-
LLM
HR领导者必须掌握的十大AI术语
人工智能正在改变全球企业环境。为确保贵公司领先于这一变革，您需要掌握这十个关键的AI术语。
人工智能（AI）正逐步融入我们的日常生活和工作之中。对于企业而言，要想在新的工作环境中保持竞争力，了解AI及其价值至关重要。因此，我们汇编了每位商业领袖都应该了解的十个AI术语。
在我们的《AI智商：企业中的人工智能见解》报告中，我们调查了1000名高级决策者关于人工智能和机器学习（ML）。调查结果显示，有81%的领导者认为，保持企业竞争力需要运用AI。然而，有74%的领导者表示，他们的组织缺乏全面部署AI和ML的能力。
为了弥补这一技能差距，企业需要在各个业务领域内应用AI。在财务领域，AI能够消除低效，将原本需要数月或数周的工作缩短至数小时或数分钟。在信息技术方面，AI及其促进的自动化使得现代化IT生态系统的优化变得更加高效。对于人力资源领域来说，随着基于技能的经济不断演进，赋予HR专业人员AI和ML的知识变得尤为重要。
为了实现公司范围内成功且负责任的部署，各级商业领导者，从首席执行官到团队经理，都必须确保他们充分理解AI。那些对AI采用缓慢的组织不仅会失去竞争优势，而且会完全落伍。明天的AI思想领袖将是那些从今天起就开始掌握基础知识的人们。
有81%的领导者认为，AI对于保持其业务的竞争力是必需的。
必备的AI术语表
AI术语通常可能涉及广泛的技术内容，从决策树到强化学习等。在下面的AI术语表中，我们集中讲解了一些基本术语。
此外，我们还解释了每个术语在组织层面的重要性。考虑到AI应用的广泛性，很容易忽视其对业务潜在利益的影响。因此，我们着重强调AI对于现代商业环境中公司成功的关键作用。
1. 人工智能（AI）
人工智能指的是机器执行通常需要人类智能的任务的能力。AI通过分析和学习数据、识别模式、做出预测来增强智能决策制定和提高人类生产力，其处理速度和规模远大于人类。
为什么重要： 2022年的一项调查显示，92%的大公司报告称他们从AI投资中获得了回报，这一比例自2017年的48%大幅上升，这标志着AI所代表的商业价值正迅速增长。
2. 机器学习（ML）
机器学习是AI的一个分支，使机器能够通过重复学习来获得知识。依赖于数据和自我修改的方法，机器学习算法能够识别模式并进行预测，其模型不断自我完善，以提高模式识别和预测分析的能力。
为什么重要： 由ML生成的自动预测让商业领导者能够专注于战略决策，保留关键时刻人的参与。坚持手动过程的公司可能会浪费本可以更有效地使用在其他项目上的员工时间。
3. 负责任的AI
负责任的AI强调AI的部署者需要确保AI系统的开发和应用是符合道德的。对于AI和ML来说，建立和预期信任是必要的。这是为什么Workday致力于AI的道德、透明和负责任的使用。"可信赖的AI"也是相似的概念，由国家标准与技术研究院（NIST）定义为"有效可靠、安全、弹性、可问责、透明、可解释、增强隐私、公平且有效管理有害偏见"。
为什么重要： 我们的《AI智商》报告指出，仅有29%的高级商业领袖非常确信AI和ML目前被以道德方式应用。因此，决策者必须优先考虑与那些致力于道德和负责任使用AI的公司合作。
4. 深度学习（DL）
深度学习是机器学习的子集，通常用于建模数据集内的复杂模式和关系。深度学习通过多层处理分析大量信息，类似于我们大脑中的神经网络结构，尤其在计算机视觉领域发挥重要作用，使机器能够解码视觉图像。
为什么重要： 对于大型企业来说，快速处理海量数据的能力至关重要。在Workday，我们在财务等多个功能中应用深度学习，例如在处理报销单和发票时，通过深度学习识别数据点，并将其映射到数据库中的相应字段，极大提高了效率。
5. 自然语言处理（NLP）
自然语言处理让机器能够理解、解释和生成人类语言。它广泛应用于语音识别、机器翻译、情感分析和问答系统。NLP还包含两个子领域：自然语言理解（NLU），侧重于理解人类语言的意图和含义；自然语言生成（NLG），侧重于将结构化数据转换成人类风格的文本。
为什么重要： 随着工作节奏加快，准确捕捉员工情绪变得越来越重要。NLP技术使各级业务领导能够高效地分析大量文本数据，提取出相关的员工反馈，以指导关键决策。
6. 算法
算法是一个为解决特定问题或执行特定任务而编写的计算机程序。它包含了一系列在满足某些条件时自动执行的指令。无论是在AI、ML模型还是计算机科学的其他领域，算法都是其核心和基础。
为什么重要： 在21世纪，几乎所有重大的技术进步背后都离不开算法。随着工作世界越来越依赖数据，编写得当的算法是成功的关键因素。
7. 生成式AI
生成式AI是一种能够创造新内容的AI系统，如数据、图像、音乐或文本。这种内容通常是根据用户的简单提示产生的。生成式AI变得极为流行，其中包括：
ChatGPT：一个能够生成连贯、逼真的类人语言的语言处理聊天机器人。
Stable Diffusion：一个根据文本描述生成详细图像的文本到图像工具。
Amper Music：一个根据用户选择的风格和情绪生成音乐的AI音乐平台。
为什么重要： 尽管生成式AI最常见的示例是面向消费者的，但其在商业中的应用潜力巨大。结合人类的输入，生成式AI可以帮助创建招聘信、职位描述，提供预算决策支持等。
8. 大语言模型（LLM）
大语言模型是生成式AI背后的核心技术。这些模型在大量的非标注文本上进行训练，拥有数十亿个参数，可用于多种机器学习任务，如搜索意图识别、话题分类、内容摘要以及基于现有数据生成语义相似的短语。
为什么重要： 随着时间的推移，企业需要处理的数据量不断增加。LLM不仅加快了数据处理和分析的速度，还能帮助用户实时产生有用的洞察。
9. 光学字符识别（OCR）
光学字符识别是一种图像识别技术，用于扫描图像或文档以识别里面的文本和数字字符，并将这些信息转换为机器可读的文本格式。执行图像识别的系统大多采用了深度学习技术，包括Workday的系统。
为什么重要： OCR的商业应用范围极广，可大幅减少各种业务功能中不必要的手工工作量。每张发票、报销单和文档都可以实时扫描和处理，让员工有更多时间专注于更重要的任务。
10. 神经网络
神经网络是一种复杂的计算机系统，模仿人类大脑中神经元的连接和交互方式。也称为人工神经网络，它属于机器学习的一种形式，能够很好地适应变化，通过模拟人脑的数据处理方式进行学习和模式识别。
为什么重要： 适应性是未来工作环境的关键。神经网络能够发现有价值的数据见解，并随着时间的推移不断学习和进化。采用能与您的公司共同成长的AI技术，将在长远来看带来重大的好处。
AI与未来工作的融合
得益于AI的进步，未来的工作方式已经成为现实。全球职场正在以前所未有的速度演变，企业必须立即做出正确的决策，以防范未来的变化。AI和ML的核心集成将成为成功与否的关键分水岭。
-
LLM
【法国】提供GenAI平台公司Adaptive ML获得2000万美元种子轮融资，帮助企业打造独特的GenAI体验
Adaptive ML是一家能让公司根据用户的互动情况不断改进其生成式人工智能模型的初创公司，公司宣布已获得由Index Ventures领投的2000万美元种子轮融资。ICONIQ Capital、Motier Ventures、Databricks Ventures、IRIS、HuggingFund by Factorial以及许多著名的天使投资人也加入了本轮融资。
Adaptive的愿景是让各地的企业都能利用不断学习的生成模型的优势，并提供直观的体验来提升关键业务指标。公司已经推出了企业平台的第一个版本，并将利用这笔资金继续投资于研究和产品开发，并迅速壮大巴黎和纽约的团队。
"Adaptive ML 首席执行官Julien Launay说："在 Adaptive ML，我们正在简化通往更直观、更有粘性的 genAI 应用程序的道路，直接推动用户体验和业务成果的改善。"从长远来看，我们设想永久学习模型吸收每一次交互，为每一位用户提供独一无二的体验。
企业对使用大型语言模型（LLM）的需求很高，然而，目前在通用现成模型与使其适用于特定生产用例之间存在很大差距。
只有当模型与用户的目标相一致时，才能产生吸引人的体验。实现这一目标是一个复杂的过程，涉及高度技术性和专业化的技术。这种复杂的偏好调整过程推动 OpenAI 成为像 ChatGPT 这样的世界性现象。Adaptive 将释放这些技术的威力，并让世界各地的企业都能使用它们。
Adaptive 平台抽象了微调和强化学习的技术细节，加快了基于 LLM 的产品的发布速度。为了实现这一目标，Adaptive 在工程设计、数据和部署方面采用了创新方法。
"对齐是用户体验大型语言模型的基础，"Index Ventures合伙人Bryan Offutt说。"预训练教会模型如何思考，而对齐则教会模型如何交流。我们很高兴能与Adaptive合作，将对齐的力量带给各地的企业，使他们能够建立适合其业务的生产就绪模型。
关于 Adaptive ML
Adaptive ML公司成立于2023年，由Baptiste Pannier、Julien Launay和Daniel Hesslow创立，是一家提供Gen人工智能平台的公司，旨在构建解决方案，帮助客户建立更准确、更高效的专业人工智能模型。公司利用公司数据以及用户互动和反馈，提供有助于获得反馈的机器学习模型。其愿景是让各地的企业都能利用不断学习的生成模型的优势，提供直观的体验，提升关键业务指标。
-
LLM
【美国】工作场所安全解决方案公司Intenseye获得6400万美元B轮融资，推进其利用AI改造工作场所安全的使命
人工智能驱动的工作场所安全解决方案的领导者Intenseye获得6400万美元的B轮融资，由新投资者光速创投（Lightspeed Venture Partners）领投，现有投资者Insight Partners、Point Nine和Air Street Capital参投。Intenseye在过去的一年里主动检测了数千万个工作场所危险，并在全球六大洲实现了增长和扩张。
Intenseye 的企业级计算机视觉人工智能平台提供全天候的不安全行为和条件可见性，这些行为和条件发生在工伤或疾病之前，而人工审核往往无法发现这些行为和条件。该解决方案旨在增强环境健康与安全（EHS）团队的能力，以推动变革，提高效率，简化合规性，并最终在不损害工人隐私的情况下帮助预防工作场所事故。
通过最新一轮融资，Intenseye 将扩大其技术生态系统，为客户的现有基础设施释放更大的价值，进一步整合大型语言模型（LLM）和移动支持，以优化数十种使用案例，并继续投资于隐私创新，包括即将推出的 Gen AI 视频匿名功能，以重申其对人工智能道德和促进其所保护的工人心理安全的承诺。
"Intenseye首席执行官Sercan Esen表示："工作场所事故的范围、规模和成本正在迅速攀升，这凸显了对人工智能驱动型解决方案的迫切需要，这些解决方案有助于准确定位和减轻危险，同时符合准确性、隐私和企业就绪性的最高标准。"Intenseye不仅仅是一个'不错的选择'--我们很自豪能够站在早该进行的转型的最前沿，让EHS领导者能够更有效、更高效地保护他们的一线团队。我们很荣幸数十家财富500强创新企业依靠Intenseye来改变其设施内的工作场所安全状况"。
据喜力墨西哥公司数字与技术供应链经理Miguel Ángel Aguilera Rodríguez说："通过不断致力于流程改进和采用尖端技术，我们坚定地履行了提供安全健康工作环境的承诺。Intenseye是推进这些努力的重要盟友。该平台使我们能够实时洞察领先指标，帮助我们推动主动改进，降低一线团队面临的风险。
转变工作场所安全的迫切需要
国际劳工组织报告称，全球每年有近 300 万人死于工伤事故和疾病，每年有近 4 亿人遭受非致命工伤。美国工业卫生协会的一项研究证实，全球每年因工作场所事故造成的直接和间接经济损失估计近 3 万亿美元；仅美国每年因意外停工造成的损失估计就达 500 亿美元。
Intenseye 是唯一一家将全套高度先进且完全不可逆的隐私保护措施作为标准嵌入其产品的计算机视觉人工智能工作场所安全解决方案提供商。与其他供应商的产品不同，Intenseye 的解决方案保证工人的匿名性，从所有捕获的视频中剥离个人身份信息。
"Esen补充说："我们对设计隐私的人工智能道德原则的承诺使我们与众不同，它有助于保护工人的心理安全，同时为他们的人身安全提供无与伦比的保护。
"光速公司的合伙人Alex Kayyal说："我们光速公司对Serhat Cillidag，联合创始人兼首席技术官的独特见解印象深刻，他们利用人工智能和计算机视觉的力量推动了行业转型。"Intenseye已迅速成为健康与安全领导者事实上的'必备品'，这些领导者每天都依赖于他们的平台，其中包括一些世界领先的品牌。Intenseye的核心人工智能平台解决了各行各业的根本痛点--我们很高兴能与他们合作，支持他们改变工作场所安全的使命。"
2023: 值得纪念的一年
Intenseye近期取得的里程碑式增长巩固了其在行业中的独特地位。公司的 B 轮融资是有史以来对人工智能驱动的工作场所安全创新的最大投资，使 Intenseye 的融资总额超过 9000 万美元，巩固了其在该领域资金最雄厚公司的地位。
更具体地说，2023 年，公司的全球业务增长了 125%。它与领先的保险公司、顶级云计算和 EHS 技术供应商以及其他著名的软件和硬件供应商建立了行业首创的合作伙伴关系，将 Intenseye 定位为全球数字化转型的重要组成部分。Intenseye的发展势头还体现在其广泛的覆盖面和影响力上，其业务遍及25个国家30多个行业的数千个场所，保护着全球10万多名工人的安全。
此外，Intenseye还在2023年加强了其位于纽约市的市场执行团队，招聘了一些重要人员，包括销售副总裁Matt Marshall、合作关系负责人Sean Snyder、财务负责人Steve Iannucci和营销负责人Chelsea Haynes。
"Intenseye 是一家堪称典范的人工智能先行公司，"Air Street Capital 合伙人 Nathan Benaich 说。"该团队抓住了现实世界中一个耗资数千亿美元但却隐藏在众目睽睽之下的问题。通过在现有但未得到充分利用的摄像头投资基础上进行构建，Intenseye 增加了全天候安全智能，推动全球劳动力服务发生可衡量的变化。从Sercan和他的团队踏上征程的第一天起，我们就为他们提供了支持，对此我们深感自豪。
关于Intenseye
Intenseye 是一家快速成长的技术公司，由专注于企业软件和人工智能的世界级风险投资公司提供支持。全世界每年因工伤造成的人力和经济损失高达惊人的 2500 亿美元。在 Intenseye，他们认为工人的健康与安全不容商量。Intenseye 建立了一个人工智能驱动的 HSE 平台，帮助全球最大的企业在其设施范围内扩展员工健康与安全。利用计算机视觉领域的最新突破，Intenseye 让健康与安全团队能够全天候监控其设施，接收实时违规通知，并实施快速反应程序。高性能软件和 IP 网络摄像机首次实现了全天候自动检查和实时事件通知。
-
LLM
美国初创公司Sema4.ai获得3050万美元融资，将开源人工智能引入关键任务企业工作中
Sema4.ai 是一家位于加利福尼亚州旧金山的初创公司，致力于将开源人工智能技术应用于企业关键任务中，筹集了3050万美元的资金。
支持者包括 Benchmark 和 Mayfield Fund。
在首席执行官 Rob Bearden 的领导下，Sema4.ai 正在构建智能代理，以改变知识工作者与人工智能协作的方式。公司实现了有意义的人机协作，支持并简化了知识工作者的复杂决策。客户现在可以在其最敏感的工作流程中安全可靠地利用 LLM 的强大功能，从低水平、低价值的自动化转向原生的、基于人工智能的代理。
公司还宣布推出基于 Python 的新 AI Actions 框架的社区版本，该框架可直接与 LangChain 和 OpenAI 集成。
公司正利用这笔资金收购开源自动化公司 Robocorp。Robocorp 的创始人兼首席执行官 Antti Karjalainen 成为 Sema4.ai 的联合创始人。
对于全球数十亿知识工作者来说，人工智能的承诺尚未实现。大型语言模型（LLM）可以总结大量信息并与人类对话，但却难以支持和简化知识工作者复杂的端到端工作流程。现有的企业自动化解决方案仅限于简单、重复、点对点的任务，因为它们缺乏知识工作的基本能力，例如管理模糊性的智能和推理能力，以及适应不断变化的企业环境并采取实时行动的能力。
Sema4.ai的创始团队由久经考验的行业领袖Rob Bearden、Ram Venkatesh、Suds Menon和Paul Codding组成，他们在数据管理、分布式系统、应用程序开发和开源领域拥有深厚的专业知识和数十年的丰富经验，包括Cloudera、Docker、Hortonworks、SpringSource和JBoss等公司。通过此次收购，Robocorp 创始人兼首席执行官 Antti Karjalainen 也加入了创始团队，进一步丰富了公司在开源和自动化领域的经验。
"Sema4.ai首席执行官Rob Bearden表示："我们的创始人都拥有建立重要企业软件业务的丰富经验。"我们之所以收购 Robocorp，是因为我们深信，没有行动的智能是不完整的，而没有智能的行动充其量是非战略性的。通过合作，我们完全有能力打造定义类别的智能代理，将上下文与行动联系起来，改变企业的工作方式。
"Benchmark公司的普通合伙人Peter Fenton表示："Benchmark公司与Rob Bearden的合作关系已经跨越了20多年的开源成功故事，目前的产品收入超过20亿美元--从JBoss到最近的Cloudera。"他的领导力、开源人工智能和 Robocorp 的代理技术将使大型企业能够安全地构建、运行和管理改变模式的人工智能应用，而开源基础的效力只会随着时间的推移而不断增强。
"Mayfield 管理合伙人Navin Chaddha表示："作为 People First 的投资者，我们很荣幸能与 Sema4.ai 背后经验丰富的创始团队合作，因为他们正在寻求一个变革性的 GenAI 机会，以加速推动价值 880 亿美元的人工智能经济。"我们对 Sema4.ai 的投资反映了我们的信念：在模式转变过程中，管道层推动了企业的采用。在人工智能时代，我们将其视为'认知管道'，即模型/中间件/工具、数据、基础设施和半成品/系统自动执行认知任务，从而释放新的可能性。
"Robocorp创始人兼首席执行官、Sema4.ai联合创始人Antti Karjalainen表示："我们认为Python是开发智能代理的首选语言，这也是我们扩展Robocorp平台、专注于'自动化即代码'的原因。"我们与 LangChain 的新集成使人工智能开发人员能够使用 LLM 对企业应用和数据采取直接行动，从而实现从对话到行动的闭环，完成真正的工作。
关于 Sema4.ai
Sema4.ai的使命是通过构建智能代理，改变知识工作者与人工智能协作的方式，从而定义知识工作的未来。Sema4.ai的创始团队由来自Cloudera、VMware、Hortonworks和JBoss等公司的久经考验的行业领袖组成，并收购了开源自动化先驱Robocorp，Sema4.ai定义类别的智能代理将上下文与行动联系起来，改变了企业的工作方式。Sema4.ai 是人工智能承诺与人的潜能的完美结合。
-
LLM
SaaS软件公司Sinecure.ai收购猎头公司Grace Blue Partnership，发展人才发现和招聘解决方案
Sinecure.ai是一家开创性的 SaaS 软件公司，致力于通过人工智能和大语言模型（LLM）创新彻底改变人才发掘方式。Sinecure.ai宣布收购Grace Blue Partnership，这是一家专门从事领导人才的全球猎头公司。Sinecure 的人工智能搜索技术与 Grace Blue 严谨的研究和高度个性化的服务相结合，创造了一个完整的解决方案，可提供从初级和中级职位到 C 级人才的全方位服务。两者的结合产生了强大的协同效应，简化了招聘流程，提高了候选人质量，减少了偏见，最终为候选人和客户带来了更多成功的结果。
"Sinecure.ai首席执行官兼联合创始人Joel Wright表示："未来最有效的招聘结果将是先进技术与人类理解力和智慧的平衡。"随着全球人才市场的不断发展，Sinecure.ai 正通过承诺精确、快速和可预测性的解决方案来满足客户日益增长的需求。我们对 Grace Blue Partnership 的收购充分利用了两家公司的优势，强化了企业发现、吸引和留住人才的方式，并产生了持久的影响。"
Grace Blue 在纽约、伦敦和新加坡设有办事处，其专业领域涵盖消费品牌和代理机构，以及体育、媒体和娱乐业。作为Sinecure.ai的客户，Grace Blue自2022年6月发布第一款主要产品以来，一直利用其基于生成式人工智能和LLM的解决方案套件，为其全球客户群提供成果。
"Grace Blue Partnership 全球首席执行官 Jay Haines 表示："在瞬息万变的猎头行业，技术、战略思维和建立稳固关系的承诺三者的结合是成功的秘诀。"将Grace Blue的行业专长和能力与Sinecure的人工智能技术相结合，我们将成为新一代的公司，为我们的客户提供更高水平的服务。
继 Sinecure 于 10 月份宣布任命技术和广告行业资深人士 Wenda Harris Millard 担任董事会主席之后，今天又宣布了新的消息。与此相关，Haines 先生将担任董事会成员，而 Grace Blue 的董事长兼创始人 Ian Priest 将辞去在该公司和 Sinecure 董事会的职务。
合并后的新公司拥有全球多个垂直业务领域的客户名单，其中包括 Interpublic Group、Havas、Wasserman Media Group、All England Lawn Tennis Club (Wimbledon)、Publicis Groupe、Sony PlayStation、Endeavour Group、Lego 和 Amazon 等行业领先企业。交易的财务条款未披露。
关于Sinecure.ai
Sinecure.ai是一家领先的SaaS软件技术公司，致力于通过人工智能和法学硕士创新重新定义人才发现。Sinecure.ai 致力于实现精准、快速和可预测性，帮助企业找到并聘用符合其独特需求的理想候选人。
关于Grace Blue Partnership
Grace Blue 是一家全球性高管猎头公司，专门为品牌、代理商、媒体、体育、娱乐和技术组织提供变革型领导人才，帮助他们的业务面向未来。我们将全球企业的知识、影响力和严谨性与本地精品专家的同理心、诚信和价值观相结合。我们的专长涵盖媒体、营销和传播、战略、数据和洞察力、创意、制作、技术和自动化等领域。
-
LLM
【美国】行为健康AI企业Eleos Health获得4000万美元B轮融资，以扩大 CareOps 自动化覆盖范围
位于马萨诸塞州波士顿和以色列特拉维夫的 Eleos Health 公司获得了 4000 万美元的 B 轮融资，公司专注于行为健康领域的人工智能。
本轮融资由 Menlo Ventures 领投，F-Prime Capital、Eight Roads、Arkin Digital Health、SamsungNEXT 和 ION 参投，融资总额达到 6800 万美元。
公司打算利用这笔资金，通过增加对产品开发和战略合作伙伴关系的投资来加速发展，从而加快人工智能在行为健康领域的应用。除了加快产品开发计划（其中包括针对团体治疗、合规自动化、病例管理、并发文档和基于价值的护理支持的新型和增强型人工智能解决方案）外，这笔投资还将加快 Eleos Health 的招聘工作，扩大其服务范围，为更多的行为健康提供商和细分市场提供服务，并加强战略合作伙伴关系的发展，将更多的电子病历和行业协会纳入 Eleos 生态系统。公司计划到 2024 年底招聘 50 多名员工。
在首席执行官 Alon Joffe 的领导下，Eleos Health 将行为健康对话转化为文档和情报，从而推动护理工作。公司的系统利用治疗数据和临床专业知识创建的专有行为健康专用大型语言模型（LLM），对行为健康对话进行解释、分析和记录，从而减轻医疗服务提供者的运营负担，同时为循证医疗和治疗联盟提供客观见解。领导团队可以加强监督和培训，同时了解员工的活动、工作量和绩效以及人群健康状况。
"Eleos 首席执行官兼联合创始人 Alon Joffe 说："在 Eleos，我们相信，如果没有人性化的服务提供者作为治疗关系的中心，就不可能实现以客户为中心的护理。"我们通过自己和亲人的亲身经历，亲眼目睹了临床医生所面临的巨大管理障碍，并由此创办了 Eleos。医疗服务提供者永远是医疗故事中的英雄--我们只是来帮助他们更好、更快地编写故事"。
关于 Eleos Health
Eleos Health将行为健康对话转化为文档和情报，从而推动更好的护理。Eleos 利用专有的行为健康专用大型语言模型 (LLM)，结合治疗数据和临床专业知识，准确解释、分析和记录行为健康对话，减轻医疗服务提供者的运营负担，同时为循证医疗和治疗联盟提供客观见解。领导团队可以扩大监督和培训规模，同时获得前所未有的员工活动、工作量和绩效以及人群健康的可见性。Eleos 是同类产品中唯一能无缝嵌入电子病历 (EHR)、远程医疗工具和现有医疗服务提供者工作流程的技术。有了 Eleos CareOps Automation，行为健康服务提供商和健康计划将为医疗保健设定新的标准。
关于Menlo Ventures
Menlo Ventures 是一家风险投资公司，致力于对我们所做的一切产生积极影响。这就是为什么我们支持包括 Carta、Chime、Harness、Poshmark、Pillpack、Pinecone、Roku、Rover、Uber 和 Warby Parker 在内的企业，这些企业正在为更好的生活和工作重新构想。47 年来，我们的投资组合包括 80 多家上市公司和 165 多起并购，目前管理着 56 亿美元的资金。我们在各个阶段和各个领域进行投资，在消费、企业和医疗保健领域都有专长。从制定市场战略到创建社区，我们在企业家最需要的地方提供真正的影响。只要我们参与，我们就全力以赴。
-
LLM
【美国】建筑劳动力管理平台开发商 Lumber 获得 550 万美元的种子轮融资
总部位于美国的建筑劳动力管理平台开发商 Lumber 获得了 550 万美元的种子轮融资。
本轮融资由 Carbide Ventures 领投，Escape Velocity、8VC、Sure Ventures、Converge VC 和 Firsthand Alliance 以及个人投资者跟投。
公司打算利用这笔资金扩大运营和业务范围。
在创始人兼首席执行官 Shreesha Ramdas 的领导下，Lumber 公司为中小型建筑承包商提供了一个集成的端到端 SaaS 劳动力管理平台，该平台由专门构建的 LLM 支持。该平台统一了薪资、时间跟踪、合规性、应付账款和入职工作流程，提供生产力解决方案，以确保合规性、管理劳动力成本、简化薪资流程并做出明智的财务决策。
总承包商、分包商和专业承包商现在都可以使用该平台的综合时间跟踪和薪资应用程序。
关于Lumber
Lumber 是专为承包商、分包商和专业承包商构建的建筑劳动力管理平台。
文章来源：finsmes
-
LLM
大咖谈：生成式AI在人力资源中的作用日益重要，谈HR不同领域的应用场景
编者注：本文Josh Bersin深入探讨了生成性AI（Generative AI）在人力资源（HR）领域的变革性作用。谈到生成性AI不仅能够整合和分析分散在多个系统中的大量员工数据，还能帮助HR团队更高效地解决招聘、员工体验、培训和合规等多个方面的问题。生成性AI的应用场景包括人才智能、员工体验应用、员工培训和合规应用等。这些应用不仅能提高HR团队的工作效率，还能为员工提供更个性化的体验。推荐HR管理者阅读了解，关注HRTech，了解全球最新HR科技动态。
人力资源是一个综合运营职能
让我们提醒自己，人力资源部门与财务、IT 和其他内部职能部门一样，是一个设计、支持和集成职能部门。人力资源部门与企业合作，处理无数复杂的问题：招聘、入职、培训、领导力发展、绩效管理、薪酬、奖励、福利、混合工作、组织设计、多元化战略、文化等等。在我们所谓的系统人力资源出现之前，大多数这些操作功能都是独立完成的。
如今，公司面临着竞争激烈的劳动力市场、高流动率和劳动力压力，以及重新培训、提高技能和明智地内部人员调动的需要。多样性和包容性、文化和领导力发展等问题仍然至关重要，人力资源团队还担心员工体验、生产力和内部效率。
HR 内部的数据遍布各处。一般大公司拥有超过 80 个面向员工的系统，每个系统都存储大量重要数据以帮助管理自己的区域。当业务领导者或高管想要做出改变、查看业务场景或修复表现不佳的团队时，他们需要将所有这些数据集中在一个集成位置。人工智能有望将这个梦想变为现实（更多内容见下文）。
当人力资源团队制定新的计划和解决方案时，我们还面临着不堪重负的劳动力问题。员工大部分都精疲力竭（87% 的人认为他们正在满负荷运转），因此我们必须简化工作、减少系统数量，并节省人们在管理职能上的时间（使他们能够在“最高许可范围内”运作） 。这意味着人力资源团队不断处理扩大服务数量、缩小服务范围并使其更易于使用的问题。人工智能AI对此有所帮助。
最后，人力资源团队正在转变为创造者、开发者和顾问。正如我们的系统人力资源研究指出的那样，人力资源的未来是更少的“支持代理”，更多的“顾问、产品经理、设计师和顾问”。这意味着越来越多的人力资源团队正在“构建事物”和“分析事物”，这本质上是生成人工智能所做的核心部分。
因此，从某种意义上说，生成式人工智能是解决人力资源团队面临的几乎所有挑战的完美新解决方案。
我们将如何实现这一目标：真实案例
在我们与数十家公司和HR科技供应商交谈时，让我总结一下我们看到的一些大型、高投资回报率的实际案例。
1/ 用于招聘、流动、发展、薪酬公平的人才情报
人才情报现已成为现实。公司可以使用基于 LLM 的系统（Eightfold、Gloat、Beamery、Seekout、Phenom、Skyhive）来识别员工的数百个特征（即技能），使公司能够智能地寻找候选人、决定谁已准备好晋升、调动人员寻找新的机会（人才市场），并确定薪酬不平等。
我们已经研究了这个领域好几年了，现在许多供应商都可以“现成”使用，并且使用来自 Lightcast 等提供商的数据，公司可以相对轻松地开始识别能力差距，研究外部市场的趋势，并使用人工智能为许多人力资源实践构建战略和运营解决方案。——我相信这个市场还很年轻，最终将颠覆许多核心 HCM 参与者。
在招聘中，现在有一些AI插件可以生成职位描述，针对不同的角色进行调整，创建个性化的候选人电子邮件，并丰富您自己的简历。这些工具正变得越来越智能：它们现在可以个性化招聘流程的每个部分，从而节省招聘人员的外展和写作时间。例如，我刚刚看到不少最新的人工智能职位描述生成器，它可以让你根据技能、技术和许多其他因素调整描述。
2/ 员工体验应用程序（入职、工作过渡、管理）
第二个增长空间是“智能员工聊天机器人”，它将文档、支持材料和交易系统整合到一个易于使用的体验中。我们的一些客户正在尝试这一点，我们自己的 JBC HR Copilot 为人力资源专业人员本身提供了这种类型的解决方案。这些实际上是企业应用程序，公司将自己的内容放在一起，制定数据安全策略（我们不希望每个员工看到每个文档或流程），然后使用“编排”工具将聊天机器人连接到企业系统。
IBM Watson Orchestrate 就是为此而设计的（SAP 现在正在使用），并且平台供应商和 HCM 提供商将提供许多此类工具。Workday Assistant 是第一代尝试 - 一旦您将各种人力资源系统的知识与流程文档结合起来，聊天机器人就可以最终取代我们所有的员工门户。
到目前为止，我们发现这些应该首先关注狭窄的用例，然后再进行扩展。例如，一家大型连锁酒店刚刚构建了一个聊天机器人，旨在帮助前台工作人员准确了解如何为高净值客户提供服务。它连接到预订系统，帮助员工了解如何为该客户定制服务。想象一下像这样的入职工具、领导层过渡系统等。
每个 EX 供应商都希望参与其中。Firstup 等提供商使用人工智能为每个人单独定制员工通信。这将成为我们用于许多员工体验应用程序的一组核心功能。
3/ 员工培训和合规应用程序
价值 3500 亿美元的员工培训行业迫切需要生成式 AI。我们已经看到了一些工具，可以从文档生成培训，自动创建测验，并利用现有内容并将其变成“教学助手”。就在昨天，我与一位客户交谈，他刚刚与供应商建立了一个新的领导力发展计划。我们讨论了将这些内容放入我们的 Copilot 中，以便通过经理的对话界面“按需”提供。一旦有了人工智能平台，这并不是一个困难的项目。
但还有更多。Cornerstone、Docebo、Degreed 等公司现在正在使用 AI 来智能推荐内容（基于人才智能，而不仅仅是点击流），根据角色、团队、位置和员工活动生成和推荐微学习，甚至将 AI 用作游戏“提示”员工了解更多信息。
举个例子：我们刚刚在公司的培训学院启动了一个微型学习项目，向人力资源人员传授人工智能知识。例如，该课程由一系列互动问题、小笔记和手机上的互动组成，可以导入到我们的副驾驶中，并在有人提问时提供。这些并不是现成的解决方案，但我们已经很接近了。
请记住，学习与开发团队的大部分工作都是围绕内容创建展开的。这些构建角色、图像、场景和视频的新一代人工智能应用程序将被 L&D 团队广泛使用。我刚刚找到了一个工具，可以拍摄长视频（即讲师指导的课程）并快速找到“最有趣”或“最密集”的内容来创建迷你片段。想象一下，您将不得不拍摄长视频并将其转化为章节、点播学习以及新知识学习的促销活动。
4/ 员工发展和成长应用程序
接下来是帮助员工发展职业生涯的大量新工具和平台领域。感谢人才智能平台，我们现在拥有由人工智能（而不是你的老板）生成的“职业道路”。这些系统会考察您的技能和经验，并（以图形方式）向您展示您拥有的所有成长选项，所有这些都基于数百万人的经验。
例如，您是否知道从事分析工作的营销经理可以进入数据科学、网络安全甚至财务分析领域？或者，一个在医院做小时工“交通支持”的人可以加入职业道路，成为一名 X 射线技术人员或临床护士？
这些路径都是由人工智能揭示和解释的，这些新系统准确地向你展示了你需要学习什么、你必须获得什么认证，甚至你可以和谁谈论这条路径。实际上，我们正在为人力资源专业人员开发此类解决方案（即将推出），您会惊讶于这些工具的帮助之大。
为什么人工智能如此重要？因为这从根本上来说是一个大数据问题。我不可能猜测一个人在我们公司可能拥有的所有职业选择，但如果我将他们的个人资料和历史记录插入八重职业导航器或其他系统，我们都可以看到许多我们从未考虑过的选择。
想想这将如何帮助没有学位的员工在职业生涯中取得进步。不再需要在网站上逛来猜去哪里申请工作——这些职业导航系统将改变许多人的生活。
5/ 绩效管理和运营改进
人工智能应该用于绩效管理吗？嗯，我不希望这些系统写绩效评估，但是，是的，它们会有很大帮助。考虑一下我们每个公司都遇到的典型问题：一个团队、一个工作组或一个个人表现不佳。这个群体或个人的数量落后，他们的项目迟到，或者他们的质量不合格。我们是否要等待经理找出问题所在并让他们弄清楚该怎么做？
这就是今天的运作方式：每个经理都必须猜测、弄清楚并决定对绩效不佳的个人、团队或项目“做什么”。为什么不让人工智能为我们做一些事情呢？例如，我们已经看到一些应用程序可以向您展示公司绩效的综合“视图”。从很多方面来说，这都是一个数据问题。
例如，如果我们发现超过一定规模的项目团队根本无法完成工作怎么办？如果我们查看团队的技能构成并发现缺少一项重要技能怎么办？也许终身教职是问题所在（顺便说一句，这通常是问题）。也许多样性阻碍了团队的发展。
虽然直线经理可能不会进行此类分析，但我可以向您保证，人力资源顾问很乐意在这里提供帮助。这些更广泛的组织设计和绩效项目无处不在，一旦我们在人工智能系统中拥有了所有数据，我们就可以简单地向它提问。
我问Google 的 Bard，“请比较一下雪佛龙和埃克森美孚的财务增长、回报和利润率。” 大约十秒钟就完成了相当不错的工作。想象一下，如果您在自己的公司中跨团队这样做会怎样？一旦我们将内部数据输入正确的人工智能系统，这将成为常规且常见的事情。
6/ 保留、混合工作、幸福感、敬业度分析
这引导我进入最后一个重要领域：研究、分析和提高员工保留率、福祉和敬业度。
我接触过的每家公司现在都在处理员工倦怠、福祉和其他敬业度问题。几十年来，我们依靠调查和各种基准来试图弄清楚该怎么做。是的，良好的反馈系统可以为我们提供大量有帮助的信息。
但是，如果我们只是将这些数据放入我们的大型人工智能平台并询问一些问题会怎样？“影响销售部门人员流动的最重要因素是什么？” 可能是经理。这可能是一种补偿。可能是终身教职。可能是别的东西。
是的，我们总是可以使用调查、市政厅和其他倾听方法来做到这一点。但如果我们只看数据呢？我们已经多次介绍过美国银行学院的故事，讲述的是一家公司通过详细分析数据“发现”其人才问题的故事。例如，他们发现银行余额与分行员工的任期密切相关。终身任职是由许多其他因素驱动的：人们在职业生涯中如何被聘用、入职和支持。通过进行该分析，他们能够显着提高业务绩效和保留率。他们的敬业度调查永远不会指出这一点。
你是如何开始的？
这给我们留下了一个大问题：如何开始？让我分享一下我们学到的东西。
首先，与其“追逐技术”，不如“爱上问题”。
换句话说，您想关注什么问题？是员工入职吗？人力资源自助服务？小时工排班和轮班管理？这意味着让您的团队聚集在一起确定投资的优先顺序，因为构建基于人工智能的解决方案并不像您想象的那么简单。
其次，一旦您决定从哪里开始，就该让 IT 团队参与进来。这些用例中的每一个都会变成一系列数据质量、数据管理、数据字典、然后是安全、业务规则和机密性的问题。
请记住，“将信息扔进法学硕士”可能听起来很有趣，但即使它有效，你也只是让各种各样的人访问他们可能不需要、不想要、甚至不被允许看到的信息。因此，聊天机器人的实施意味着同时关注用户体验、数据管理、搜索和编排。
我们自己的副驾驶工作已经给了我们这样的经验。一旦你收集到数据（在大多数情况下，并不清楚谁拥有什么），你必须开始测试 Gen AI 用例，定义安全规则，并决定你想要什么（如果有）后端编排。这些并不像“将一堆电子表格扔进 OpenAI 并开始提出问题”那么令人兴奋，但这正是真正的解决方案需要做的。
第三，你必须意识到，人工智能系统与交易系统不同，它负责照顾和喂养。“及时工程”意味着调整系统以正确回答问题，找到数据或文档中的差距，并不断努力保持用户体验简单。一旦聊天机器人或其他系统投入运行，我可以保证将会需要更多（和新的）数据。
从很多方面来说，新的人工智能系统就像一个新生婴儿。它必须学习如何走路、说话、举止以及避免麻烦。在您真正使用之前，现成的工具不会执行此操作，因此您需要 IT 的帮助来确保您的系统在增长时具有可持续性和可支持性。
人工智能将如何影响人力资源本身？
还有一个关于你的角色的大问题。这些新系统会让你被淘汰吗？
答案显然是否定的。这些智能系统是数据饥渴的恶魔。一旦构建它们并添加正确的信息，您将成为分析师、聊天机器人培训师、产品经理和设计师。查找信息和分析信息的许多平凡工作可能会消失，但了解要使用哪些信息的更高级别的工作将保留下来。随着新应用程序的到来，将会出现许多新的工作来负责人工智能系统、调整它们并不断改进它们。
让我向您告别：尽管这个领域令人兴奋不已，但人力资源中的人工智能实施仍然是技术项目。它们与任何交易系统都存在许多相同的问题和挑战，并且系统本身一直在“学习”。
我可以向您保证，整个领域既被过度炒作又被低估。如果您从小事做起，亲自动手，并带上您的 IT 团队，那么您将开始在我讨论的任何领域看到令人震惊的商业利益。
-
LLM
【印度】人工智能教育平台提供商Shaktimaan.ai获得200万美元种子轮融资
总部位于印度的人工智能教育平台提供商 Shaktimaan.ai 在种子轮融资中筹集了 200 万美元。
支持者包括 Fundersclub、GoodWater Capital、Y Combinator 和 Jar 的创始人等。
Shaktimaan.ai 打算利用这笔资金增强平台的功能和适应性，并推进专门为各种教育用例训练的语言模型（LLM）。
Shaktimaan.ai 由Vimal Singh Rathore和Aseem Gupta于 2021 年共同创立，从 UPSC 考试开始，让学生在一个有纪律的生态系统中获得知识和个性化指导。目前，它可在数秒内提供实时解疑、个性化反馈和手写答案评估。
Shaktimaan.ai 是 Y Combinator 2023 年冬季团队的一员。
关于Shaktimaan.ai
Shaktimaan.ai是印度第一个个人导师和学科诱导学习生态系统。
文章来源：finsmes
-
LLM
【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。
扫一扫 加微信
hrtechchina
