人工智能 - HRTechChina.com - 向上的力量！

人工智能

Oracle推出Subscription Management和CX Unity，并对HCM Cloud和Data Cloud进行更新文/KYLE WIGGERS 本周是旧金山举行的第21届Oracle OpenWorld大会，该公司毫不犹豫地详细介绍了其产品组合中的更新。它公布了企业资源规划（ERP）云和企业绩效管理（EPM）云，其项目和应用程序管理工具套件以及人力资本管理云（HCM），其全栈招聘和人才的人工智能（AI）增强功能产品系列。它推出了两项新服务 - 订购管理，一种端到端支付解决方案，以及CX Unity，一种客户数据管理平台 - 以及中小型企业（SMB）数据云层。 “甲骨文的独特定位是帮助客户连接整个组织的数据和流程，以推动更好的业务成果，”甲骨文高级副总裁Rondy Ng在谈到今天的新闻时表示。“我们专注于通过最新创新提供直接的业务影响，为客户提供显着的竞争优势。” 订阅管理订阅管理将销售，服务，履行，发票，收入确认，续订等结合在一个平台上，旨在实现“所有行业”的混合产品和服务/订阅业务模式，Ng说。 “今天的消费者重视自由，选择，便利和灵活性，而不是永久性，稳定性和确定性。这种不断变化的价值观从根本上改变了不同行业的购买行为，“他解释道。“为了帮助我们的客户成功应对这些变化，我们正在推出一种端到端的订阅管理解决方案，该解决方案建立在我们在ERP和客户体验管理方面的优势之上。” 聚光灯功能包括支持跨接触点的订阅（例如专家，服务代理和销售代表）; 仪表板包含分析，报告工具，计算复杂和经常性定价模型，服务和实物产品订单以及“持续”增长见解; 并与ERP解决方案集成，包括Oracle的ERP云。 HCM Cloud Oracle改进的HCM Cloud可以满足人力资源和员工的需求。Oracle的开发高级副总裁Chris Leone表示，它更易于使用，部分归功于AI，它配备了新工具和第三方集成，旨在简化常见的人才管理任务。在机器学习方面，有一个可以回答基本问题的自动化门房，以及可以跨桌面，平板电脑和移动设备进行扩展的响应式设计，并允许HR管理员根据位置限制用户对敏感信息的访问。除了自动化采购，候选搜索，推荐建议等的LinkedIn Recruiter集成之外，还有针对代表工人（例如，工会工人和集体劳工）的政策的可配置的，基于规则的行动列表。这不是全新的。HCM Cloud的智能员工采购工具考虑了接受可能性，性能预测和预期使用期等因素，其风险管理功能可检测访问异常并推荐加强安全性和数据隐私的方法。此外，他们的首次亮相是一个战略性的劳动力规划工具，有助于可视化对员工人数和人才差距的影响，以及一个设计套件 - HCM体验设计工作室 - 使企业能够配置，个性化和简化人力资源和员工流程。最后但同样重要的是，新的LinkedIn Talent Solutions搭售和My Brand工具旨在让员工更轻松地进行协作，交换建议并寻找职业发展机会。数据云 Data Cloud的SMB解决方案于本周宣布，将数据平台基于账户的营销推广工具扩展到48个行业和子行业领域的新客户，包括零售，汽车，消费品，金融服务，技术，电信和制造业。 “数字B2B营销的大多数数据和工具都专注于大公司，而忽略了构成绝大多数美国企业的数百万小公司，”Data Cloud副总裁Niraj Deo表示。“这个SMB数据解决方案为B2B营销人员提供了公平的竞争环境，因此他们可以为大型组织和可以推动其发展的小型企业识别，覆盖和管理他们的销售和营销计划。” 企业对企业（B2B）营销人员可以将他们的客户关系管理数据与Data Cloud的联合和自定义细分市场相结合，构建受众，其标准范围从员工数量到财务风险概况，增长模式，接受的付款，电子商务功能和过去的购买。此外，他们可以像大型公司一样访问Oracle的数据管理平台（DMP），数字渠道和程序化营销功能 - 包括ID Graph，Oracle的统一身份平台。甲骨文表示，全球200家最大的广告客户中有199家使用了数据云。 “通过将他们自己的CRM数据与甲骨文的联合和定制细分市场相结合，B2B营销人员可以使用先进的基于帐户的营销功能，为这个规模庞大但服务不足的中小企业提供服务，”Deo说。甲骨文本周公布的内容是开源Graphpipe，该公司以云为中心的机器学习模型设计和部署工具，以及对开放式工作空间平台 Datascience.com 和云安全创业公司Zenedge的收购。去年10月在旧金山举行的甲骨文全球大会上，硅谷公司除了移动云（一种会话式人工智能平台），自主数据云（机器）外，还采用了AI平台云服务，一套预先配置的人工智能库和深度学习框架。工业工作负载的学习实用程序），Analytics Cloud（AI数据可视化工具），安全和管理云（AI驱动的网络安全威胁分析）。今年9月，甲骨文报告其云服务和许可证支持部门的收入为66.1亿美元，比上年增长3.2％。该公司援引德勤的研究报告称，预计到2021年，客户在机器学习上的花费将超过576亿美元，高于2017年的120亿美元。以上为AI翻译，内容仅供参考。更多阅读：Oracle和LinkedIn合作改善候选人和员工体验原文链接：Oracle debuts Subscription Management and CX Unity, updates to HCM Cloud and Data Cloud

人工智能
2018年10月23日
人工智能

德勤：42％的高管认为人工智能将在2年内变得“至关重要” 文/KYLE WIGGERS 企业正在加大对人工智能(AI)技术的投资。这是德勤在《企业报告》(Enterprise report)中对1100多家美国公司的IT和高管进行的调查中得出的最大结论。德勤技术、媒体和电信中心的执行董事杰夫·劳克斯博士说:“企业对人工智能提高业绩和竞争力的潜力感到兴奋，这是有充分理由的。”但要实现这一潜力，企业必须承担风险，解决人才短缺问题，并做好执行工作。尽管人工智能的优势是显著的，但仓促行事可能会让公司陷入无路可逃的境地——应用人员无法扩大规模，或者项目没有商业利益。采用增长该报告将人工智能的采用分为四类:机器学习，即统计模型开发能力和随着时间的推移自主提高性能的能力;深度学习是一种涉及神经网络的机器学习方式;自然语言处理，从文本中解析意义的能力;计算机视觉，从视觉元素中提取意图的技术。调查显示，自然语言处理在增长方面超过了所有其他类别，62%的公司称已经采用了自然语言处理(高于一年前的53%)。机器学习以58%(同比增长5%)位居第二，计算机视觉和深度学习紧随其后，分别以57%和50%的使用率紧随其后(较2017年增长16%)。德勤认为，投资的增加与增长有关。约37%的高管表示，他们的公司已经拨出500万美元或更多用于“认知”技术，比如深度学习和机器学习，包括带有人工智能的企业软件。55%的人说他们已经发射了6个或更多的试飞员(去年这个比例是35%)，58%的人说他们已经完成了6个或更多的试飞员(上升了32%)。这种热情——加上高管们“追赶竞争对手”的强烈愿望——正推动ai即服务解决方案的全球年增长率达到48.2%。(德勤(Deloitte)将全球认知技术市场的规模定为191亿美元。)它有一些紧迫性;42%的受访高管认为，在未来两年内，采用人工智能将具有“至关重要的战略意义”，有些人已经开始看到成效。超过80%的人说他们的人工智能投资带来了经济回报，特别是在技术、专业服务、媒体和娱乐/电信行业。德勤(Deloitte)以Netflix为例:这家流媒体巨头发现，如果客户搜索一部电影90秒，他们就会放弃。但通过使用人工智能来改善搜索结果，谷歌能够节省约10亿美元的潜在损失。其他成本节省可能来自裁员。大多数受访者(63%)预计人工智能将使目前由人类工作人员监管的任务自动化。也就是说，78%的人认为认知技术能让人们做出更好的决定，72%的人和78%的人认为认知技术能提高工作满意度，并“为新的工作方式提供动力”。这些发现与以前的报告一致。世界经济论坛(World Economic Forum)、普华永道(PricewaterhouseCoopers)和高德纳(Gartner)预测，到2025年，人工智能可能会裁员多达7500万人。此外，麦肯锡全球研究所(McKinsey Global Institute)今年预测，需要“低数字技能”的工作比例可能从目前的40%降至2030年的30%，因为需要更高技能的工作比例可能从40%升至50%。麦肯锡分析师称，这些和其他劳动力市场的变化将导致未来10年国内生产总值(GDP)增长1.2%，并有助于在未来12年获得额外的20- 25%的净经济效益(相当于全球13万亿美元)。人工智能的担忧尽管人工智能的应用速度在加快，投资回报也令人印象深刻，但在回应调查时，高管们对人工智能表达了保留意见。超过20%的人将“网络安全漏洞”列为一个关键问题，43%的人将“基于人工智能/认知建议做出错误的战略决策”列为前三名。与此同时，约39%的人将人工智能在关键任务或生死关头的失败列为他们的担忧之一。人工智能的法律、监管和道德问题仍然是企业界的绊脚石。十分之一的受访者表示，他们对与人工智能系统相关的法律和监管风险感到高度焦虑，三分之一的高管提到了道德风险——尤其是人工智能制造或传播虚假信息的能力。德勤表示，这些担忧在一定程度上是由于某些系统固有的不透明性。 “人工智能采用者面临的一个挑战是，机器学习的复杂性越来越高，深度学习神经网络也越来越受欢迎，这种神经网络的行为就像黑匣子一样，常常产生高度精确的结果，却没有解释这些结果是如何计算出来的，”报告作者写道。认知技术人才——或者说是缺乏——也是一个问题。约30%的高管表示，在他们各自的组织中，人工智能是一个主要问题，超过20%的高管集体表示，他们发现人工智能软件开发人员、数据科学家、用户体验设计师、变更管理专家、项目经理、商业领袖和主题专家都存在不足。最需要的人才是人工智能研究人员发明新的算法和系统。该报告的作者写道:“雇佣和培训高能力人工智能专家的需求持续存在。”“拥有这种对人工智能/认知技术的承诺的公司，很可能在很长一段时间内都将面临技能缺口。” 尽管人们对人工智能有着明显的热情，但高管们对所涉及的挑战却持现实态度。约56%的受访者表示，认知技术将在三年内改变他们的公司，低于去年76%的比例。尽管如此，高管们对人工智能工具的总体反应“相当乐观”。报告作者写道:“我们相信，高管们已经认识到，使用认知技术来推动业务领域的变革是很复杂的，同时他们也不希望实现这一目标。”“尽管它们面临挑战，但我们调查的许多公司在将人工智能整合到运营和客户关系中并取得早期成功，并获得了经济效益。”他们对自己迄今取得的成功充满热情，对这些技术在不久的将来改造公司的潜力充满热情。原文链接：Deloitte: 42% of executives believe AI will be of ‘critical importance’ within 2 years

人工智能
2018年10月22日
人工智能

员工敬业度3.0：Humu启动微动引擎文/JOSHBERSIN 在领英(LinkedIn)收购闪烁科技(Glint)之后，我想谈谈完全不同的东西:Humu。Humu是第一家致力于建立基于人工智能的“轻推引擎”的行为改变公司。让我从一个小背景开始。规模超过10亿美元的员工敬业度市场由来已久。这始于多年前，当时工业心理学家弗雷德里克·泰勒(Fredrick Taylor)和后来的卡尔·荣格(Carl Jung)等人研究人们在工作中的表现。在测量了高生产率工人的行为之后，这些先锋们发现有各种各样的心理因素使人们快乐、高效、投入。(卡尔荣格(Carl Jung)是弗洛伊德的信徒，他进行了最初的研究，得出了迈尔斯-布里格斯量表(Myers-Briggs)的结论。)这些包括人际关系，目标感，当然还有在合适的工作中。基于这项工作，在20世纪70年代和80年代，像Gallup、Kenexa等供应商为公司制定了年度员工调查，成为了“员工敬业度”行业。(现在有点像“员工体验”，本质上是一样)。从那以后，市场发生了变化，我认为它有三个主要阶段。员工敬业度1.0：年度员工敬业度或气候调查起初，这是一个由年度调查、基准和年度比较组成的市场。我在20世纪80年代在IBM工作时，公司每年都会进行一次“员工意见调查”，这是一个每年都会进行的大型项目。每个经理都被要求与他们的团队坐下来讨论结果，经常导致一些人被提拔，另一些人被处罚。我当时觉得它很有启发性，它帮助IBM根除了管理问题，并将团队进行了比较。随着时间的推移，这些年度调查变成了基准测试。公司年复一年地将自己与自己的数据进行比较，随着时间的推移，一个“最适合工作的地方”名单的整个行业就诞生了。(阅读更多关于这些竞赛和它们的比较。) 记住，所有这些都是从纸质调查开始的，所以这个过程很缓慢，而且结果会拖很长时间才出来。结果，虽然有趣，但不是很可行，一旦互联网可用，我们开始把这些都放在网上。市场也随之发展。员工敬业度2.0：有智能行动计划的脉冲调查下一个阶段，我称之为员工敬业度2.0，是pulse调查的诞生。这个想法，即随时调查人的能力，是由文化放大器、TinyPulse、文化智商和其他一些创新者首创的。在它开始的时候，一些匿名的评级网站也出现了(Glassdoor, Kununu等)，还有一些匿名的社交网络，比如Blind(允许人们在公共场合匿名讨论工作问题)。这打开了潘多拉的盒子，让数以百计的工具可以获取实时反馈，从本质上创造了类似于yelp的工作体验。结果是非常积极的(我在文章《反馈是杀手级应用》中写过)，如今有数百家公司每季度、每月或更多地对员工进行调查。我们的一位医疗客户每周五都会对每位护士进行调查——然后在周一，所有主管都会收到一份关于上周情况的报告。第一代工具是基于web的，但现在它们是移动的，并嵌入到许多不同的应用程序(Slack、Microsoft Office和性能管理工具)中。Workday率先在其平台上推出了一款“随时反馈”工具，并于2015年在一篇关于亚马逊(Amazon.com)的有争议的文章中提到了这一工具。敬业2.0是向前迈出的重要一步。这让员工的反馈更具可操作性。如今，公司定期接受pulse调查(30%的公司每月或更多地对员工进行pulse调查)，许多公司允许员工随时提交文本评论。像Glint、CultureAmp、Waggl、Energage和许多人才管理套件这样的供应商现在都有嵌入式脉冲调查工具，使得他们比以前更容易购买。 (有几家公司甚至让员工给他们参加的每一次会议打分，给会议负责人提供关于计划和时间管理的反馈。) 虽然最初公司对所有这些反馈感到担忧，但这种方法已经被广泛接受。我最近在俄罗斯，接受调查的人力资源经理中，有近80%的人告诉我，他们每年给员工的脉搏跳动不止一次。如今，你可以购买一些工具，这些工具可以识别情绪，根据角色和任期划分反馈，并将反馈数据与年度调查、离职调查和其他正式的参与计划相结合。(Glint现在提供了这种纵向分析，其他人也可能会这样做)。这些2.0平台变得越来越智能。Kanjoya是一个旨在捕捉用户情绪的系统，现在已经嵌入到Ultimate软件的平台中，并根据团队的意见自动向管理人员提供提示。Glint和ADP的工具也是如此。因此，随着Engagement 2.0的不断成熟，pulse模型正在通过人工智能和行动计划得到增强，这些计划旨在向经理和人力资源部门提供建议，让他们知道该怎么做。我总是鼓励公司将Engagement 2.0作为反馈架构来考虑，这样随着时间的推移，你可以扩展你的数据集。例如，我现在认识的4家供应商销售基于人工智能的组织网络分析(ONA)工具，这些工具可以查看电子邮件模式、日历、电子邮件和消息的语气和情绪，以感知情绪、可能的压力，甚至欺诈(KeenCorp、TrustSphere、Yva)。人工智能,微软)。这些也是参与工具。一旦你有了这样一个系统，你就可以开始强调风险，压力，甚至欺诈。(供应商已经开发出了一种模型，可以根据交流模式预测员工在离职前几个月可能何时离职。)因此，Engagement 2.0市场已经变得广阔、深入、不断增长。员工敬业度3.0：为每个人提供更多的数据、智能的轻推引擎那么接下来会发生什么呢?以一种更积极、更有用的方式使用这些数据。这样想:既然我们有了这些数据，为什么我们不能直接用这些数据给员工们提供有意义的建议呢?在第三阶段中，我们将利用人工智能的力量，将反馈和ONA数据转化为规定的组织变革，使用“轻推建议”使工作变得更好。这让我想到了Humu:一个专注于个人和组织行为改变的公司。想想工作中发生了什么。当事情没有按照你想要的方式进行时，你会想:“我能做些什么来提高效率呢?”或者“在那种情况下我能做些什么来避免这个问题?”订婚调查指出了这个问题，但它并没有真正告诉你该怎么做。这就是Humu的全部意义:用智能的推杆让工作生活更美好。 Humu是由谷歌的前同事Laszlo Bock创立的。拉兹洛(Laszlo)是我去年认识的人，他正在打造下一代“行为改变公司”(behavioral change company)，因为毕竟，这才是敬业精神的全部。请记住，敬业度调查的起源是自上而下的:经理们问员工他们的想法，结果，经理们应该采取行动。好了，现在我们转向每个人的参与工具。这就是我所认为的敬业3.0——使用反馈和数据给每个人提供更好表现的提示。以Humu为例，该产品基于一个“轻推引擎”，它是一组精心开发的规则、提示、提示和建议，帮助人们以一种微小而有意义的方式改变行为。它是如何工作的?在进行了简短的评估之后，系统为经理、团队领导和组织提供了一组诊断信息，以描述什么工作，什么不工作。这与大多数pulse调查和审计业务调查类似。但这就是差异的终点。基于博士心理学家和其他人的研究，Humu现在使用这些数据给每个员工，经理和领导一系列基于时间的“轻推”来帮助他们改变工作中的行为。我们认为这种“轻推”是一种暗示或建议，其目的是为了创造出能够提高注意力、幸福感、团队合作和其他价值观的行为。(ADP Compass和Zugata等其他一些工具，也可以用于技能和领导力开发。) Humu以一种草根的方式来做到这一点，激活每个人，而不仅仅是管理。因此，这种推动被设计成经理、领导和独立贡献者之间的互补。例如，为了在工作中创造一种归属感(帮助员工感受到个人的价值，而不仅仅是员工的价值)，Humu对领导者的激励可能会建议经理向员工提出具体的问题(例如，员工的问题)。“这个周末你有什么计划吗?”，或者“你认为我们应该做什么才能让项目进展得更快?” 在员工方面，相应的督促可能会建议员工在团队中讲述个人轶事，给同事写一封感谢信，或者公开向团队成员表达他们的贡献。轻推是简单的，易于理解，并设计以一种专门设计的方式增加价值。当Humu的引擎发出更多的轻推并看到结果时，引擎的设计就会变得更聪明，时机也会变得更好，它们也会变得更加具体。(有点像有自己的私人教练。) 这种方法有巨大的潜力尽管我是Glint、CultureAmp、TinyPulse、Waggl、Energage、Great Places等公司的超级粉丝，但这款3.0“微推引擎”仍有巨大潜力。我刚刚和Humu的几位客户进行了交谈，他们的评价非常积极。例如，sweetgreen是一家以沙拉为导向的快速发展的连锁餐厅，其宗旨是“将人们与健康食品联系起来”。我采访了人力资源主管劳拉•洛梅里(Laura Lomeli)，她最近刚从沃尔玛(Wal-Mart)和维萨(Visa)来到sweetgreen。该公司约有3500名员工，刚刚在其200多名教练和直线经理中部署了Humu，取得了非常积极的成果。以下是劳拉告诉我的: 首先，最初的调查告诉他们，公司的使命很好理解，员工们感觉与公司的宗旨非常一致。另一方面，他们中的大多数人不确定自己的职业发展，他们肯定希望得到更多的个人和职业发展的支持(这在年轻、快速增长的公司很常见)。员工和管理者都受到了激励，他们鼓励管理者询问员工的职业目标，谈论成长机会，并让员工了解如何扩大自己的角色。员工们一致地得到了鼓励，开始进行职业对话，并询问他们的经理如何才能最好地发展和成长。劳拉告诉我，他们的经理们都很激动，在她作为零售商的经历中，参与调查感觉像是一个积极的过程，而不是找出问题所在的方法。她将重新进行核心调查，看看情况有多么好转。我还与另一家快速增长的初创公司OfferUp的人力资源主管保罗•希格森(Paul Higson)进行了交谈。他还对Humu被视为公司的积极力量感到兴奋，并将其视为传统2.0调查平台的替代品。 Humu不仅积极支持领导者和员工，实际上也是一个顾问。如果有人不理解他们收到的微博，他们可以发一封电子邮件给Humu并得到个人建议。因此，与其依赖engagement 2.0公司提供的自动化“行动计划”或“学习对象”，Humu打算成为行为改变顾问。这些都是相对较小的公司，所以我还没有和一个使用该系统的大公司进行过交谈，但我的感觉是这将会起飞，Humu有潜力以一种显著的方式改变市场。这只是开始尽管Humu是一家年轻的公司，而且还没有大规模地证明它的系统，早期的客户还是很兴奋。解决方案超越了诊断，进入了个人和组织教练的领域。它工作吗?我的经验是肯定的。 ADP公司的Compass也使用了类似的模型。这个特别的工具是在过去几年里开发出来的，它通过向你的同事发送电子邮件和请求对不同行为的反馈来评估你的领导风格。这样你就能成为一个更好的队友或领导。 ADP告诉我，内部部署的Compass工具在短短几个月内就将管理效率提高了近40%。为什么?因为它简单、可操作、基于反馈。想想这种产品是如何让工作更轻松的。这些系统在工作流程中提供解决方案，让员工改进自己，而不是强迫员工去学习课程、与教练交谈或阅读书籍和文章。行为改变工具变得越来越普遍事实证明，我们已经习惯于在家里使用行为改变工具。我们在手机上阅读通知，让Siri或其他工具提示方向和电话号码，多达30%的人使用应用程序督促自己锻炼、吃得更好或花更多时间睡觉。想想VirginPulse、Limeaid、Fitbit和Strava等健康和健身应用程序的发展。它们本质上也是“推动引擎”，捕捉运动和健身活动，指导我们更好地饮食、锻炼或睡眠。改善业务表现的机会是巨大的。一旦Humu的推动引擎运转良好，它就能从销售生产率、客户服务评级、员工任期、组织网络分析，以及我们所拥有的关于工作人员的几乎所有其他数据中获取数据。引擎可能会以一种方式推动销售代表的进步，以另一种方式推动客户服务代理的进步，以另一种方式推动金融领导者的进步。Humu计划随着时间的推移，使引擎对领域非常敏感。我很兴奋。我认为Engagement 3.0将会以一种巨大的方式增加价值，我要为Humu将这种创新的新方法推向市场而鼓掌。我将继续密切关注这一领域，并一如既往地欢迎你们讲述自己如何推动企业参与的故事。 (这个市场的参与供应商包括Glint, CultureAmp, TinyPulse, Ultimate Software, ADP, CultureIQ, SurveyMonkey, Limeaid, Quantum Workplace, Qualtrics, Great Places, Energage, Gallup, AON Hewitt等等。) 以上内容为AI翻译，内容仅供参考。原文链接：Employee Engagement 3.0: Humu Launches Nudge Engine

人工智能
2018年10月19日
人工智能

亚马逊事件之后：人工智能可以消除招聘中的偏见吗？文/Sushman Biswas 人工智能(AI)可以模仿和放大人类的偏见，然而，当负责任地使用它可以帮助克服偏见，做出客观的，数据驱动的决定。 2014年，当亚马逊(Amazon)组建团队开发其新招聘引擎时，它曾被寄予很高的期望。这个实验性的解决方案使用人工智能来对候选人的简历进行评分，以识别出最优秀的人才。然而，在测试解决方案后不久，研究小组发现该系统并没有以性别中立的方式对候选人进行打分。与任何深度学习算法一样，该算法依赖于对历史数据的训练。不幸的是，嵌入其中的现实世界数据具有显示性别偏见的模式，而人工智能算法最终将其纳入了功能。亚马逊的招聘引擎经过培训，可以通过观察提交给公司的10年简历中的模式来评估应聘者。不出所料，大多数申请者是男性，这反映了整个科技行业的性别差异。因此，招聘引擎告诉自己，男性候选人更可取。该公司对涉及到可识别性别信息的简历进行了处罚——例如，如果搜索引擎在简历中遇到一个词，说应聘者是“女子篮球队”的一员，那么该公司对该简历的评分就会较低。不幸的是，这并不是人工智能程序显示出固有偏见的第一个例子。还记得微软的Tay聊天机器人吗?古老的GIGO格言——“垃圾进，垃圾出”仍然成立，在没有保障措施的情况下，向情报系统提供不完整或不准确的数据，仍然是构建公平工作世界的一大威胁。凯特琳·麦格雷戈(Caitlin McGregor)在专门接受人力资源技术专家采访时表示:“这一切都取决于人工智能是用什么样的数据来做出招聘建议。”McGregor是Plum组织的联合创始人兼首席执行官。Plum组织是一个受I/O心理学启发的人工智能解决方案，旨在消除人类的偏见。“根据技能和知识(考虑学位和多年工作经验)来评估应聘者一直是标准。当招聘经理看到一份简历上写着哈佛(Harvard)或一份享有声望的无薪实习，就会产生偏见。”这些资格往往指向特权，而不是职位适合。因此，当基于人工智能的招聘方案依赖于技能和知识(比如简历和社交媒体刮刮工具)时，同样的偏见就会持续存在，但范围更大。凯特琳认为，克服偏见的关键是克服我们对技能和知识的痴迷，专注于人才，包括创新、适应能力和沟通能力。“换句话说，你在简历上找不到的东西，”她说。 “人才的基础是通过衡量应聘者的个性、解决问题的能力和社会智商来获得的特质和能力的结合。”数十年的行业/组织心理学研究不仅证明，在预测未来成功方面，人才的能力是技能和知识的四倍，而且他们的偏见也要小得多。像凯特琳这样的人力资源主管有充分的理由批评传统的雇佣方式，因为这种方式会导致认知偏见。她表示:“我认为，一般来说，人才专业人士想要评估应聘者的不仅仅是一张纸，他们只是不知道如何评估。”“第一步是承认，我们把简历作为招聘过程的第一步，这是毋庸置疑的。”人工智能可能会有所帮助——但如果我们真的打算超越简历，让招聘过程更少偏见、更有预见性，那就意味着我们还必须超越简单地自动化简历关键字匹配的人工智能。人工智能在招聘中带来的真正机遇是可伸缩性和自动化，可以应用于工业/组织心理学等曾经依赖(通常是昂贵的)咨询服务的实践。“人才数据的可预测性和客观性，现在可以向所有人、而不仅仅是《财富》(Fortune) 500强企业普及，”凯特琳(Caitlin)表示。人们普遍存在的一个误解是，人工智能只是将既定的实践自动化;然而，复杂的人工智能程序的发展使得解决方案不再是自动化的重复性任务，而是解决人类认知能力有限而无法解决的复杂问题。凯特琳相信，“这是一种人工智能，它可以超越简单的简历筛选，实际上做出更客观、更有预见性的决定——只要输入正确的数据。” 人工智能会取代人工招聘吗? 尽管各行各业都在采用黑箱解决方案，但这种替代人类的解决方案是一种毫无根据的恐惧。人工智能可以基于模式识别或候选匹配为推荐服务;然而，把工作卖给候选人，或者与候选人建立关系，最终将取决于一个有人情味的招聘人员。凯特琳说:“虽然人工智能听起来很老套，但它确实能让招聘过程变得更‘人性化’，因为它消除了繁琐的重复性工作，让招聘人员能够专注于人际关系。” 选择合适的AI招募方案当人力资源技术领域的几乎所有供应商都声称已将人工智能集成到其工作流中时，您如何评估满足招聘需求的人工智能解决方案? 凯特琳分享了人力资源主管在专注于人工智能招聘解决方案之前必须考虑的三个关键因素。首先要考虑的是可伸缩性。人工智能在招聘中的作用是解决昂贵、低效的咨询服务和招聘团队渠道的问题。如果你使用的人工智能没有为你节省时间、金钱和资源，那么它就没有完成它的工作。人工智能产品也应该能够随着公司的成长而成长。如果这不是一个长期的解决方案，那么这项技术就没有达到它的目的。第二点是一致性。凯特琳对人力资源主管寻求人工智能招聘解决方案的建议是，确保人工智能能够准确地胜任所有组织职能部门的候选人。解决方案必须能够评估工程角色或中层管理角色的候选人，就像评估销售角色的候选人一样容易。第三个也是最重要的参数是人工智能解决方案用于评估的数据类型。“市场上大量招聘人工智能解决方案使用的是网上搜集的数据。因此，大多数雇佣人工智能解决方案都使用相同的数据集!你不会想有一天抬头看一眼，就发现你的整个办公室都是由一个叫贾里德的白人组成的，他上了常春藤盟校，打过长曲棍球，读过《哈利·波特》(这是我在一个工业组织心理学协会会议上听到的一个真实的例子)!你想要看到一个由拥有对你的公司最重要的品质的人组成的团队。这就是所谓的“垃圾输入，垃圾输出”的意思——如果你的人工智能依赖于无用的数据，你就会得到无用的结果。因为人工智能不是魔法。为了让自己处于建立一个多样化团队的位置，重要的是要着眼于人才获取人工智能解决方案，以创建和综合客观、预测和新数据，”凯特琳说。总之，人工智能应该被视为一个机会，而不是社会平等的阻碍者。毕竟，从算法中消除偏见比从人类中消除偏见要容易得多，因此人工智能最终有潜力构建一个公平、多样化和公平的工作世界。以上为AI翻译，观点仅供参考。原文链接：Can Artificial Intelligence Eliminate Bias in Hiring?

人工智能
2018年10月15日
人工智能

芯片制造商美光将向人工智能公司投资1亿美元文/Stephen Nellis 据路透社报道，美光科技周三表示，计划向致力于开发人工智能技术的初创公司投资1亿美元，这些技术将用于自动驾驶汽车、工厂自动化和其他新兴领域。（图：The main entrance to Micron corporate headquarters in Boise, Idaho, February 3, 2012. REUTERS/Brian Losness）美光首席商务官Sumit Sadana向路透表示，10多年前，这家总部位于爱达荷州的内存芯片制造商启动了一项企业风险投资计划，但迄今为止，该公司的投资一直“非常分散”，而且“非常接近我们芯片制造的核心业务”。现有风险操作的返回已经稳固,该公司认为,它可以最终出售更多的内存芯片通过扩大其参与人工智能,因为现场处理大量的数据需要存储在它的产品上,他说在美光的第一个人工智能在旧金山会议上宣布。美光此前的投资很少公开披露。 Sadana表示，这些新预留的资金将用于开发人工智能的硬件和软件初创企业。他说，美光对投资无人驾驶汽车技术、增强现实和虚拟现实以及自动化工厂的技术特别感兴趣，因为美光在这些领域已经有了业务。 "我们将大幅加快投资步伐，" Sadana称。像教计算机识别图像或人类语言这样的人工智能任务需要大量的数据和计算能力。因此，美光芯片行业的同代人也在这方面进行投资。英特尔(intc . o:行情)旗下的风险投资部门近年来已向致力于人工智能领域的初创企业投资逾10亿美元，英伟达(Nvidia . n:行情)也推出一项计划，帮助数千家小型企业使用其芯片。美光表示，其为初创企业提供的风险资本中，有五分之一将用于由女性和其他代表性不足的集团牵头的机构。美光还在旧金山的会议上表示，其非盈利机构美光基金会(Micron Foundation)将提供100万美元的资金，用于资助大学和从事人工智能研究的非营利组织。前三名获奖者是伯克利人工智能研究实验室(Berkeley Artificial Intelligence Research Lab)、斯坦福精密健康与综合诊断中心(Stanford Precision Health and Integrated Diagnostics Center)和AI4All——一个非盈利组织，为少量AI领域内学生提供夏令营。以上为AI翻译，观点仅供参考。原文链接：Chipmaker Micron to invest $100 million in artificial intelligence companies

人工智能
2018年10月11日

人工智能

谷歌收购人工智能客服公司Onward 据VentureBeat报道，谷歌于10月2日收购了一家人工智能客服公司Onward，收购金额未公开。该公司的高层Remi-CassART和PrAMod TaMaiaAh以及其他一些员工将加入谷歌。Onward至今已在两轮投资中筹集了12万美元的资金。该团队在公司网站上发布的信息中写道，“我们从允许计算机参与自然的、人性化的对话开始。很高兴能把我们的技术带给谷歌。” Onward的企业聊天平台利用自然语言处理系统从客户的消息中提取有意义的内容，还能利用诸如位置、登录状态和历史活动的记录，对客户提出的问题作出个性化且符合语境的回答。通过集成Zendesk、Help Scout、Salesforce、Hub.、Shopify、Spree和Solitus等客服软件，Onward的客服机器人可以自动跟踪会话、添加线索，并跟踪出货和订单。在其面向业务的软件首次亮相之前，它启动了一个虚拟助理Agent Q，能够根据命令提供产品推荐。Agent Q依赖于人工代理和数据聚合系统，从整个网络获取消费者评论和价格。谷歌在几个月前发布了Contact Center AI，是一个可机器学习的虚拟电话客服。复杂的自然语言处理系统使它能提供解决常见问题的方法。如果虚拟客服不能解决呼叫者的问题，它会转到人工客服。在各类虚拟客服如Contact Center AI、eBay的ShopBot等的推动下，到2024年，全球聊天机器人市场有望超过13.4亿美元。原文链接：谷歌收购人工智能客服公司Onward

人工智能
2018年10月06日
人工智能

Workday People Analytics：利用人工智能、机器学习和增强分析的优势文/Pete Schlampp 有人说，数据是新石油。但是几乎在所有公司，其生成的数据远远超过他们能够分析利用的数据。而在很长一段时间里，Workday的目标都是帮助公司从数据中汲取有价值的见解。从内置报告和分析开始，随着Workday Prism Analytics和Workday Data-as-a-Service的推出，随着数据量、速度和种类的增长，Workday扩大了产品范围，帮助客户充分利用他们的数据。 Workday Prism Analytics致力于开放性和将非Workday的数据引入系统，是您的财务和人力资源团队的数据中心。今年夏初，Workday通过收购增强分析的市场领导者Stories.bi，在分析之旅中又向前迈进了一步。今天，我们很高兴地宣布Workday People Analytics，是一个全新的应用程序，它将向高管、组织领导人和人力资源业务合作伙伴提供关于他们的员工队伍中最关键的趋势视图，以及了解趋势的最可能的驱动因素。它将利用强大的人工智能(AI)、机器学习和增强分析技术，提供动态创建的关键指标，并伴有解释性叙述——我们称之为故事。 How We Got Here 首先需要一些背景。注意让Workday People Analytics与我们现有的产品一起工作。由于Power of One，Workday有一个数据模型，因此我们的应用程序能够非常轻松地处理有关人员的数据。对于Workday人力资本管理(HCM)的客户来说，Workday People Analytic将利用这些数据进行开箱即用。即使对于那些不使用Workday HCM的客户，他们也可以通过Workday Prism Analytics从任何HCM系统中引入外部数据，因此这些见解仍将可用。 That’s Great, Now What? 其次，我们必须以更好的方式将有价值的信息交给高管。因此，Workday利用了增强分析将许多应用于企业问题的AI功能集合在一起，包括：自动模式检测功能，可以查找人类可能看不到的重要变化图形处理以查找大量数据集之间的连接机器学习预测最重要的问题供您查看用自然语言来解释一个简单的故事中发生的事情 Workday的人工智能将搜索数百万种可能的数据场景，并确定优先级，以故事形式自动向高管推送个性化见解。故事为正在发生的事情提供了一种自然的语言解释。洞察力可以是积极的，也可以是消极的——它们只是你应该知道的事情。它们会自动地对你的数据进行更深入的挖掘，并告诉你为什么会这样。这为领导者提供了在做业务决策时所需要的基本信息。 See What Matters Most Workday People Analytics是我们第一个使用增强分析的地方。它将为管理人员，组织领导者和人力资源业务合作伙伴提供可操作的指导，将动态创建的故事与静态内容相结合，涵盖组织构成、多样性、招聘、保留和人员流失以及人才和绩效等方面。您将看到最重要的事情，以便您可以在最短的时间内做出最佳决策。这将使得组织的行动，创新和学习速度更快。 Workday People Analytics不是自动生成针对特定问题的预测，而是提供一种叙述，以指导管理人员在一个广泛的领域中找到聚焦点——无论是具体的团队、位置、客户还是产品线。它使用机器学习来预测和展示真正重要的东西。换句话说，Workday People Analytics会告诉您需要了解的内容。例如，一位人事主管可能会收到一条消息，表明新员工流动总体上有所增加，他们不仅应该关注伦敦的销售组织，还要考虑薪酬以及特定的招聘经理。该应用程序可帮助领导者专注于影响其业务的最重要问题，并回答以下高价值问题：招聘过程中的瓶颈是什么？该组织多样性的五大趋势是什么？我们作为一个社区如何发展？整个组织可以从哪些卓越的领域中学习？我们在哪里看到异常高的磨损？它背后的驱动力是什么？因此，信息负载减少了1000倍——你会发现什么是最重要的，这样你就能在最短时间内做出最佳决策。组织行动、创新、学习更快，形成良性循环。 Future’s So Bright… Workday People Analytics只是一个开始，我们很高兴能够进入数据的新时代，超越自助服务，进入人工智能能够有效预测的世界。未来，我们将在所有Workday的产品中应用增强分析。Workday People Analytics将于明年秋季提供给早期用户，通常在2019日历年末提供。单独销售给Workday HCM客户，它将作为Workday Prism Analytics的一部分提供。我们确信好戏还在后面。以上为AI翻译，观点仅供参考。原文链接:Announcing Workday People Analytics: Leveraging the Strength of AI, Machine Learning, and Augmented Analytics

人工智能
2018年10月06日
人工智能

人力资源技术取得显著进步，但招聘过程中的“人情味”仍不可或缺文/Media OutReach 智能技术允许招聘人员更多地专注于人际关系和知识型工作越来越多的雇主开始使用人力资源技术来吸引和雇用最优秀的人才。根据全球人才解决方案公司任仕达（Randstad Sourceright）发布的一份报告，尽管这些招聘工具得到了广泛采用，但许多企业领导者表示，他们仍然希望在招聘过程中的关键时刻表现出“人情味”。根据对超过800名人力资本领导者的调查，任仕达的人才趋势研究发现，在进行寻找人才等任务时，半数（51％）的雇主认为初步筛选应该大部分或完全自动化。同样，相同的百分比认为自动化对于跟踪HR数据/指标以及HR分析的创建和管理非常有用。然而，人才领导者仍然重视人际互动，因为他们表示在招聘过程中某些方面的个人接触能使候选人参与其中。雇主认为受益于个人接触的前三大职能包括通过视频访谈（28％）筛选候选人，安排与候选人的访谈（27％），以及管理人才社区和参与（26％）。 “对于雇主来说，探索技术创新是一个很好的机会，它们可以为招聘流程带来更多可能性。现在，采购和筛选人才变得更加容易，但同时也增加了复杂程度。这需要公司考虑整体招聘经验，更具体地说是确定技术和接触的最佳组合以改善招聘结果。”任仕达公司董事总经理Anthea Collier说。无论雇主在何处落实科技与人类接触的差距，65％的人认为人力资源技术的持续发展将积极提升候选人的经验，这些新工具将使招聘人员能够专注于更多知识密集型工作。以上为AI翻译，观点仅供参考。原文链接：Despite advances in HR tech, employers believe human touch still an important part of hiring process

人工智能
2018年09月27日
人工智能

为什么在今天的招聘过程中，人工智能（AI）并不能完全取代人类智能（HI）? 文/Lou Adler 译/杨喆人工智能正在快速提高甄别最佳在库候选人的能力。但是，人工智能在识别那些没看到招聘信息，或是暂时不考虑看机会的潜在求职者时，效果就没那么好了。当招聘这些潜在求职者时，便需要比在库甄别更复杂的流程。招聘经理想要找到一个能在接受薪水范围来做这份工作的人，潜在求职者则对各种机会进行评估，然后选择最有竞争力的offer。如何在招聘经理和潜在求职者间达成一致，这方面人类智能（Human Intelligence）比人工智能（AI）更胜一筹。人类智能在招聘中的优势：先来了解一下HI是如何有效促进招聘的：首先，HR找寻到那些目前不看机会的候选人，经由招聘经理同意后，与其进行沟通。如果候选人对职位有兴趣的话，HR尊重候选人意愿并进行深入的面试，面试的严谨性也在一定程度上能够代表对职位的重视。接下来，HR再与招聘经理协商，在确定薪酬范围（有可能会超出之前预定的薪酬）的基础上发放offer。与招聘经理达成一致是首要准则，其次，也有一些‘常识性（ commonsense）’原则：为了吸引和聘用最优人选，HR会考虑更多，而非机械的按照硬性指标如经验、技能等筛选。比如可以依照工作内容设置4-5个挑战，看看候选人是否能够做到，从而确定其能力是否匹配职位。要知道优秀的人才总不乏机会，所以HR要掌握优秀的谈判沟通技巧来吸引候选人。比如要在彼此沟通中更多的了解和明确信息，而不仅仅是推荐自己的职位。需要确保招聘经理知道如何进行双向面试，以评估能力和匹配度，同时也要展示职位的潜力与吸引力。将陌生人变为熟识虽然需要投入大量时间，但却十分必要，在候选人评估机会时，人脉与职业发展同样重要。如果你想让招聘经理相信上述原则有效时，可以例举一些过去所聘用，且在内部得到高度推荐或晋升的人，你会发现他们几乎都是用上述提到的原则招聘进来的。事实上，大多数公司在招聘关键职位的候选人时都使用类似的方法。 AI与HI在招聘中最大区别在于职位期望在早期就已经明确时，HI更注重候选人的潜力和过去做类似工作的经验，除此之外，也重视在招聘需求产生前就建立相关的候选人渠道，等需要相关职位候选人时，招聘起来会更加快捷。上述的策略都需要人的参与，目前人工智能是无法处理这种复杂决策过程的。也许将来有一天人工智能够胜任，但就目前来说，在招聘关键职位的人选时，HI的效能才是至关重要的。原文链接：Why AI Is No Match for HI (Human Intelligence) in Today’s Hiring Process

人工智能
2018年09月25日
人工智能

人工智能影响未来招聘的5种方式文/Michael Klazema 人工智能正在改变每个行业，人力资源也不例外。人工智能技术正在迅速重塑人力资源专业人士和招聘经理筛选候选人，管理申请人体验和处理入职流程的方式。在10年内，招聘可能看起来与今天完全不同。以下是AI影响这一巨变的五种方式招聘过程效率提高您如何确保合适的候选人看到您公司的职位发布？人工智能有答案。一种选择是预测分析。TapRecruit可以仔细阅读你的职位发布（以及竞争对手的职位发布），并根据语言模式和结构进行分析。该调查结果将通过确定表现不佳的职位与成功职位的区别来帮助公司编写更强有力的职位描述。它甚至会标记任何可能有偏见的语言，促进更多样化的候选池。另一种选择是数据管理处理（DMP），它使用cookie来跟踪访问您职业页面的人。使用这些数据，您可以了解更多关于您的候选人口统计数据，并使用像谷歌广告这样的平台来瞄准他们——换句话说;人力资源部门将从市场营销中借鉴经验。招聘经理无需整理简历实现人工智能的人力资源部门的首要任务是将琐碎的工作自动化。许多企业已经在使用求职者跟踪系统扫描简历，识别关键字或短语，并根据求职者的“理想”简历匹配程度对简历打分。视频面试将更加重要在过去十年中，我们看到在招聘流程中使用视频访谈的公司数量大幅增加。随着越来越多的公司为此目的采用面部和语音识别技术，视频采访将成为叙述中更为重要的部分。通过监测语音模式、面部表情和肢体语言，这项技术将能够测量性格特征、压力水平、自信等等。这将有助于铲除不诚实的候选人，找到那些性格最适合公司文化的人。引导求职者通过招聘流程找到合适的职位候选人很困难。不幸的是，招聘经理和人力资源经理经常忘记的是，候选人求职也很困难。寻找新工作并不是一个有趣的想法——特别是当这个过程涉及与不喜欢交流的雇主打交道时。候选人的经历很重要，特别是在求职者的市场上。企业需要让申请人的生活变得轻松，因为如果他们不这样做，他们就有可能失去强大的人才，或在潜在的申请人中树立坏名声。据NBC新闻报道，今天的求职者希望现代招聘流程“ 更像是一个送餐的应用程序。”这个要求看起来很傻，直到你深入挖掘：求职者想要什么——提醒，短信，直观的在线应用系统，关于他们是否得到这份工作的通知，对候选人的经历都是合理的期望。雇主可以使用AI来满足这些要求，无论是通过启用网站聊天机会来回答候选问题，还是通过自动礼貌地向未被选中进入面试过程后期阶段的候选人发送电子邮件。帮助雇主更多地了解他们的候选人我们已经提到使用跟踪cookie来识别求职者的人口统计数据，但是如果您也可以将这些数据合并到候选人的专业人员档案中呢？了解申请人在线搜索的内容可以帮助企业识别在简历，工作申请或面试中可能不一定出现的技能或兴趣。许多人申请工作并继续从事工作——这些工作不一定与他们想做的事情相符。通过向雇主提供有关潜在雇员的更多详细信息，AI可以使企业调整工作以适应有才能的人或推荐可能符合个人最大利益的职位。这里有一个关于隐私的问题，如果这项技术变得突出，人力资源行业将需要努力解决这些问题。然而，还有一种观点认为，雇主通常需要数月或数年来释放员工的全部潜力，因为他们不知道是什么让他们这么做。人工智能技术的使用可以使企业从一开始就从他们的雇员中获得更多，并且可以通过一种方式来改善求职者和员工的工作适应性和生活质量。结论其中一些趋势已经在招聘和招聘中体现出来，还有一些离我们较远。只有时间才能说明这些想法中的哪一个能够占据并塑造人力资源的未来。无论下一步是什么，毫无疑问AI都会发挥作用。首先利用这些技术的人力资源专业人员和招聘经理将获得最高的红利。注：以上内容由AI翻译，观点仅供参考。原文链接：5 Ways AI Could Influence the Future of Recruitment

人工智能
2018年09月21日

1... 《 27 28 29 30 313233 34 35 36 37 》 42 跳转至