• 人工智能
    Forrester报告:2019年企业将缩减人工智能的规模 文/VASCO PEDRO,UNBABEL 上周,Forrester发布了两份关于人工智能的调查报告——《2019年预测:自动化》和《2019年预测:人工智能》。引人注目的是一个没有企业真正愿意承认的统计数据:2019年,整整10%的公司将把人类的专业知识带回人工智能领域,这一趋势将在很大程度上归因于人工智能的局限性。 让我们明确一点:我说的是商业上的人工智能驱动的自动化,而不是人工智能的进步,比如拯救生命。没有人认为人工智能在医疗保健和检测图像中癌细胞的训练算法上的标记值得后退一步。最好让机器里的医生继续工作。 但说到商业,Forrester揭示了一些残酷的事实。没有哪个企业愿意承认自己的人工智能出现了问题,而作为一个人工智能驱动解决方案组织的商业领袖,我对任何一家经历过人工智能“后果”的公司都感到好奇。然而,人工智能的退步数据并不令人惊讶,尤其是当你从客户服务的角度来看人工智能时。 是时候抑制AI的热情了? Forrester的报告令人惊讶的是,只有10%的公司明显在放弃人工智能。考虑到大量的公司正在自动化错误的事情,以及其他对人工智能完全不切实际的期望,我预计50%的受访者计划在2019年后退一步,把一些非常需要的人性带回循环。 公司开始超越人工智能的规模经济,意识到调查揭示的一些残酷事实;也就是说,自动化是伟大的,但实际上,只有当它使您更接近您的客户,它才伟大。如果人工智能正在取代服务台上的人工智能或在线聊天工具上的人工智能,那么在客户服务和满意度方面,你就会陷入连败的境地。 真相和证据都在外面,它告诉我们大多数人都喜欢与人接触。我们已经相互交流了几千年了,事实证明,客户服务是我们期待人类专家参与的一个领域。 这一主张经得起推敲。看看哈佛商学院(Harvard Business School)的莱恩·w·布尔(Ryan W. Buell)过去10年对自动化的广泛研究吧。他已经证明,使用atm机的客户比真人柜员机的客户对银行的满意度要低,他在大都会人寿保险公司(Metlife)的自动电话吊唁信息中标注的“死亡相关保险客户索赔”,无疑是一个危险信号,表明同情不应被归入人工智能。 自动化 也许我们能从这项研究中得到的最大教训是,在大多数情况下,人类不应该被完全排除在人工智能的圈子之外。我们需要以一种表明我们了解客户真正想要什么的方式为人们实现自动化,并以一种使用自动化来促进客户支持过程的方式实现自动化。 在人工智能和人类之间取得正确的平衡通常意味着使用自动化作为第一反应线。这吸引了绝大多数的客户,他们会尝试(甚至更喜欢)在联系现场代表之前自己解决问题。只要总是有切换到实时代表的选项,大多数企业都会发现这是自动化和人际接触之间的有效平衡。 这方面的一个很好的例子是自动化,它可以检测到用户在旅途中的任何一步都有重复出现的困难,并通过人工客户支持代理触发一个聊天窗口。另一个例子是自动化收集和交付客户信息给客户支持代理在联系开始前,以便实际的对话是知情的和个性化的。 它是关于使用自动化来帮助你的客户在他们需要的时候获得最好的,最快的,最个性化的客户支持。 2019年即将到来,这项研究的时机很好地提醒了我们,人工智能的到来是为了让我们能够自由地与客户进行良好的对话——不是简单直接的东西,而是最终建立和推动品牌忠诚度的真正问题。如果我们能让人类参与其中,并利用人工智能提高客户支持操作的效率,我们就能关注人工智能的潜力,而不是它的局限性。   以上为AI翻译,内容仅供参考。 原文链接:Businesses will scale back on AI in 2019
    人工智能
    2018年11月13日
  • 人工智能
    数据成本是否扼杀了您的AI启动计划? 数据为AI初创公司提供了防御性的护城河:初创公司收集的用于培训AI模型的数据越多,该模型的表现就越好,新的参赛者难以赶上。然而,这些数据并非免费提供,许多人工智能初创公司认为他们的利润受到这笔额外费用的侵蚀。随着时间的推移,您可能希望减少对数据的投入,但目前尚不清楚如何预测何时会发生这种情况以及在何种程度上预测未来增长的模型。 与软件初创公司不同的是,产品开发埋藏在损益表中的研发成本之下,AI初创公司应将数据成本作为销售成本(COGS)的一部分。将数据视为COGS而非研发成本将有助于您发现扩大规模并降低成本的机会,从而提高利润率。 下面的数据价值链流程图显示了大多数AI初创公司如何获取和使用数据。首先,您将基础事实的片段记录为原始数据。您将原始数据存储在某处,然后建立流程或管道以维护和访问它。在AI模型中使用它之前,需要对数据进行注释,以便模型知道如何处理每个数据点。然后,训练有素的模型接收数据并返回推荐,然后您可以使用该推荐来为最终用户采取某种结果。该过程可以分为三个不同的步骤:获取数据,存储数据和注释数据以训练模型。每一步都会产生成本。 数据采集​​成本 在所有数据价值链中,某种传感器(物理设备或人类)首先需要通过捕获对现实的观察来收集原始数据。在这种情况下,数据采集的成本来自创建,分配和操作传感器。如果传感器是硬件,则必须考虑材料和制造成本; 如果传感器是人类,那么成本来自于招募并为他们提供制作和记录观察所需的工具。根据您的覆盖范围需要多大,您可能需要支付大量费用来分发传感器。某些用例可能需要以高频率收集的数据,这也可能会增加人工和维护成本。例如,观众测量公司尼尔森,面临所有这些成本,因为它既提供了框,也支付参与者报告他们在电视上观看的内容。在这种情况下,随着尼尔森的数据变得越来越有价值,其覆盖范围越广泛,规模经济就会降低单位数据采购成本。 在某些使用案例中,您可以通过向他们提供管理工作流程的工具(例如,自动电子邮件响应生成器),然后将他们捕获的数据存储在他们的工作流程中,将数据采集的工作和成本转移给最终用户。工作或观察他们与工具的交互并将其记录为数据。如果您选择免费分发这些工具,数据采集的成本将是客户获取工作的成本。或者,您可以选择为工作流工具收费,这可能会减慢和限制客户采用率,从而减少数据采集,同时抵消数据采集成本,具体取决于您的价格。 例如,我公司的一家投资组合公司InsideSales为销售代表提供了一个平台,可以拨打他们的潜在客户。当销售代表使用该平台时,它会记录有关交互的时间,模式和其他元数据,以及该销售渠道中的销售线索是否进展。该数据用于训练AI模型以推荐最佳时间和通信模式以联系类似的线索。这里,随着越来越多的用户进入平台,网络效应可能会增加工具的实用性,这可能会降低用户获取成本。 或者,在另一个实体已经建立数据收集管道的情况下确保战略合作伙伴关系可以进一步降低成本。我们的另一家公司Tractable采用计算机视觉实现汽车保险调节器的自动化工作,正在与几家领先的汽车保险公司合作,以获取受损车辆的图像,而无需投资向个别车主分发应用程序。 存储和管理成本 在数据存储和访问方面,初创公司面临另一个成本问题。除了您收集的数据之外,您可能还需要客户提供其他上下文数据以丰富您的模型。许多行业最近才开始数字化,因此即使潜在客户拥有丰富模型所需的数据,也不要认为数据易于访问。为了使用它,您可能不得不花费大量人力来进行低利润率的数据准备。 此外,如果数据分布在不同的系统和孤岛中,您可能需要花费大量时间来构建每个集成,然后才能使模型完全正常运行。一些行业围绕单片和特殊技术堆栈构建,使得集成很难在客户之间重用。如果集成服务提供商不可用,那么您的AI启动可能会发现自己陷入了为每个新客户构建自定义集成之前,它可以部署其AI系统。数据结构的方式也可能因客户而异,要求AI工程师花费额外的时间来规范数据或将其转换为标准化模式,以便可以应用AI模型。建立一个通用集成库可以降低成本,因为您可以在新客户中重复使用它们。 培训费用 大多数AI模型构建方法都要求您标记和注释数据,这是AI初创公司最大和最可变的成本之一。如果示例很简单或通常被理解为足以使外行人能够执行注释 - 例如,在图片中的所有苹果周围绘制一个框 - 您可以使用外包劳务服务(例如Mechanical Turk或图8)来执行注释。 然而,有时候,注释需要更专业的知识和经验,例如基于视觉线索确定苹果的质量和成熟度,或者石油钻井平台上的生锈斑块是否危险。对于这种更专业的劳动力,您可能需要建立一个内部专家注释团队并支付更高的工资。根据您的注释方式,您可能还需要构建自己的注释工作流工具,尽管像Labelbox这样的公司现在正在出现提供此类工具。 在某些AI应用程序中,最终用户是最有效的注释器,您可以通过设计产品来卸载注释成本,以便用户在数据与产品交互时标记数据。Constructor是我们的投资组合公司,提供针对电子商务的人工智能网站搜索,观察用户实际点击并购买每个搜索词的产品,使他们能够优化搜索结果以获得更高的销售额。这种注释不可能通过外包或专家搜索服务进行人工操作,并且可以保存Constructor,否则可能是重要的注释成本。 即使在您以高精度训练模型之后,当模型不确定如何解释新输入时,您偶尔也需要人类进行干预。根据模型如何为最终用户提供价值,该用户自己可以对模型进行更正或注释,或者您的创业公司可以通过采用质量控制“AI保姆”来处理异常。如果环境是您的建模是易变的并且以高速和常规速率变化,您可能希望保持稳定状态的注释器团队以根据需要使用新数据更新模型。 扩展AI业务 第一批成功的人工智能企业进入市场,提供无AI工作流程工具,以捕获最终培训AI模型并增强工具价值的数据。这些创业公司早期就能够实现软件利润,因为数据和人工智能是创业公司价值主张的次要因素。然而,随着我们转向人工智能的更专业应用,下一波人工智能创业公司将面临更高的启动成本,并需要更多的人力资源来为客户提供初始价值,使其成为低利润率的服务业务。 获得大量客户和数据将最终降低单位经济效益并构建关键的复合防御能力,但许多初创公司并不确切知道这一点到底有多远,以及他们需要做些什么来更快地实现目标。最好的人工智能初创公司将了解哪些杠杆可以在该途径上进行优化,并有意识地使用它们来进行正确的投资并快速扩展。   以上为AI翻译,内容仅供参考。 原文来源:Could data costs kill your AI startup?  
    人工智能
    2018年11月11日
  • 人工智能
    利用AI帮助营销人员优化投资策略,Aiden.ai获160万美元种子轮融资 来自伦敦的人工智能分析初创公司Aiden.ai获得了160万美元的种子轮融资,以开发其“AI驱动的营销分析师”。他们声称,这就类似于为移动应用的营销团队增加了一位成员。本轮融资由Partech领投,Sophia Bendz(曾在Spotify领导市场营销)和Nicolas Pinto(Perceptio创始人)跟投。 2017年3月,Aiden.ai获得了75万美元投资,结合此次种子轮融资,该公司的融资总额已经达到了230万美元。 目前,Aiden.ai也推出了它的全套产品。Aiden表示,其产品是为移动应用营销人员所设计的,它使用机器阅读来分析大量付费广告数据,并主动做出策略改变以提高投资回报率。 值得一提的是,这个想法不是使用手动仪表板来获取数据,而是提供一种简化的体验来帮助营销人员管理他们的多渠道付费收购活动,并充分利用他们的投资。 首席执行官Marie Outtier表示:“如今的业绩营销人员被来自多个来源的数据所困扰。” 她说这是“新一代软件,一种倾听、学习和行动的软件。” Partech的合伙人Reza Malekzadeh表示:“我们相信Aiden.ai正在最需要的时候,为营销人员构建一个创新的解决方案。Marie和PJ对未来数据和分析的愿景利用了机器学习和自然语言处理领域的最新进展,创造了一种可以改变营销人员工作方式的工具。” 该公司由Outtier和PJ Camilieri(CTO)共同创办,Outtier拥有移动营销和技术背景,PJ Camillieri此前在苹果工作了10年,从事自然语言处理和虚拟助理开发工作。   原文链接: Aiden.ai raises a $1.6M seed round for its AI marketing analyst
    人工智能
    2018年11月08日
  • 人工智能
    量子保A+轮融资成功 将持续深耕中小企业场景生态 近日,互联网保险新科技平台量子保(liangzibao.cn)宣布完成A+轮融资。本轮投资方包括美股上市公司拍拍贷、西电天朗创投-聚卓资本、阿里创业元老等,并由上一轮老股东线性资本继续跟投支持。这是量子保继2017年7月完成A轮融资之后,资本市场对其在保险科技领先地位和核心竞争力的再度肯定,对团队实力、业务策略和增长空间的看好。 此轮融资之后,量子保将继续专注在中小企业“保险+服务”定制解决方案上的深耕,用创新保险科技和服务理念赋能中小企业,携手上游保险公司共同推动保险行业创新融合变革,更好地服务实体经济。 在技术层面,量子保将加大在动态定价系统、大数据风控、人工智能等方面的研发投入,不断提升风控能力,优化投保理赔等全线上流程的极致用户体验;同时,吸引优秀人才、建全人才培养机制,提升产品研发和孵化能力,以更精准的产品满足当下及未来,零散、高频的企业和个人保障的需求;此外,量子保将继续探索为客户开发包括小程序在内的灵活创新的营销方式,助力中小企业获客、增收。用领先科技和创新产品赋能企业,帮助企业转型升级,推动产业健康发展。 截止目前,驾培、医美、教育领域的企业和个人,以及蓝领务工群体,都已经享受到了量子保“保险+服务”模式带来的巨大价值。合作企业客户已达上千家,惠及数百万个人用户,并有近百家大型优质保险公司选择量子保,为我们提供强有力的支持。 量子保创始人兼CEO汤鹏表示:“过去两年,我们通过大数据风控、动态保费等技术创新和快速高效的产品迭代,迅速打通了驾考、医美、出行等场景的保险业务,并形成行业壁垒,接下来,随着技术不断迭代,一方面我们深挖垂直场景的生态价值,比如为中小企业开发获客小程序,并孵化更多创新保险产品填补行业空白,扩大市场规模。同时,我们正在尝试采用全新的场景代理人模式为企业和自带流量的个人赋能,共同构建场景生态,创造更多产业价值。”   文章来源:量子保A+轮融资成功 将持续深耕中小企业场景生态 相关阅读: 2017年8月 保险科技公司量子保获A轮融资,覆盖多领域碎片化消费场景
    人工智能
    2018年11月06日
  • 人工智能
    未来的工作将走向何方? 先来看看以下工作 : 1移动应用开发者 2社交媒体经理 3优步司机 4云计算专家 5无人驾驶汽车工程师 6数据科学家 7无人机操作员 8可持续发展经理 9 YouTube内容创建者 10千禧世代专家 虽然很多这些工作对我们来说都很熟悉,但这些工作实际上是最新的。这些是10年前不存在的那些工作。未来似乎比以往任何时候都要快得多。虽然我们仍然在争论AI以及它是否会创造更多的就业机会,但世界正在变得更快。根据世界经济论坛的最新报告“未来的工作”,请看一下机器何时可以实现类似人类能力的时间表: 2024年:翻译语言 2025年:组装乐高 2026年:写高中论文 2027年:自动卡车 2029年:对人进行5K比赛 2030年:零售业客户服务 那么我们的工作未来到底是什么?更重要的是,我们是否为此做好了准备? 未来几年,一批新兴角色将变得非常重要 根据该报告,一组新兴角色在未来几年将变得非常重要,而另一组工作档案将变得越来越多余。在所有行业中,到2022年,新兴职业群体的就业份额将从参与调查的公司受访者总人数的16%增加到27%(总共超过1500万工人),而角色下降的就业份额将从目前的31%降至21%。 今天大约一半的核心就业岗位 - 占整个行业的大部分就业 - 在2022年之前将保持稳定。 在接受调查的公司中,总计超过1500万工人,目前的估计数表明,工作岗位减少了98万个,就业岗位增加了174万个。根据全球(非农业)劳动力中大公司雇用的这些趋势推断这些趋势,估计可能会有多达2022个,7500万个就业岗位可能被取代,而可能出现的1.33亿个新角色更适合于新的劳动分工。 那么哪些工作变得多余? 在接受调查的行业中,2018 - 2022年期间预计会变得越来越多的工作岗位是基于日常工作的中级技能白领角色 - 例如数据录入员,会计和薪酬办事员,秘书,审计员,银行柜员和收银员。有些工作容易受到新技术和过程自动化的影响。 与此同时,数据分析师和科学家,人工智能和机器学习专家,软件和应用程序开发人员以及分析师等职位预计会增加需求。 同样,当涉及到需求技能时,分析思维和创新,主动学习,创造力,技术设计和编程等技能将超越手动灵巧,记忆和空间能力以及技术安装和维护等技能。 影响未来就业的因素 根据本报告调查的全球雇主,四项具体技术进步 :高速移动互联网,人工智能,大数据分析的广泛采用和云技术——将成为2018 - 2022年主导的正面因素,影响业务增长积极。它们是一系列社会经济趋势,与国家经济增长轨迹等新技术的传播同步推动商机; 扩大教育和中产阶级,特别是在发展中经济体; 通过新能源技术的进步,实现更加环保的全球经济。 同时,预计会对业务增长产生负面影响的技术和社会趋势包括保护主义抬头​​,网络威胁,政府政策转变,气候变化的影响; 和日益老龄化的社会。 此外,加速技术的采用,改变生产,分销和价值链的地理位置,以及重新制定必要条件将决定就业的未来。 到2022年,根据本报告调查公司的投资意向,85%的受访者可能或很可能已经扩大了对用户和实体大数据分析的采用。同样,大部分公司可能或很可能已经扩大了对物联网,应用和网络市场等技术的采用,并广泛使用云计算。 为未来做准备 全球各国政府和组织已经开始意识到即将到来的变化,并意识到重新培训的必要性需要成为未来的最前沿。 政府和组织已经开始意识到工作将来会发生变化的现实。然而,还有待观察的是,随着技术进步对现有业务模式和实践提出挑战并改变它们,我们能够以多快的速度适应和重新适应这一不断变化的未来。除了大胆的领导,它还需要一种敏捷的员工终身学习心态。   以上为AI翻译,内容仅供参考。 原文链接:Jobs of the future: Where are they headed?
    人工智能
    2018年11月05日
  • 人工智能
    HR的未来:为什么仍然是人? 随着我们在最新的工业革命中取得进展,这是每个行业的首要问题之一——技术是否会终结一些工作岗位? 创新无处不在,自动化,物联网,人工智能和机器人技术等方面的进步,旨在使手动和数字流程更快,更高效。 但是,对某些人来说,这种转变不一定是积极的。 普华永道估计,到2030年,30%的工作岗位可以实现自动化,而一些估计则将这一数字高达50%。在英国,搜索短语“机器人会占用我的工作吗?”从2016年的每月1600次点击增加到2017年的每月近198,000次点击。显然,对于整个行业的许多员工来说,这是一个令人担忧的问题。 但这是人力资源行业的一个问题吗?我们有多大可能看到这些技术进步实际取代人力资源角色? 评估威胁 在最近的一本电子书中,我们探讨了专家是否认为这些技术在工作场所的不断增长是对传统人力资源工作角色的威胁。 在我们的受访者中,28%的人认为这是一种威胁 - 但55%的人表示没有。 而且,总的来说,我们认为他们是对的。 我们需要停止将人工智能和物联网等技术视为对传统人力资源的威胁 - 而是考虑他们为我们提供的机会。这项技术有可能使员工关系变得更加容易。 从最基本的角度来看,这项技术可以帮助您的人力资源团队不再将大部分时间花在简单,重复,交易的人力资源流程上。安排面试,撰写案例说明,归档表格,对人力资源职能至关重要的所有类型的任务,但在工作日之外花费太多时间。 人力资源从业者的自由 让我们来探索一个例子:现在,普通的人力资源从业者花费大约40%的时间来回答劳动力的相同基本问题。那个时间肯定会更好地花在其他地方。 通过实施聊天机器人来回答这些重复的交易查询,您将释放大量的团队时间来处理更高价值的任务,并提供更多实际的ER支持。 根据聊天机器人的复杂程度——例如,如果您选择内置具有AI功能的会话功能的助手,您可以依靠它来处理更复杂的请求。它可以指导员工下载人力资源表格,帮助新员工加快速度,甚至可以制定和取消预约。 将这些技术视为推动因素:让您的员工有更多时间来完成AI永远无法接管的战略性人力资源和ER工作。面试,指导,亲自接触人才 - 真正需要人性化的事物。 在人力资源中保持“人” 人力资源的未来是,而且永远都是人。 您需要做的是关注他们的要求,使他们的工作生活更轻松,并依次改善员工的体验。 要记住的最重要的事情之一是,如果不适合您的团队或您的业务,您不必采用新技术。虽然硅谷创业公司独特文化的不断扩大的窗口正在改变许多人看待人力资源的方式,但没有人像你一样了解你的业务。这意味着选择能够使您的人力资源部门尽可能有效运作的技术至关重要。   以上为AI翻译,内容仅供参考 原文链接:The future of HR: why it'll always be people
    人工智能
    2018年11月05日
  • 人工智能
    Pymetrics为人工智能招聘融资4000万美元 文/KHARI JOHNSON 9月27日,Pymetrics宣布筹集了4000万美元,通过结合神经科学和人工智能来扩大其工作,以帮助公司招聘合适的求职者。这笔资金将使Pymetrics继续用于产品的开发和扩张到美国以外的市场。这笔4000万美元的融资由General Atlantic牵头,Salesforce Ventures和Workday Ventures以及现有投资者Jazz Venture Partners和Khosla Ventures参与。 目前有超过60家公司在其招聘实践中使用Pymetrics,包括联合利华,凯悦和埃森哲。在某些情况下,使用Pymetrics的公司的雇佣多样性增加了20%,保留率增加了65%。全球有超过100万名求职者使用该公司的Android和iOS应用程序玩过Pymetrics游戏。 Pymetrics首先要求表现最好的公司正在招聘一系列游戏。这允许Pymetrics跟踪他们的表现和对不同场景的反应,并衡量与该工作相关的特定特征。然后将候选人与这些结果进行比较。 使用人工智能来匹配公司与候选人的情况一直在增加 - 来自诸如Indeed,ZipRecruiter,Vervoe和Plum等公司的解决方案 ,但对于该过程中出现偏见的担忧 也有所增加。 今年9月中旬,参议员Kamala Harris(D-CA),Patty Murray(D-WA)和Elizabeth Warren(D-MA)致函平等就业和机会委员会(EEOC)成员,询问有关EEOC如何评估基于算法偏差的歧视和在招聘过程中使用面部识别软件。 由于已经雇用公司职位的人员可能来自一个单一的,同质的团体,Pymetrics通过内部开发的偏见检测工具增强其服务,以防止仅仅强化现有偏见的结果。5月,Pymetrics 开源了一个名为Audit-AI的工具。 “我们看看这些特征使得那些人群[表现最佳者]的特征是独一无二的,有时这些特征可能不是工作绩效的预测因素,而是通过它的人的同质性,”Pymetrics领导数据科学家Lewis Baker在接受采访时告诉VentureBeat可以。“因此,我们使用审计AI来确保我们不会增加任何实际上更能预测特定人口群体的特征。” 除了帮助公司寻找新员工外,Pymetrics还用于帮助公司将现有员工作为新职位的目标,并确定潜在的改进领域。 自公司成立于2013年以来,它已筹集了总计5800万美元。 Pymetrics拥有87名员工,总部设在纽约市,在伦敦,新加坡和悉尼设有办事处。   以上为AI翻译,内容仅供参考。 原文链接:Pymetrics raises $40 million for AI-powered job recruitment 相关阅读: 2013年以游戏式测验来选出更适合公司职位的校招候选人,Pymetrics获得250万美元融资 2017年9月 利用AI和神经科学游戏匹配最合适工作,Pymetrics获800万美元融资 2017年用神经科学和AI帮你找工作,Pymetrics获得800万美元融资  
    人工智能
    2018年11月03日
  • 人工智能
    Eightfold使用AI为求职者匹配空缺职位 文/KYLE WIGGERS 招聘人员很难; 找一个合格的求职者并不容易。根据美国劳工统计局的数据,在医疗保健和金融服务等行业,平均招聘时间超过49天。招聘费用很高 - 单个职位的费用高达4,129美元。 这就是Eightfold的用武之地。今天的初创公司在其职业发现平台 - 个性化职业网站 - 中添加了一个新产品,该平台利用人工智能(AI)来解决所谓的人才缺口。 首席执行官兼联合创始人Ashutosh Garg在接受VentureBeat采访时解释说,大多数工作地点的问题是他们没有考虑到候选人的相关工作经验,技能,角色和教育背景。同时,在这个等式的雇佣方面,他们经常会阻碍那些分享,推广和候选人分类工具不足的公司。 “糟糕的职业网站和职位描述阻碍了申请过程,因为他们没有吸引合格的人才,更糟糕的是 - 劝阻不同的候选人,”加格说。“由于任何特定组织内的机会过剩,大多数候选人表示,求职中最艰难的一步就是找到合适的角色。” Eightfold带来了由领先的AI研究人员设计的高度个性化,机器学习驱动的工作匹配引擎(Eightfold的数据科学家在他们的名字上有6,000多项研究引用和80多项搜索和个性化专利。)职业网站有候选人创建个人资料并上传(或链接到)简历,Eightfold的专有匹配算法解析上下文信息。求职者可获得公司最适合的职位列表,以及对其技能的相关性评估。 实际上,个性化职业网站可以判断一个人在提交申请之前是否可能被考虑担任该职位。 Eightfold的AI应用并不止于此。它的聊天机器人可以使候选人有资格,收集简历,并回答有关技能,工作适应性,福利和文化的问题。除了使用人工智能之外,这家创业公司还从拥挤的工作现场竞争对手中脱颖而出,拥有SEO优化的工作页面,一键式申请流程,并支持公司简介上的自定义内容 - 包括视频。 Garg声称,它减少了80%的采访时间,同时降低了雇用成本。 “在Eightfold中,我们将焦点从模糊的要求列表转移到候选人最关心的内容 - 他们将要做的工作,他们将与之合作的人以及他们获得工作的可能性,”他补充说。 。“无论候选人是否最终被聘用,具有申请公司工作积极经验的候选人更有可能购买其产品,并建议其他人申请在那里工作。”   以上为AI翻译,内容仅供参考。 原文链接:Eightfold uses AI to match job seekers with open positions
    人工智能
    2018年11月03日
  • 人工智能
    人工智能:如何使人力资源团队自动化 文/ Laura Butler 在我们日常生活中的自动化和我们学会在办公室里一起工作的方式之间,可以说世界已经为人工智能做好了准备。为了保持竞争力,人力资源专业人员也需要找到接受它的方法。 在我们的一生中,人类的人工智能(AI)已经从虚构的科幻人物变为现实。也许你没有像R2-D2这样的机器人跟随你,但你可能使用智能手机助手,智能家居设备或智能手表 - 所有这些都使用AI。 AI还用于流量预测应用,金融欺诈保护服务,基于用户兴趣的社交媒体馈送,垃圾邮件过滤器和在线购物推荐。 根据Workfront的工作状态报告,美国工人表示,他们37%的工作已经自动化,其中40%的工作应该是自动化的。无论我们是否意识到,我们已经达到了自动化的时代。 在我们日常生活中的自动化与我们在办公室学习与其一起工作的方式之间,公平地说世界已经为人工智能做好准备并保持竞争力,人力资源专业人员也需要找到接受它的方法。   人工智能可以影响人力资源 “工作状况”报告还发现,只有三分之一的工人认为人们将在不久的将来与人工智能竞争工作,而83%的人认为人工智能会让工人以新的和创新的方式思考。 大多数(69%)工人表示,自动化将为他们提供更多时间来完成他们的主要工作职责,几乎一半(44%)的人表示他们的工作的某些部分已经被人工智能接管,从而将他们从更多的战略工作中解放出来。 我们已经开始采用人工智能,我们不会感到受到它的威胁。事实上,我们认为AI有可能帮助我们在工作中更有效。 有些东西机器更快更有效率,作为人力资源专业人员,你可以让人工智能承担这些任务,这样工人就可以将时间和技能用在需要人工接触的任务上。 您可以通过以下三种方式自动化人力资源团队,以提高工作效率并实现员工之间的更多协作。 如何自动化您的人力资源团队 这些领域特别有利于自动化,当您在这里实施AI时,您会发现您的团队可以自由地做更有意义的工作。 1.自动化重复性任务 “工作状态”报告发现,工作人员每周只有40%的工作时间用于主要任务。这意味着他们的大部分时间花在了不那么有意义的工作上,而且他们没有多少时间使用他们所雇用的技能。 自动执行重复性任务是在团队中实施AI的最简单方法之一。您每天或每周以相同方式执行的流程和任务占用宝贵的时间,这些时间可以更好地用于高价值的工作,例如制定战略和创造性解决问题。 诸如入职新员工,提出常见问题,完成常见请求以及批准文档等任务是自动化的理想选择。 报告是另一项重复性任务,可以自动化以提高生产力。当使用自动化仪表板和报告时,管理人员可以查看实时进度更新并提供更准确且更频繁的报告,同时减少编译它们所需的时间。 在这里使用AI有可能提高效率,因为人为错误的空间会减少。自动化常规工作流程还意味着团队可以自由地建设性地工作,从而提高生产力。 2.自动化通信和审批流程 当被问及是什么妨碍了他们的工作时,“工作状态”报告的受访者列出了以下最常见的响应: ●浪费的会议(62%) ●电子邮件过多(55%) ●意外的电话(41%) 请注意这三者的共同点:它们都是通信问题。 事实是,沟通和审批流程可能占用我们很多时间。在电子邮件,即时消息,不必要的会议和追逐经理批准之间,我们有时间在今天完成任何其他工作,这是一个奇迹。 自动化通信将使他们更有效率并为您的员工腾出大量时间,以便他们能够花时间协作完成重要任务。 自动化通信和审批流程不仅可以提高团队的工作效率,还可以腾出时间进行更多协作。 3.自动化合规性工作流程治理 合规性流程通常很麻烦且非常耗时,但使用正确的AI解决方案,可以更有效地完成这些流程,而不会占用宝贵的时间。 一家科技公司发现自己增长如此之快,以至于其团队花费了大量时间来生成和发送大量的录取通知书。手动编写后,这些信件需要经过多次审核,以确保符合合规要求。但是,通过人工智能解决方案起草了这些信件并包含了内置的合规性和准确性审核,新流程要求员工花费更少的时间。该公司的处理时间缩短了66%,其四名全职员工可以自由地将时间花在更高价值的工作上。 自动化合规性工作流程将提高准确性,同时减少工作人员在这些任务上花费的时间。这引领了提高生产力和协作的方式,因此员工可以在真正需要的地方使用他们独特的人力技能。 “工作状况”报告显示,随着劳动力向更自动化迈进,82%的工人对学习新事物感到兴奋。人工智能的时代就在这里,通过将其纳入我们的团队,我们可以使工人更高效和协作。 然而,93%的工人也认为总是需要人性化,他们是对的。虽然人工智能有能力使我们更有效率并打开新的可能性,因为工人将行政任务放在一边支持更高价值的任务,但人们将永远是推动人工智能与人类工作融合的动力。 当您在人力资源团队中实施人工智能时,您可以自由地花时间制定愿景,最终使人们和人工智能共同合作,实现令人兴奋的新生产力和协作水平。   以上为AI翻译,内容仅供参考。 原文链接:The Age of AI is Here: How to Automate Your HR Team
    人工智能
    2018年11月02日
  • 人工智能
    2019年三大员工敬业度趋势 文/ Sushman Biswas 员工敬业度已成为各地雇主关注的首要领域。随着技术的采用和创新的劳动力管理战略的日益普及,领导者现在可以更专注于让他们的人才快乐和参与。以下是我们2019年的三大员工敬业度趋势。 员工敬业度已成为各地雇主关注的首要领域。随着技术和创新的劳动力管理策略的不断采用,领导者现在可以更多地关注于让他们的人才开心和投入。以下是我们2019年的三大员工敬业度趋势。 随着企业顺应数字化浪潮,员工敬业度仍是全球商界领袖们最关心的问题。据估计,每一位离职的员工每年会给公司带来2246美元的巨额费用。盖洛普(Gallup)的数据显示,全球只有15%的员工在工作场所工作。 然而,希望总是存在的。组织和人力资源主管已经将员工的经验和敬业度作为商业议程。借助人工智能、对话界面和强大的分析套件等技术,企业正在采取明确措施,提高员工参与度,提高员工产出。 2019年前三大员工敬业度趋势是什么? 1.员工体验占据中心舞台: 员工经验是员工在组织中的经验总和。它涵盖了员工每天在工作场所感知的所有较窄方面。随着越来越多的组织发现员工体验对其客户体验的影响,我们可以期待人力资源团队将员工经验置于议程的首位。领导客户体验的公司员工人数增加了60%。 当大多数人考虑良好的客户体验时,他们通常只考虑客户接触点。然而,同样重要的是为客户提供服务的人员的经验,他们必须处理他们用来帮助​​服务客户及其需求的后端系统和流程。 组织将越来越需要关注他们的文化,专业发展机会,奖励和认可以及团队关系。脉冲调查和情绪分析等解决方案将有助于更好地了解人才,以及让他们在2019年及以后继续参与的因素。 2.连续学习: 第四次工业革命正在我们身上。人工智能,增强现实和数字化一切意味着未来的就业市场和技能将经历快速变化。这将对雇员与雇主的关系产生严重影响。学习和发展计划将成为推动员工敬业度发展的关键。持续学习的文化提高了员工的弹性并推动了创新。 员工和组织的未来共享投资意识促进了忠诚度,从而提高了保留率。2016年德勤报告指出,学习机会是员工敬业度和建立强大的工作场所文化的最大驱动力之一。我们可以预期,在多个设备(尤其是移动设备)上提供按需定制学习体验的组织会出现大幅增长。 3.绩效管理: 长期以来,与组织目标一致的工作和绩效评估被认为是参与的关键驱动因素。不幸的是,许多组织仍在使用旧的,无效的绩效管理技术和流程。员工和经理仍在通过动议来完成所需的绩效评估表,但这些实践对整个组织的绩效没有实际影响。 随着越来越多的组织转向数据以通知其业务决策,实时反馈工具的使用和数据驱动的绩效管理流程的采用显着增加。这种趋势只会在明年增长。当员工和管理人员都非常了解他们正在做的事情背后的原因,以及他们的贡献如何影响整体业务绩效时,他们将获得设置并实现可帮助组织充分发挥其潜力的目标。 这还不是全部,在我们进入2019年时,我们还会考虑员工参与的另一个方面: 奖金提示:多样性和包容性 经过研究表明,多元化和包容性可以对员工绩效产生积极影响。多元化和包容性的团队在工作中更具创新性,参与性和创造性。但是,多样性和参与度之间的相关性是什么呢?研究人员发现,信任是多元化实践与员工敬业度之间关系的主要部分。包容性文化促进了对组织和内部团队的信任。希望在明年提高参与度的组织需要认真研究其多样性和包容性实践,并将最佳解决方案纳入考虑范围。   结论 能够体验到雇主对工作场所参与方式的预期广泛变化将是令人兴奋的。随着工作的未来变得更加以员工为中心,这些参与趋势肯定会迎头赶上。 员工参与不是一夜之间的解决方案,而是一个战略性的组织范围的文化矩阵,可以吸引,招募和留住最优秀的员工。随着组织建立具有这些趋势的高绩效文化,2019年将成为员工敬业度的重要一年。   以上为AI翻译,观点仅供参考。 原文链接:Top 3 Employee Engagement Trends for 2019
    人工智能
    2018年11月01日