-
知识管理
【美国】人工智能技术公司GoodGist获得100万美元融资，应对企业技能危机
GoodGist是一家位于加利福尼亚州福斯特市的公司，专门从事企业技能开发和知识管理自动化，公司获得了 100 万美元的融资。
支持者包括 FortyTwo.VC、Cedar Ridge Ventures、DX Partners 以及来自微软和亚马逊等科技公司的天使投资人。
公司打算利用这笔资金在全球市场推出多语言平台，扩大团队以加强研发工作，并加强产品供应以缓解技能差距和信息过载问题。
GoodGist 公司由首席执行官Ruban Phukan领导，专注于企业技能开发，利用人工智能生成技术进行专业技能提升、再培训和知识管理。公司可以个性化和优化企业知识的使用，按需提供知识，提高员工的生产力和参与度。GoodGist的核心是一个专有的内容智能系统。
我们正在应对的挑战是巨大的。世界经济论坛强调了一个严峻的现实：到 2030 年，估计将有10 亿人需要提高技能或重新掌握技能。无所作为的代价不仅仅是个人潜能的泯灭，还可能给全球经济带来 8.5 万亿美元的损失。如今，技术技能的半衰期已缩短至 2.5 年。
在企业界，对知识的追求比以往任何时候都更加迫切。员工在学习过程中急功近利，往往认为传统的长篇内容耗时过长，缺乏人情味，无法在工作中立即应用。虽然深层次的学习材料有其作用，但它们无法满足员工对可立即应用的快速、可操作见解的需求。这种差距导致许多人求助于谷歌等搜索引擎，无意中陷入了信息过载的陷阱。海量的可用数据意味着员工每天要花费近三分之一的时间来筛选内容，极大地影响了工作效率。这个问题对经济的影响是惊人的，每年悄无声息地使企业损失约 300 多亿美元的生产力。
作为智能助手，我们的人工智能馆长了解用户的学习和知识发现需求，并代表他们进行在线研究。通过有效解析海量信息并只呈现最相关的结果，我们的技术大大缩短了员工的搜索时间。这一创新不仅应对了信息过载的挑战，还将员工的工作日调整为更具生产力的任务，在提高企业效率和学习成效方面实现了重大飞跃。
我们的使命很明确。我们的目标是为企业的学习与发展和知识管理带来亟需的教学变革，使及时的技能提升、技能再培训和知识发现变得高效、经济、可无限扩展，而且最重要的是，具有影响力。传统的企业技能发展方法已不再足够。成本高昂的在线课程的启动率和完成率都很低，这凸显出迫切需要进行模式转变--向超个性化、按需、快速、易获取的学习模式转变。这就是我们 GoodGist 公司的愿景。
-
知识管理
【以色列/加拿大】企业人工智能解决方案提供商Ask-AI获得1100万美元A轮融资
Ask-AI是一家总部位于以色列特拉维夫和加拿大多伦多的企业人工智能答案和洞察力解决方案提供商，公司获得了 1100 万美元的 A 轮融资。
本轮融资由 Leaders Fund 领投，种子投资者 Vertex Ventures、State of Mind Ventures、GTMFund 等跟投，总金额达到 2000 万美元。
公司打算将这笔资金用于扩大运营和开发工作。
Ask-AI 由创始人兼首席执行官 Alon Talmor 领导，提供生成式人工智能解决方案，旨在提高重复性工作、知识管理和了解客户声音的效率。它连接到 50 多个企业工作系统，如 Salesforce、Zendesk、Confluence、Jira、Slack、Google Drive、Teams 以及许多其他客户交流和知识来源，可以摄取、分析和理解企业知识。该解决方案将知识整合到员工的工作流程中，帮助他们提高工作效率，为客户支持、成功、产品、研发和销售提供多种用例。
客户包括 Monday.com、Callrail、Yotpo、HiBob、Own、Instawork 等。
目前，Ask-AI 团队由 40 人组成，分布在特拉维夫和多伦多，计划在未来12个月内翻一番。
关于Ask-AI
Ask-AI是基于人工智能的平台运营商，旨在简化客户关系管理流程。公司的平台汇集了大量的公司知识和客户交流文本，根据自然语言处理回答问题，还提供可操作的产品见解，使企业能够提高客户满意度和产品开发能力。
-
知识管理
【美国】企业就绪生成式人工智能平台供应商Yurts获得1600万美元A轮融资
总部位于加利福尼亚州旧金山的企业就绪生成式人工智能平台供应商 Yurts 获得 1600 万美元的 A 轮融资。
本轮融资由 Nava Ventures 领投，XYZ Ventures、Bloomberg Beta、Mango Capital 和 Essence VC 跟投。
公司打算利用这笔资金继续打造其安全人工智能平台，并扩大技术团队。
Yurts 由 Ben Van Roo、Guruprasad Raghavan 和 Matt Thomson 于 2022 年共同创立，是一个企业就绪的 GenAI 平台，其使命是帮助将人们与他们的工作联系起来。通过利用大型语言模型（LLMs）和 GenAI 应用程序，它正在大规模地与知识管理和企业工作流程合作。该平台允许企业：
汇聚 SharePoint、Teams、Slack、Google Docs 等不同空间的文档，将其塑造成一个可灵活控制的存储库
跨企业系统、应用程序和文档进行查找、连接和通信
通过其应用程序接口或在现有应用程序中加速工作流程
与现有系统集成，无需漫长的实施时间、高昂的 GPU 成本或内部机器学习/人工智能专家。
关于Yurts
Yurts 是一个企业就绪的人工智能生成平台。使命是通过使人工智能对企业实用，将人们与他们的最佳工作联系起来。
文章来源：finsmes
-
知识管理
【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
-
知识管理
【柏林】知识管理Tyles.io获得140万欧元的种子融资
总部位于德国柏林的知识管理Tyles.io，允许高绩效的专业人士高速积累关键知识，在首次融资中获得140万欧元。
投资者包括Slingshot Ventures、APX、NCA、Venista Ventures、Diaspora Ventures、Lars Kamp（埃森哲前董事）、Vincent Peters（Productsup首席执行官）、Jens Jahn（波士顿咨询集团的合伙人和董事）和Martin Sinner（Idealo创始人）。该公司打算利用这些资金来扩大业务和开发工作。
在Cain Rothe 和Felix Schaper的领导下，Tyles允许高绩效的专业人士以最高速度积累关键知识。这个模块化的笔记工具使人们能够轻松地从任何应用程序中保存信息，如浏览器、PDF文件或演示文稿，并使人们在没有摩擦的情况下保持有序。Tyles可以通过拖放轻松地组合、拆分和重用知识模块，从而使他们能够保持自己的组织性并提供出色的见解。
-
知识管理
【美国】知识管理和培训平台Trivie完成500万美元A轮融资
德克萨斯州Frisco的个性化学习平台Trivie，为企业提供让员工参与知识保留和交流的平台，完成了500万美元的A轮融资。
本轮融资由Cottonwood Venture Partners领投。该公司打算利用这笔资金增加其远程学习技术在能源、制造、酒店、医疗、消费品等行业的分布。
在首席执行官兼联合创始人Lawrence Schwartz的领导下，Trivie为企业提供了一个培训和交流平台，利用认知科学、自适应学习和游戏化的方式，让企业参与到员工队伍中，自动保留知识，并深入了解员工的知识和感受。
-
知识管理
【美国】知识管理平台Guru获得3000万美元C轮融资
总部位于宾夕法尼亚州费城的协作知识管理软件平台提供商 Guru （https://www.getguru.com/）筹集了3000万美元的C轮融资。
该轮融资由Accel牵头，来自Emergence Capital，Thrive Capital，FirstMark Capital，Slack和Michael Dell的MSD Capital的参与。
该公司打算用这笔资金继续扩大业务和扩大业务范围。
在首席执行官Rick Nucci的领导下，Guru提供了一个授权网络平台，该平台利用AI通过共享和运营知识来改善销售，支持和客户成功团队。
-
知识管理
LXP的浪潮已经到来，微软已有所行动
在学习技术领域已经发生了很多事情。尽管LXP（学习体验平台：Learning Experience Platforms）市场持续火爆（目前已超过2亿美元，并且每年轻松翻番），并且这一空间正在不断扩大。微软、EdCast、Instilled等供应商也开始改变市场。
微软的举动
首先，让我简要讨论一下Microsoft。我刚在公司呆了一个星期，Office 365团队开始非常关注公司学习市场。这笔2400亿美元的市场对微软是一个广阔的空间，他们开始了解他们的工具（以及与LinkedIn学习的联系）如何发挥作用。以下是一些见解：
我现在已经详细了解了测试版产品Microsoft Cortex，它有可能在企业学习和知识管理方面取得巨大成功。我喜欢称其为“话题智能”系统。
Cortex本质上是对公司中发生的所有文档和交互进行索引（使用Office 365图表），并向您显示了趋势主题，与专家最相关的人员以及与某个主题最相关的文档。它使用Azure中的许多AI算法，并对每个单词、短语和可能的参考进行索引。Cortex是知识管理市场（从未真正实现）的梦想，Microsoft将其视为组织学习的工具。从某种意义上说，Microsoft Graph和所有Office文档都成为一个庞大的内容库。
与此不同的是，LinkedIn宣布他们正在构建一个学习体验平台，该平台可能看起来像是Microsoft Learning的“开放版”。LinkedIn团队和Microsoft Office团队开始合作。
除此之外，已经拥有超过2000万每日用户的Microsoft Teams 现在可以进行学习了。
在我们的案例中，我们与Josh Bersin学院建立了令人眼前一亮的集成，并且Microsoft现在具有EdCast和其他学习平台的插件。我认为Teams（很可能会超过Slack）有可能成为许多员工的“ 工作中的学习 ”解决方案，并且Microsoft正在努力建立合作伙伴关系以实现这一目标。（Facebook的工作场所朝着同一方向发展。）
这些指导提出了一个问题：“我真的需要一个单独的学习体验平台（LXP）作为员工的目的地吗？” 目前，答案是肯定的-但是LXP市场的面貌正在发生变化，因此您必须仔细研究LXP市场。
LXP的下一波浪潮已经到来
这引出我的第二点。LXP的第二代“技能云”和知识集成功能就在这里，有可能增加LXP产品的价值。
让我以EdCast为例。该公司每年持续以超过100％的速度增长，是专注于AI和基础架构集成的LXP供应商，并且现在正在获得回报。该公司刚刚宣布了其开放式技能云，考虑下面的架构。
这些功能对大公司有很大的影响。特别是一个客户（我不能说这家公司）拥有超过40万名员工，他们正在全球范围内推广EdCast，它将成为成千上万知识工作者的学习和知识门户。大多数LXP供应商都没有为此设计。EdCast的体系结构将LXP扩展为一个学习门户。系统自动创建技能本体（并可能损害其他技能模型），查找相关技能，然后使用此信息标记和推荐内容。LXP的其他功能包括自动视频索引、视频翻译（Microsoft可以做到），甚至可以对视频内容进行索引和自动查找（Valamis可以做到）。
我还要提到技能本体构建者的成长。与Workday的愿景（目前还不可用）类似，EdCast创建了一个技能图，用于标识相关技能，将其分配给内容，然后在用户搜索内容时将其公开给用户。正如我在前面的一篇文章中提到的，这样的技能本体构建器在今天有着巨大的需求。（我见过的最先进的一个是来自EuthFooD.AI，一个专注于谷歌搜索和索引的公司，用于广泛的招聘需求。）
（更多信息浏览：https://hrtechchina.com/）
每个LXP供应商都以不同的方式进行调整，例如，Graduated 现在通过收购 Adepto 进入人才流动市场。（此处的其他供应商包括Fuel50、Gloat、Workday、Phenom People、Eightfold.ai和Hitch）。就EdCast而言，这将LXP从“查找和发现内容的开放平台”转移到知识交付基础架构。这就是这些产品的发展方向。（EdCast现在也具有嵌入式LMS。）
LXP市场正在增长
让我补充一个最后的想法，现在学习体验平台变得更加重要。
这些系统最初被视为“智能学习门户”，实质上是一个用于组织和发布内容的发现平台。
他们现在正在成为将学习和内容连接到工作的智能内容平台。Cortex可能将成为Microsoft内部内容的重要来源，它将扮演重要角色。
考虑一下您对Netflix、Xfinity或用于观看电影的流媒体服务的个人体验。过去在电影的“轮播”中滚动以查找所需内容非常令人兴奋。现在，由于我们都非常忙碌并习惯了这些事情，因此我们希望这些系统能够准确地推荐我们所需要的东西 ，我们根本没有时间“浏览和搜索”。
这就是LXP市场的发展方向。
在工作流程中学习不仅是一个好主意，而且是我们消费者和职业生活的方向。LXP万岁——它开始的时候是个好主意，在未来的岁月里它能成为一个更好的主意。
以上由AI翻译，仅供参考！
作者： JOSHBERSIN
-
知识管理
硅谷堂：以有趣和实践导向，切入企业在线学习和知识管理
来源：猎云网 （文/唐雅琴）
硅谷堂希望打造一个互联网时代的企业学习平台，通过整合高价值的商业知识，以高效有趣的方式传递，来提高员工和管理者的竞争力和高效率，使其更快更高效解决问题和成长。网站于2015年1月上线，目前硅谷堂有微信端的线上线下学习和PC端的互动社区。线上以图文为主，并推荐相关工具，而线下的学习主要以活动为主，每周一会在微信端推出北上杭创业和管理活动。
硅谷堂CEO陈忠才，从事教育事业多年，开始在浙大纳米研究院做生物方面科研，又在浙大担任企业家和干部的培训，以及在浙大网新做了2年的IT培训，后来又去了斯坦福大学的商学院，更加进一步地接触了解了硅谷，而硅谷堂的名字也是由此而来的。陈忠才告诉猎云网，源于美国经历和自己之前所从事的行业外加本身兴趣，让他萌生了硅谷堂的创业想法，自2013年11月开始策划至今他们一共发起了20多起公益沙龙讲座。
陈忠才告诉记者，他们目前主要专注于微信端，以此为测试平台，将初步的想法在微信端得以实现，来完善产品功能和体验，积累用户量，线下的活动主要为补充作用。微信端有线上的互联网思维西游记、深海观察和职场工具，线下的硅谷堂论坛和每周活动汇。深海观察就是由陈忠才本人撰写的。有趣的是他们团队将西游记与互联网思维结合，并采用漫画的形式展现，将中国本土化与互联网商业相结合，帮助用户理念的加深和知识体系的构建。线下的沙龙活动频次减少，一般1、2个月一次。
通常线下会组织沙龙活动，陈忠才向记者表示，他们创办的活动和其他不一样，硅谷堂更加专注某种技能、传达更加实际的东西以及核心知识和经验的分享，而不是泛泛地讲述CEO本身故事。请来的主讲人或许不是创业者，可能是B轮或C轮以上人士针对3个核心岗位进行知识技能的分享。每次讲座的主题由硅谷堂拟定，会将讲座主题、子主题事先发给主讲人（每次大概3人左右），线上还会搜集用户的问题。用户可以通过微信端免费进行活动报名，可以在微信后台进行互动。
陈忠才向猎云网告诉猎云网，目前网站社区处于调整阶段，将于5月底推出新版本，调整内容主要是冷却UGC模块，但后期随着发展会将其再次加入。现在整个产品将人群主要定位为：CEO、产品经理和运营推广，专注为这3个核心岗位提供定制化的服务。同时陈忠才坦言，网站社区并没有明确地划定为是2B还是2C模式，现在是完全免费的。在运营能力方面有待进一步提高，同时对于硅谷堂的收费方式有过一些考虑，而未来会挖掘收费模式，推出一些收费的服务，主要偏向B端，未来也会推出app。
陈忠才告诉记者，硅谷堂目前还不是一个平台级的产品，未来的发展方向是人工智能化学习，希望利用大数据分析获得精准的用户需求特性，会从互联网岗位入手，拓展为综合岗位知识性学习的智能服务助手。目标是成为企业在线学习和知识管理的领军企业。
陈忠才表示，硅谷堂目前还未开始融资。
扫一扫，关注“HRTechChina",聆听人力资源科技的声音！
扫一扫 加微信
hrtechchina
