-
大型语言模型
未来一年将有 8500 万个工作岗位消失！一起来了解塑造未来工作的四大支柱
《柯林斯英语词典》评出的 2023 年年度词汇是 "人工智能"，我们每天都能听到这个词。
世界经济论坛预测，到 2025 年，将有 8500 万个工作岗位消失。
然而，尽管有这些令人震惊的数据和广泛的宣传，企业仍然不知道如何开始应对未来巨大的技术变革。
在本文中，我们将探讨认为未来工作所需的四大变革支柱。
接受变革：
从本质上讲，人类是抵制变革的，这意味着企业各层级的员工可能都需要接受培训，以了解变革的必要性和变革的方式。 在这个以技术颠覆和人口结构变化为特征的时代，组织必须将变革思维作为经济成功的一个基本方面。
研究表明，数字化转型失败的最大原因之一是目标模糊，而员工不喜欢新技术也是导致转型失败的一个因素。从一开始就说服员工是确保每个人都朝着同一个目标努力，以应对公司未来挑战的关键所在。 员工必须完全接受新的运营方式，并在各个层面就将要引入的技术类型和新流程进行讨论。一种方法是建立一个卓越中心来监督转型，该中心不仅包括 IT 部门或 C-suite 部门的人员，还包括从市场营销、人力资源到销售和财务等各个部门的人员。沟通的透明度至关重要。
了解未来的技能差距：
技术进步的无情步伐要求企业采取灵活的人才规划战略，根据市场趋势不断评估自身的技能要求。
通过持续的技能评估和差距分析，雇主可以确定其劳动力可能需要加强的领域，以保持竞争力。例如，发票处理自动化可能会导致应付账款人员转而从事分析性更强的工作，或需要接受培训才能胜任更面向客户的职位。通过投资于再技能培训和技能提升计划，企业不仅能使员工队伍面向未来，还能增强员工适应不断变化的需求的能力。
这种积极主动的方法将提高员工的灵活性，并培养一种持续学习的文化。鼓励员工抱有这种心态，就能使他们成为灵活的贡献者，能够在不断变化的职业环境中游刃有余、茁壮成长。
招聘策略也可能需要改变，以填补新的职位。例如，全球科技招聘公司 Karat 开始在工作时间以外和周末提供面试机会，结果发现 42% 的有色人种女性在下班后安排了面试，从而获得了更多样化的求职者和不同的技能。采用远程或灵活的工作模式也将扩大人才库，并通过消除地域障碍提供更多定制的专业知识。
员工可能需要的不仅仅是技术培训。随着人工智能承担了大量枯燥的工作，一线员工必须具备更强的创造力、批判性、敏捷性、同理心和解决问题的能力。
将再技能培训和技能提升视为雇主和员工双方的机会，可确保在市场上保持竞争力，促进共同成长和成功。
了解大型语言模型（LLM）和生成式人工智能：
自 2022 年 11 月推出 ChatGPT 以来，生成式人工智能对劳动力产生了重大影响。
从开发人员到营销人员，每个人都在使用 LLMs 来增强他们的职责--有时他们的业务领导并不知情。
尽管有近四分之三的员工承认使用过这种技术，但仍有三分之一的人表示，他们只能自生自灭，几乎没有或根本没有得到雇主的指导。更令人担忧的是，员工还将企业机密数据放入人工智能工具中，这可能会带来高昂的成本和安全风险。
公司应该考虑利用许多免费的在线学习机会，这些学习机会提供关于生成式人工智能和大型语言模型的基础课程，以及人工智能初级课程或其他更高级的人工智能课程。
不过，重要的是要记住，关键在于采用人工智能的速度既要经过深思熟虑，又要符合公司和员工的可持续发展。
例如，专门打造的人工智能解决方案可以有效地应对实际业务挑战，而无需承担与 LLM 相关的风险，并将员工从琐碎、重复的任务中解放出来，使他们能够专注于利用自身技能和激情的工作。
这种转变不仅能提高生产率和绩效，还能营造更充实的工作环境，让员工获得更大的满足感和工作与生活的平衡。这并不是要取代劳动力，而是要在人工智能处理日常任务的同时，让他们在自己的专业领域发挥所长。
拥抱数字助理：
Gartner 预计，到 2025 年，将有近一半的知识工作者使用数字助理。将数字助理融入工作场所代表着人与人工智能互动模式的转变。这些由人工智能驱动的工具通过提供实时见解、简化任务和提高整体生产率来增强人类的能力。
通过利用自然语言处理和机器学习算法，数字助理促进了员工与技术之间的无缝沟通和协作。这种互动简化了复杂的流程，营造了更加直观和用户友好的工作环境。
但是，您需要在强大的数字员工队伍和人类对应人员之间建立合作伙伴关系，因为这种数字和人类的双重作用对于实现或超越业务目标以及加速转型至关重要。
此外，数字助理还能适应个人喜好和学习模式，确保根据每个用户的需求提供个性化支持。随着员工越来越习惯于与这些智能系统一起工作，他们会对人工智能的潜力有更深入的了解，并能利用其能力在日常工作中实现更高的效率和效益。数字助理的整合是在工作场所最大限度地发挥人与人工智能协同作用、推动创新和促进持续改进文化的关键一步。
当我们站在工作场所革命的边缘时，组织面临着适应不断变化的工作环境的挑战，而人工智能的出现则是其中的突出表现。
尽管这一讨论十分突出，但许多企业发现自己正处于十字路口，不知道如何才能最好地驾驭这些转变。然而，通过拥抱变化、解决未来的技能短缺问题、战略性地整合人工智能以及让员工为数字协作做好准备，企业可以在面对技术颠覆时为自身的复原力和增长做好准备。
-
大型语言模型
【伦敦】面向一线企业的下一代劳动力管理公司Sona获得2750万美元A轮融资
由 Steffen Wulff Petersen、Oli Johnson 和 Ben Dixon 创办的面向一线企业的下一代智能劳动力管理平台Sona公司宣布获得 2750 万美元 A 轮融资，Felicis 领投，Northzone、谷歌人工智能基金 Gradient、SpeedInvest、Antler、BAG Ventures 以及众多知名天使投资人参与了本轮融资。迄今为止，Sona公司已融资4000多万美元，并将利用新一轮资金扩大其市场功能，并在其平台上构建更先进的人工智能功能。仅在 2023 年，Sona的收入就实现了 400% 以上的爆炸式增长。迄今为止，Sona平台上已创建了超过 460 万个班次。
一线劳动力代表了全球近 20 亿人，占全球劳动力的 56%。尽管如此，一线创新获得的风险投资却不足1%，而99%的风险投资都用于白领员工的技术。如今，为一线企业提供的工具和系统效率低下、集成度差，而且并非针对一线工作流程的复杂性而构建。几十年来，创新的滞后导致员工体验不佳，劳动力部署不正确，从而导致不必要的成本、不理想的服务和收入的流失。
"Sona联合创始人 Steffen Wulff Petersen 说："通过Sona，我们正在打造经营餐厅或护理院的'自动驾驶汽车'。"在过去的 20 年中，劳动力管理主要由传统的点解决方案主导，这些解决方案将简单的纸质流程数字化。Sona正在通过一个真正的智能平台打造下一代劳动力管理，使复杂、多地点企业的组织领导者能够在正确的时间、正确的地点安排正确的人员，并对其劳动力进行端到端的无缝管理。"
自 2020 年以来，一线企业面临着多重外部不利因素：通货膨胀、需求波动和人员短缺。这些企业的利润率已低至个位数，劳动力管理不善仍是最大的可控成本。随着进入供应商更换周期或摆脱纸张和电子表格，企业目前正在积极进行现代化改造。借助Sona针对特定行业的高度可配置软件，客户可以拉动多个效率杠杆。人工智能加速、准确预测、数据驱动的生产率模型和自动排程推动了更智能的劳动力部署，直接转化为显著的利润增长。
"很高兴看到Sona为酒店业如此关键的领域提供行业领先的解决方案。他是众多酒店业企业（包括 wagamama、PizzaExpress、The Ivy Collection、Bill's Restaurants、Ole & Steen）的终身高管（董事长兼首席执行官），也是行业员工倡议组织 Hospitality Rising 的创始人。"非常正确的是，酒店业在提高生产力和效率的同时，也在打造客户服务--Sona已经证明了其帮助提高销售额和优化人员配置的能力。
Sona的指数级增长得益于产品交付速度、高度可配置性和行业专业知识，这些都转化为当今社会护理和酒店业所特有的产品功能。与传统平台不同，Sona的现代技术从一开始就是为实时数据处理和洞察力而构建的。利用 Elixir 编程语言和大型语言模型，Sona 提供人工智能驱动的实时可操作反馈，推动智能决策，从而提高劳动力生产率。
"Felicis 的普通合伙人 Niki Pezeshki 说："我们很荣幸能主导索纳的 A 轮融资，并支持其通过尖端劳动力管理解决方案为一线企业赋能的使命。"我们相信，Sona 有潜力重新定义社会关怀、餐饮和酒店等行业企业的劳动力管理方式，我们很高兴能参与他们重塑未来工作方式的旅程。Ben、Oli、Steffen和Sona团队已经帮助100,000多名一线员工安排了班次，我们知道还有更多的人将会欣赏能够帮助他们工作的更智能的软件。
关于Sona
Sona是由 Steffen Wulff Petersen、Oli Johnson 和 Ben Dixon 创立的面向一线企业的下一代智能劳动力管理平台。如今，护理院、餐厅和酒店都在使用Sona为员工赋能，推动劳动力的智能调配，从而直接转化为显著的运营效率。
关于Felicis
Felicis成立于2006年，是一家风险投资公司，主要投资于重塑核心市场的公司以及创造前沿技术的公司。该公司是首家提供创始人发展承诺的公司，提供所需的资源帮助创始人自我扩展。Felicis 专注于早期投资，目前管理着九支基金超过 30 亿美元的资金。公司是超过 49 家估值超过 10 亿美元的公司的早期支持者。其投资的 100 多家公司已被收购或上市，包括 Adyen、Credit Karma、Cruise、Fitbit、Guardant Health、Meraki、Ring 和 Shopify。公司总部位于加利福尼亚州的门洛帕克和旧金山。
-
大型语言模型
【观点】企业领导人应如何利用人工智能和自动化技术推动组织发展
根据世界经济论坛的未来就业报告，人工智能（AI）和自动化影响就业和工作转移的方式已经发生了重大转变。现在，大多数企业依靠先进的技术，如自动化云计算和基于人工智能的商业分析来实现其组织目标。随着人们工作方式的转变，组织需要考虑重组劳动力市场，并提高所有现有劳动力的技能。如今，超过三分之一（34%）的工作能够利用机器自动完成，而剩下的66%仍需要人类完成。
一些企业领导人信任人工智能和机器学习算法，以便在不确定的时期为他们的组织优化成本并建立强大的自动化流程。今天，企业可以通过利用大型语言模型（LLMs）将15%的任务自动化。通过将这些LLMs与现有的业务解决方案相结合，自动化的工作流程将在未来4年内增长到50%。
向基于人工智能的自动化和大数据分析的转变，将是影响未来几年就业市场的最大因素。因此，企业领导人应做好充分准备，迎接人机前沿的转变。企业领导人可以利用人工智能和自动化来应对这些技术带来的挑战。
专注于员工体验的领先数字采用公司WalkMe的首席执行官Dan Adika认为："人工智能是世界上最重要的技术进步之一。比起iPhone、互联网、计算机，人工智能为社会转型创造了独特的机会。因此，高盛预测，随着技术应用的加速，人工智能可能在10年内为全球经济增长贡献约7万亿美元。使得人工智能如此具有革命性的原因不仅仅是技术本身，而是它改变工作场所的速度。"
以下是企业领导者应该拥抱人工智能和自动化，并在人机配对带来的颠覆性变革中脱颖而出的一些方法。
获得扩充员工人才库的机会
自动化不是一个新现象，关于它是否能够取代人类劳动力的争论从未停止。
人工智能和自动化将以人们无法想象的方式对就业市场进行硬约束。现代数字工具使用范围的扩大将创造更多的就业机会，而不是在当前的时代被取代。世界经济论坛的报告强调了为电子商务专家、数字转型专家、数字营销和战略专家等商业头衔创造200万个就业机会。企业领导人可以采用前沿技术来挖掘新创造的就业市场和工作角色，以继续建设他们的组织并满足全球各地不断增长的消费者需求。
绿色工作在上升。你在为绿色经济招聘吗？
什么是绿色工作？
绿色工作是为创造一个可持续和生态友好的环境做出贡献的一系列活动。它可以是一个自雇的角色，也可以是一个绿色部门（如太阳能发电）的组织所指定的角色，或者是一个经营和服务其他参与可持续绿色经济的企业的传统组织。
世界经济论坛的报告强调了雇员和雇主是如何通过创造新的工作角色来应对气候变化的。虽然与2021年相比，2022年绿色工作的净雇佣率有所下降，但仍然要比2020年、2019年和2018年创造的绿色工作数量多。因此，如果我们从趋势上看出，在未来4-5年内，绿色工作的数量将继续上升，政府机构在 "促进绿色转型 "方面甚至会发挥更大的作用。
人工智能、大数据、将在未来五年发挥巨大作用
随着人工智能和自动化工具的成熟，企业的招聘策略正在发生变化。
世界经济论坛的报告发现，分析性思维和创造性思维将继续成为2023年工人的核心技能，但人工智能和大数据、领导力和社会影响力方面的跳跃性发展仍值得一提。事实上，掌握人工智能和大数据技能已经成为组织的首要任务。此外，报告还显示，组织需要重新设计和扩大他们的培训和发展计划，以便通过重新培养和提高劳动力的技能来实现更好的业务成果。
Axway首席技术官Vince Padua说："随着云计算、人工智能和微服务的开发和采用，企业需要更多具有良好技能和经验的员工以及具有网络安全、数据分析和云架构等专业技能的IT基础设施和企业软件专家的支持。显然，企业领导人正在围绕人工智能、大数据和自动化技术重新调整他们的人才招聘和技能发展计划，这些前沿技术将在未来几年将成为每个组织的 "战略重点"。
如何找到只需要很少或不需要培训的优秀人才？
你可以使用像Oracle动态技能这样的人力资源技术工具来识别人才库中的现有技能，并分析员工是如何根据其经理和人力资源部门的建议提高自身技能的。iCIMS、Vervoe和Otomeyt等人工智能招聘和技能分析工具应成为现代人才招聘的重要工具，使招聘经理能够根据员工的业绩做出正确的决策。
了解业务转型中的障碍
大多数领导人认为，人工智能和机器学习可以帮助组织的业务转型。虽然人工智能和ML工具在组织内的使用越来越标准化，但员工的技能差距仍然很大，我们必须学会如何可以正确使用和监督这些工具。根据世界经济论坛，59.7%的受访者认为劳动力技能短缺是组织业务转型的最大障碍。53.4%的受访者表示无法吸引优秀人才是第二大障碍。因此，劳动力转型的未来将取决于招聘经理如何快速、准确地挖掘弥补其组织的人才库中的差距。
在组织内培养优秀人才
大多数接受本研究调查的组织表示，拥有一个简化的人才进展和晋升过程是保留员工的关键。在为员工提供更好的福利待遇的同时，为员工提供再学习和提高技能的机会也是提高员工保留率的重要措施。那些重视员工培训和致力于提高员工技能的组织显然在吸引和保留人才方面更加成功。
总的来说，企业领导人必须利用前沿技术，如人工智能和自动化来评估他们建立在员工培训和发展上的策略。基于人工智能的技能评估将成为组织最大的游戏规则改变者，它能够从现在和未来的角度衡量培训计划对员工再培训和提高其技能的有效性。
结论
人工智能造成的人才短缺问题正在被广泛讨论。虽然人工智能教育仍然是组织的投资重点，但它仍然需要政策制定者的支持。组织、投资者、政府利益相关者和员工都可以参与组织人工智能和自动化技能提升策略的制定，发挥共同的智慧才能决定人工智能人才管道发展的路径，并使组织在不久的将来继续受益。
文章参考：Techrseries.com
-
大型语言模型
【大咖谈】生成式人工智能AIGC和大型语言模型在人力资源管理中的七大用例！
人力资源是商业世界中最复杂的领域之一。实际上，我们对员工做出的每一个决定（雇佣谁、提拔谁、付给员工多少钱、如何促进员工发展）都是基于、经验、个人偏见和一些数据而做出的判断。由于所有企业支出的50%以上是在工资上，这些 "判断性决定 "使公司花费了大量的金钱。
在我的世界里，我们深入研究管理、领导力和人力资源的每一个部分，我们经常试图将各种 "人力资源实践 "与结果联系起来，以弄清什么是有效的。我们的大部分业务都是基于这项工作，然而随着文化、劳动力市场和技术的变化，我们每隔几年都会定期 "重新审视 "我们的大部分工作。例如，现在，我们知道工作场所的压力、薪酬平等和职业发展是提高员工满意度和劳动力生产力的主要因素。而在几年前，福利、奖金和华丽的头衔更受员工的重视。所以我想说的是，人力资源部门的大部分工作是基于组织心理学、多种形式的社会科学研究以及永无止境的实验的，而这是很难实现完美的，而且总会受到争论。
人力资源的基础数据集是文本的。人力资源和管理方面的大多数 "硬科学 "都集中在数字上。我们要求人们参加测试，我们看人们的 "绩效评级 "和平均分（这是很主观的），我们要求人们进行调查、反馈和大量的数据来做决定。然后我们把商业结果（销售、利润、市场份额）与各种人员指标联系起来，并认为 "我们有了答案"。
对于招聘和选拔，我们看的是经验、与工作相关的测试、以及面试官的意见和分数。理论上，如果我们得到足够多的这些数据，我们就可以做出越来越好的招聘决定。而当我们看谁应该晋升，谁应该降级，以及谁应该进入公司的最高层时，也会按照同样的方式进行判断。
晋升的整个前提是基于 "可晋升性 "或 "潜力 "与 "当前工作表现"（九宫格）相比较的旧观念。这种听起来很量化的方法其实充满了偏见，所以我们必须从各种评估、观察和投入中 "推断 "出谁具有高潜力。同样，当我们得到大量的数据时（观察许多高绩效者的背景和行为），我们可以提高晋升的科学性。
人力资源的核心 "科学 "往往植根于心理学，这是一个迷人的领域，研究工作中的属性、行为和心理学。尽管我非常欣赏和关注心理学，但大多数公司并不怎么使用它。因此，如果你想对你的员工的技能、经验和对不同工作的适应性进行真正的 "大数据 "分析，你要处理的是堆积如山的 "数据"，其中大部分是在传记、工作成果、公司领导框架、评估和大量沟通中得到的的。当然，还有绩效评估、业务成果等等。
人力资源部门最常见的两个部分：工作申请（招聘启事）和工作描述。这两样东西都是由招聘经理或人力资源专业人员 "撰写 "出来的，通常是基于人们对工作的看法、一套公司标准以及组织需要个人具备哪些 "技术技能"。我们都知道，这些东西并不能真正预测谁会成功，因为 "成功 "在很大程度上是基于雄心壮志、学习的敏捷性、文化的适应性和与目标的一致性。
生成式人工智能和大型语言模型如何提供帮助?
鉴于我们所处的复杂、混乱的业务环境，生成性人工智能和大型语言模型可以提供什么帮助？虽然现在还为时过早，但让我大胆设想一下，人工智能的这个新分支有可能完全重塑人力资源的工作方式。在这种颠覆性的变化中，我们将看到新的平台、新的供应商和新的公司运作方式。
什么是生成式人工智能和大型语言模型？
对于那些不知道什么是生成式人工智能和大型语言模型的人来说，让我简单地说，这些人工智能系统可以对数十亿的 "标记 "进行索引、分类和集群，其中包括单词、短语、数字，甚至代码，我们只需要输入我们的问题，这些生成性人工智能就可以从众多的信息中分析、总结并给出见解性的答案。
下面是生成式人工智能和大型语言模型在人力资源领域的几个用例。
1.创建工作描述、技能指南、学习大纲等内容。
我一直认为，"描述工作 "的最好方法是观察人们在做什么。如果你实际观察、捕捉和分析员工近几个月的工作，你就可以根据实际工作来 "编写工作描述"。那么生成式人工智能可以做到这一点。
你可以使用生成式人工智能来观察 "公司的销售业务"，并分析你的销售组织中的所有销售记录、销售工具和各种销售材料。而且它可能会描述 "你们公司的销售人员是做什么的"，并帮助你根据真实的角色拟定现实的工作要求。
然后，如果你想知道如何培训销售人员，你可以问它 "告诉我业绩最好的人和业绩较差的人各自需要做什么"。它就会给予你之前可能不知道的东西。然后你可以要求生成型人工智能机器给出员工需要学习和了解的大纲"。然后它可以为你建立测试、在线学习指南，并最终成为你公司的 "销售教练"。
然后，你可以问生成式人工智能 "按总收入和总利润衡量，谁是我们的顶级客户"，如果它能访问财务数据，它也可以回答这个问题。 因此，它不仅可以帮助你改进你所有的工作描述，还可以帮助你 "定义成功标准"，帮助你 "评估谁的表现良好以及为什么这些员工能够获得良好的业绩"，然后再根据回答拟定“销售培训材料"。
2.为招聘工作建立技能模型、经验模型和候选人档案。
大家都知道寻找、评估和选择 "合适的人 "来做一份工作是多么困难。现在每个人都在热衷于 "基于技能的招聘"。但这到底是什么意思？这是否意味着这个人已经通过了某种工具或编程语言的测试？这是否意味着他们有着丰富的工作经验？还是意味着他们曾在一家该领域非常出色的公司工作，他们又从那里学到了什么？这很复杂。假设你可以抓取数以百万计的员工资料，然后看看他们所做的 "工作"（即扫描Github、他们所写的文章及简历等），然后决定这个人在这项工作中 "有多好"？这几乎是不可能手工完成的，但生成式人工智能可以做到这一点。而且它可以做得更好。
假设人工智能看了这个人的工作经历，然后与其他候选人进行了比较。它可能可以告诉你哪个人的教育程度更高，哪个人的拼写能力更强，以及他们各自的个人特征。
我知道L&D供应商已经使用ChatGPT从现有的内容中建立课程计划、学习目标和技能评估。这种应用于数十亿求职者的分析可以开始向招聘人员展示谁是 "具备相似技能 "的专业人士，他们可以胜任哪个难以填补的职位。此外，通过调整这些模型还可以消除性别偏见、年龄偏见、种族偏见，因此，它们不仅更有用，实际上，也是更 "安全"的。
3.分析和改进薪酬、工资基准、奖励模式。
人力资源的第三个巨大挑战是 "给员工多少钱 "和 "为他们提供什么福利"。而这是一个非常棘手的问题。95%以上的公司已经存在薪酬公平问题而且随着通货膨胀的上升，工资需要不断变化，人力资源部门需要努力跟上。
生成式人工智能可以快速地进行薪资基准测试，评估数百万个空缺职位的薪资水平，并分析外部和劳动力市场数据，以帮助确定组织有竞争力的薪资、奖励、激励和其他福利计划。大多数公司试图通过雇用昂贵的顾问来做这件事：这些顾问应该很快就会配备人工智能支持的工具，然后你就可以自己获得这些工具。
薪酬公平也是一个需要重视的问题。虽然一些人工智能供应商开始关注这个问题，但我们从研究中得知，大多数公司有5-15%的工资总额处于某种 "不公平的薪酬 "分配模式。高薪、高任期的人会因为市场周期而获得很高的工资。我认识一些软件工程师，他们赚了50万美元或更多，只是因为他们在一个 "热门时间 "被雇用到一个热门公司。几个月后，他们的工资就比同龄人多出1.5-2倍。公司目前正在试图解决这些问题。
4. 绩效管理和反馈。
人力资源中最难的、也是经常被忽视的一部分是绩效管理、绩效评估和发展规划。虽然有数以百计的书籍和模型来定义这个过程，但它往往归结为个人的判断。而且在大多数情况下，经理在没有对员工的整个一年的工作做全面考察的情况下就给出了评价。
想象一下，如果生成式人工智能将这些工作努力且类似的岗位角色进行比较，向经理展示员工在哪些方面表现出色，哪些方面表现不佳？ 今天的技术在某种程度上可以做到这一点。我最近要求Bing Chat告诉我微软2021年到2022年的财务业绩变化，它给出了很详尽的回答。许多生成式人工智能的新模型可以从员工分析中确定员工所欠缺的技能， 为之后的员工培训与发展奠定基础。
5. 教练和领导力发展。
正如我们大多数人所知，在我们的职业生涯中最有价值是 "教练"。教练是一个观察我们的工作行为，并给我们提供个人发展的反馈。他们的教练可能是也可能不是 "专家"（许多教练模式都是围绕着 "教练是心理学家 "的理念建立的），所以教练可能只是在观察我们，给我们提供急需的支持。他们可能会采访我们的同行，帮助我们看到盲点，了解挑战性的情况。
学习与发展领域的市场增长是爆炸性的。像BetterUp、CoachHub、Torch、SoundingBoard、Skillsoft和其他许多供应商已经为 "按需辅导 "创造了近10亿美元的市场。那么，如果这种辅导来自于一个智能机器人呢？医疗机构已经为预防自杀、医疗干预和其他医疗需求建立了这些系统，而且效果相当好。
想象一下，比如说，如果我不得不解雇某人。我可以很容易地问聊天机器人"我应该如何处理裁员的谈话？" 或者 "对于一个开会老是迟到的人，有什么好的指导方法？甚至"我怎样才能使我的会议更加高效？"
这些类型的问题已经被数以百万计的领导人问过数百万次，因此，智能机器人对所有这些问题都有精心设计的答案或建议。而且大多数公司现在都有领导力发展内容、合规内容和各种 "困难对话 "内容的分类。生成性人工智能系统可以很容易地找到这些内容，对其进行解释，并使其便于管理人员使用。
6.个人教练、心理健康和福祉。
也许代际人工智能的最大成功之一是出现了像 "Woebot "这样的工具，它有助于治疗心理健康、压力和自杀。这个工具是在2017年推出的，它减少了员工的压力、焦虑和自杀，其效果几乎是人工治疗的两倍。它怎么会有这么好的效果呢？因为，生成式人工智能中的反馈回路是根据人类思维模型训练的，该系统可以快速识别正在考虑自杀的用户，只需倾听语言，就能帮助相关用户放松心情。
在过去的五年里，工作场所健康市场已经发展到超过500亿美元的规模，而我们对健康组织的研究发现，典型的解决方案（EAP计划、在线教练、培训、正念）的影响比我们预期的要小。我们见证了这样一个事实：大多数关于工作场所心理健康的统计数据显示，即使在投资了数十亿美元之后，它仍然是一个需要解决的问题。因此，我们可以期待医疗保健提供商、保险公司和像Ginger.io（现在拥有Headspace）这样具有前瞻性的供应商加入这个市场。
7.人力资源自助服务和知识管理。
我将提到的最后一个用例是自助服务和知识管理。我们有成千上万的文件、合规书籍、多样性指南、安全规则、流程图来帮助员工选择福利、理解公司政策。生成式人工智能适用所有这些复杂的 "知识赋能 "和自助服务的工作流程。微软新的Power Platform与OpenAI的接口允许公司在系统中嵌入工作流程，所以你可以告诉聊天机器人 "请申请探亲假并请我的经理批准 "或 "请向IT部门提交一个案例，让我的笔记本电脑升级"。许多在人力资源运营、呼叫中心和服务交付中心工作的人几乎会立即投资于此。这意味着从Oracle到Workday到ServiceNow和ADP的每个人力资源技术供应商都将把这项技术嵌入其平台中。
生成式人工智能和大型语言模型的应用将是完美的吗？当然不是。但当我们做出成千上万的关键决定时，我相信生成式人工智能将完全改变人力资源的游戏规则。这不仅能够提高组织的运行效率，也能够塑造良好的员工体验。
文章来源：JOSHBERSIN
扫一扫 加微信
hrtechchina
