Luk Smeyers当时是该领域的绝对权威之一。他是高级和预测分析的大力倡导者,而出于多种原因,我有点怀疑。我认为,首先,将高级分析作为绝对最成熟度的关注确实分散了与实际业务挑战或真正商机的联系。那么,如果我们甚至没有彻底讨论过,一个组织的挑战是什么,或者公司面临什么样的机会,那么为什么要开始一个专注于“HOW”的对话,如此的描述性或预测性或规范性。 其次,对人力资源预测分析的关注,通常通过参考营销或客户分析领域的成功用例来证明其合理性。尽管我发现人力资源部门可以从该领域学到很多东西,但另一方面,人力资源与营销和销售之间也存在显着差异。因此,在人力资源领域,我们几乎不使用任何大数据,因此我们的数据量和速度与营销和客户分析领域有很大不同,因此在人力资源领域将分析模型产品化的价值远不那么明显。 许多高级分析用例经常使我认为,也许最好的情况是,一些有趣但难以使用的发现。因此,人们通常会说"这很有趣",然后像往常一样回到他们的业务中。 David Green:实际上激发乔纳森和我写这本书的原因之一,就是你提到的那些成熟度模型,你必须做描述性分析,然后再上升到预测性和规范性。当我们与更成熟或更高级的人力资本分析团队交谈时,他们并没有这样想。他们在想,我们的组织面临哪些重大业务挑战,分析如何支持这些挑战?在一天结束时,它可能是一个很好的描述性模型,可以提供洞察力,可以解锁解决这一挑战的洞察力的答案。因此,当我们写这本书时,我们实际上讨论了人们正在关注的许多领域,无论是围绕治理和设置所有数据标准,在团队中获得正确的人际技能,正确的技术和正确的数据,然后是结果。归根结底,正如你所说,这是关于结果的。你谈到了一些用例,也许人们会说"哦,那很好",然后"好吧,下一步是什么?您在担任顾问期间看到的分析的最佳用例是什么?而且,您是否能够与听众分享其中的一些示例? Laura Stevens:是的,绝对的。对我来说,可能最有影响力的用例是劳动力市场组织的用例。因此,基本上是一家将求职者分配到合适工作的公司。在开发分析模型之前,临时顾问通常会根据求职者的简历以及与求职者的个人对话来指导他们对某项工作的搜索和建议。他们几乎不知道求职者确实找到工作的机会有多大,他们实际上也不知道如何最好地建议或协助求职者增加在某个领域部署的机会。 因此,通过开发的分析模型,为这个基于直觉的流程带来了真正的根本性变化。事实上,对于每个求职者,该模型预测了该人在特定时间范围内在某个地区确实找到工作的机会,并且它使用各种不同的数据源(包括简历数据)以及例如该求职者的历史搜索行为。在这个模型上,我发现非常有趣的事情是,该模型还阐明了该人可以做些什么来增加他或她的机会。因此,我认为用例不是基于内部人力资源或员工数据,而是基于劳动力市场数据,但我仍然提到它,因为显然它仍然与人力资本主题有关。 因此,这意味着该模型已经产品化,现在它已成为该临时机构新工作方式的真正嵌入部分。但不幸的是,我看到了更多的用例,这些用例从未像往常一样真正嵌入或集成到业务中。我认为这并不奇怪,因为许多用例在设计时从未考虑到过最终游戏。这意味着长期以来,我们一直在设计分析模型,而没有对最终用户有透彻的了解,因此谁最终应该从见解中受益,甚至是对结果如何推动经常性决策的反思。我认为我们基本上太专注于自己和我们花哨的建模技术了。 David Green:是的,并不总是最复杂的模型可以带来最佳结果。 Laura Stevens:我认为留存率分析对我来说就是这些典型例子之一。我与许多客户进行了互动,这些客户在分析上开发了一个相当强大的保留模型,然后产生了个人风险评分,但公司当时不知道如何在组织中实现该模型。他们使用个人风险评分,显然我们知道GDPR不仅限制了使用个人风险评分的使用,而且根据具体情况管理保留也是不可行或可取的。 因此,尽管该模型具有分析稳健性,但它的影响是有限的,因为它无法真正集成或嵌入到工作方式中。我认为这是一直困扰我的例子之一。 David Green:是的,我认为一个非常关键的一点是,你如何使这些见解具有可操作性,并且对于经理来说,也许在他们的日常工作中?事实上,在过去的一年里,你已经转向了人力资本分析从业者和领导者。您在担任该职位时学到了哪些知识,这对您在DSM的职能战略有何影响? Laura Stevens:首先,我并不是为了做一些高级的事情而追逐高级分析用例。我记得在介绍我的策略时,我的团队说:"高级分析用例在哪里?”他们非常失望。我认为这肯定源于我的背景和经验以及我作为顾问所看到的事情。第二。我也从来不会在没有非常清楚地了解最终用户的情况下开始一个项目,是什么让这些用户在晚上保持清醒,以及某些见解将如何带来变化。所以,人力资本分析不再是做一些有趣的事情,我们真的需要将重点转移到相关性上。我总是告诉我的团队,没有行动的洞察力是高收费的。我们根本不应该这样做。对我来说,这是一个设计原则,它不是我们一开始就考虑的事情。因此,我认为可操作性对我和我的团队来说是一个强大的资格和设计标准,而不是我们只在分析工作完成后才考虑的事情。 David Green:我认为这很棒,你需要在一开始就考虑最终目标,而不仅仅是投入工作。还要让最终用户,赞助商,实际上有他们想要解决的问题并准备对此做些什么的人。有趣的是,Laura,显然在加入DSM之前,您在市场上闻名的一件事是,您是员工倾听和持续倾听方面的专家。这就是为什么我认为你对人力资本分析和员工体验都有所有权。您认为两者之间是否存在可以利用或已经在利用的协同效应? Laura Stevens:是的,绝对的。因此,我感到非常幸运,在我的投资组合中同时拥有人力资本分析和员工经验,因为这两个学科严重依赖彼此才能取得成功。 我认为最直观的是,我们知道员工体验是个人的,它是主观的,所以这是关于连接和理解对我们的员工最重要的事情。因此,根据定义,这从倾听开始,从研究开始,从分析开始,而不是从假设开始。因此,对我来说,员工倾听和分析确实是员工体验努力的命脉。这是其一。 可能不太容易理解或直观的是,员工体验对分析同样重要,因为最终员工体验本质上是在设计解决方案和服务时考虑到人类。我坚信,这种以人为本的设计对于加速分析领域的进步和采用实际上非常关键。如果我们不了解最终用户是谁,或者如果我们不从最终用户开始,并彻底了解是什么让这些人在晚上保持清醒,我们将永远无法真正将分析嵌入到我们的工作方式中并从中获得可持续的价值。这是其二。 因此,员工体验对分析同样重要,就像分析和员工倾听对员工体验至关重要一样。 David Green:我认为对于组织来说,在进行人力资本分析方面面临的挑战之一,是在数据周围的隐私中,与工作委员会合作,实际上将大量分析工作集中在理解和改善员工体验上。这如何支持这些对话? Laura Stevens:是的。员工倾听实际上是最强大的,但也可能是最简单的方式,可以快速收集有关情绪,行为,对我们员工最重要的事情的可扩展信息,这也是我优先考虑许多员工倾听计划的原因。长期以来,分析一直专注于我们拥有的数据。在员工体验领域,丰富的数据显然来自我们自己员工的声音。从GDPR的角度来看,从数据隐私的角度来看,如果我们对这些结果将如何用于优化员工的体验非常透明,这实际上很容易。倾听员工的声音,比使用被动数据和系统数据来了解人们如何行动或与我们的系统交互要容易得多。 David Green:我认为你暗示了员工倾听的另一个关键要素,那就是,我们走出去,我们向员工提问,我们收集数据,但最终它需要导致行动,我想这又回到了你对结果的见解。 Laura Stevens:是的。在员工倾听的空间中,我的团队正在处理几件事,其中之一显然是闭环和行动。 如前所述,如今,特别是在大型全球组织中,只有少数事情可以像精心设计和强大的倾听策略一样强大和有影响力。当我谈到彻底的改变时,对我来说,这首先意味着所有倾听的努力都应该与我们的战略重点有非常明确的联系。我们基本上是调查供应商告诉我们要衡量什么,而不是根据我们的战略重点进行正确的问卷调查,这绝对是我和我的团队试图带来改变的领域之一。 第二个是可操作性。我在那里利用了我在神经心理学方面的背景,其中很多行动不是关于繁重的行动或由人力资源驱动的冗长的推出计划,而是关于激活个人并使用神经心理学和行为科学领域引入的一些推动原则。因此,这些是我们优先考虑的几个元素,以更好地闭合循环。 David Green:你可以看到,赋予个人权力是你真正看到行动发生的地方,然后我想你可以用你的倾听来检查A]如果它正在发生,B]影响是什么。 Laura Stevens:当然。将个人视为促进敬业度,幸福感等的积极因素,是一个非常重要的元素。这不仅仅是人力资源。这不仅仅是领导力。   David Green:我们将回到您关于以人为本的设计的观点。当您考虑从以人为本的设计角度考虑最终用户时,您是否也考虑将人力资源业务合作伙伴以及经理视为您的用户?如果是这样,您如何帮助这两个群体使用数据并支持员工体验? Laura Stevens:绝对的。我和我的团队的雄心壮志之一是在整个P&O职能部门或人力资源部门中嵌入和扩展数据驱动的决策。我们希望我们职能部门的每个人,基本上都能够做出数据驱动的决策。但我们也意识到,为了实现这一目标,我们需要确保我们的员工(包括业务合作伙伴)能够轻松访问正确的数据。这意味着在一个平台上,通过一个具有直观前端的平台提供,这也鼓励他们非常快速地探索数据和见解,即使没有分析背景。这样一个平台需要产生与我们的业务合作伙伴及其各自的业务领导者明确相关的见解。因此,它立即需要为他们的成功做好准备,因为他们可以与他们的商业领袖一起提供更明智的客观决策或建议。 我们现在正与我们的业务合作伙伴进行大量合作,以了解他们的战略以及他们的战略推动因素,以便我们可以确保我们的平台提供他们所需的见解,尽可能出色地完成工作。事实上,我们的目标是使我们的关键内部客户获得简单且相关的见解,显然,从这个意义上说,人力资源业务合作伙伴是一个关键用户。 David Green:您的团队和其他人力资本分析团队如何帮助支持 HR 业务合作伙伴过渡到更加数据驱动?我很想听听您对您在DSM所做的一些事情的看法,以帮助人力资源业务合作伙伴,以及组织如何在这段旅程中支持人力资源业务合作伙伴? Laura Stevens:我对这个问题的回答可能非常简短和简单。在我看来,如果我们的举措被视为另一件需要学习或获得的东西,我们就没有做正确的事情。因此,分析团队需要连接到业务优先级,然后通过数据驱动的见解加速这些优先级的交付。如果我们所做的任何事情都被认为是"还有别的东西需要学习"或"还有一些东西需要获得",那么我认为我们需要审视自己,并想知道我们是否支持正确的优先事项。 David Green:因此,您再次与您正在采取的一种方式进行了交谈,即从您的业务P&O业务合作伙伴那里了解他们需要什么来帮助他们进行对话和讨论他们正在对其业务职能或业务部门所做的工作。所以这是双向的事情,我认为有时我们认为这只是关于人们分析事情,把事情推出去,但实际上我们需要理解并确保我们推出的东西是相关的,并且有助于他们的工作。 Laura Stevens:当然。我根本不喜欢在"按需"的基础上工作,所以我是推动事物的倡导者,但我们需要推动正确的事情。 David Green:CHRO和HR领导团队,人力资源部门和其他P&O部门围绕数据驱动的重要性提供了哪些支持或传达了什么信息? Laura Stevens:数据驱动是我们P&O转型的核心支柱或元素,不仅是我们P&O转型的一部分,也是全公司的首要任务。因此,我们正在做很多工作,以发展成为一个洞察驱动的组织,好事是,现在我们正在中央分析团队在中央层面推动的东西之间创造协同效应,成为IDEO并带领人们,然后从这个意义上说,我们从P&O转型的角度做了什么。 重要的是要确保所做的任何事情都是相互加强的,而不是被视为来自人力资本分析的东西,来自全球分析团队或中央分析团队的东西,因此我们正在创造协同效应,并确保数据精通,分析精通成为一个机会,在职能之间简化,从中心点优先考虑的事情。 David Green:归根结底,这是一个团队的努力。我们去年所做的研究,我认为有22%的人处于你的位置,直接向P&O或CHRO的负责人报告,并且是人力资源领导团队的一员。这是一个非常明显的问题,但是,这如何帮助您履行职责,以确保您正在做的事情与最重要的业务优先事项相关联? Laura Stevens:我是全球P&O领导团队的一员,这确实有助于了解不同COE,全球业务合作伙伴,人力资源的优先事项,因此我坐在非常接近决策的地方。CHRO的支持极大地帮助了我,并在战略,实现以及与整个业务和组织优先事项紧密相连时加速了一些雄心壮志。 David Green:这很有趣,因为我记得Luk Smeyers,在几年前的一次会议上,实际上挑战了房间里的一些人力资本分析领导者,并说"如果你不向CHRO报告,我建议你去别的地方工作。" Laura Stevens:对我来说,这是我接受向DSM过渡的重要原因之一。因此,对我来说,向CHRO报告是一个基本条件,以确保无论决策在哪里,你都可以推动这些决策。我希望避免处于价值链的接收端,而是宁愿确保我和我的团队能够参与战略对话。 这就是我的角色真正让我兴奋的地方,也是我期望人力资本分析领域也真正加强的地方,我们不是一个执行引擎。我们将分析专业知识与对人员和组织的非常透彻的理解相结合,正是这种功能专业知识和分析专业知识的结合证明了我们的存在。否则,您为什么不将自己限制在中央分析团队中呢? David Green:很好。对于即将进入新的人力资本分析领导者角色的人,您有什么建议?特别是如果他们只有一个小团队。 Laura Stevens:很明显,这取决于你的野心,以及你的公司在数据分析领域建立的基础,我认为这是一件公平的事情。 但是,如果你的目标是提供战略影响,这是我的目标和我团队的目标,我绝对建议你继续坐在驾驶座上。所以这就是推与拉的关系。因此,要专注于一套精选的大单,战略优先事项。 
优先考虑那些有可能在整个组织内扩展的项目,以确保你的知名度和影响最大化。 我和我的团队将可扩展性作为最高资格标准之一。因此,我们避免最终进入非常特定于某个业务领域或非常特定于某个区域的项目,因为这永远不会帮助我们扩大影响并最终成为数据驱动的功能。这是最终的游戏,它不仅仅是交付分析项目。 David Green:这是一个挑战,不是吗?因为你可以完全被请求淹没,并且拥有一些你已经谈到的技术和速度,一个平台,可以满足一些日常请求,那些临时请求,只要你使用的技术易于人们使用,那么他们就可以自己找到这些信息,正如你所说, 然后,团队可以专注于将对业务产生最大影响的东西,这些内容也可以在整个组织中扩展。 Laura Stevens:我完全同意,特别是能力建设。你可以向人们解释你在做什么,你没有做什么,但有时它首先需要加强组织的其他部分,从事你不一定认为是你投资组合一部分的活动,并让人们在某些领域自给自足,比如基本报告。这就是为什么我的团队现在使组织,首先是P&O职能部门,能够轻松访问数据,以便他们在提取报告时变得更加自给自足,以便我们有时间真正专注于更高级的价值创造。   David Green:是的,你必须同时考虑这两件事。因此,这很好地引出了下一个问题。许多分析领导者面临的一个挑战是,对请求说"不",并确定他们应该在哪些领域开展工作。您有什么建议,如何说"不",并帮助确保他们保持专注? Laura Stevens:我想,这主要是一个在你的定位上投入时间的问题,也是一个教育组织了解你的战略和提供帮助人们理解你的目标是什么,这在优先事项和工作方式方面意味着什么? 
根据我的经验,帮助人们理解对所有事情说 "是 "永远不会为职能部门或组织的成功奠定基础,正如我已经分享的那样。 因此,如果您忙于处理15个不同的按需项目,并且团队非常小,您将永远无法专注于构建职能部门所需的正确可扩展基础,从而成为数据驱动的人力资源职能部门。正如在这个问题之前已经提到的,我认为有时它确实需要加强组织的其他部分。我认为,这对我来说是最重要的学习之一。这不仅仅是说,我想做什么。因此,现在我们非常专注于自给自足,基本报告以及组织其他方面的能力建设,以确保我们能够真正实现运营模式和理想设置。 David Green:我想,在首席人员和组织官、CHRO和人力资源领导团队中拥有强有力的倡导者和支持者也是如此重要的地方。 Laura Stevens:是的,这可能是所有这一切中最有影响力的因素。 David Green:我们现在进入最后一个问题,这是我们在这个特定系列中向每个人提出的问题,我非常有兴趣听到您对此的看法。技术在支持员工体验方面的作用是什么? Laura Stevens:在我看来,技术是员工体验的众多不同驱动因素之一,就像文化或物理环境一样。然而,公平的是,随着技术现在成为我们工作方式和交付价值的方式中越来越核心和更重要的一部分,对员工体验的影响可能是指数级的。 
因此,我认为今天人们需要的工具是有趣的、简单的、与完成他们的工作相关的。但是,他们今天更需要的,也是研究证明的,是一个连接和整合的技术环境。今天,积极体验的最大障碍可能是大量不同的脱节系统和技术,这要求用户花费太多时间来找到他们正在寻找的东西并完成他们需要完成的任务。这不仅对员工体验产生了非常负面的影响,而且最终也会对生产力和公司绩效产生负面影响。 此外,我的团队正在支持开发集成的数字路线图,以确保我们不会在独立的基础上处理每一项技术,但我们也考虑未来以及这些不同的系统将如何相互通信,以及我们如何为我们的员工创造简单性,以便他们可以在更快的时间内做得更好。 David Green:实际上,你还谈到了另外两个领域,显然是文化和物理环境。我开始看到的一件事,特别是在美国的一些组织中,是人力资本分析团队,除了收集劳动力数据,也在收集工作场所的数据,特别是希望我们开始回到我们的实体办公室。 
你认为这对DSM来说是个机会吗?同样,如果我们考虑到混合工作,了解我们在办公室时将如何使用办公室,然后可能将办公室设置为真正实现这一点,例如创新和协作。这是你正在考虑的事情,或者在时机成熟时将会考虑的事情吗? Laura Stevens:是的,绝对的。我认为最后一个细微差别是正确的。DSM正在我们所谓的"混合工作场所"上投入大量资金。显然,与许多其他公司一样,随着COVID的爆发,我们已经开始进行一些脉搏检查,这也围绕着我们如何促进或帮助我们的员工在混合环境中发挥最佳作用。因此,这是我们发起并正在进行的一项工作。 其次,我们显然也将探索如何使用其他数据源来促进人们重返工作岗位的过渡,我真的相信人力资本分析可以在那里发挥关键作用。但是,这更像是未来的管道。
    数据隐私
    2022年04月19日
  • 12