-
生成性人工智能
埃森哲收购数据咨询公司Redkite，利用数据加速转型
埃森哲收购了英国伦敦的数据咨询公司 Redkite，公司专注于提供全栈数据专业知识，帮助企业利用数据驱动的智能和人工智能加速提升绩效。
此次收购将扩大埃森哲的数据能力，帮助客户利用现代数据平台加速转型，在整个企业释放人工智能的力量。
Redkite团队的230多名专业人员将加入埃森哲在英国的数据与人工智能业务部门。
Redkite成立于2018年，由董事总经理Jon Tippell领导，为成长型企业和家喻户晓的品牌提供服务，帮助他们推出新产品和服务，做出数据驱动的决策，并为客户创造个性化体验。公司在消费品和服务、零售和媒体行业拥有深厚的专业知识，能够提供从数据战略到架构和实施现代数据平台的全方位服务。
埃森哲数据与人工智能部门董事总经理 Kayur Rughani 说："人工智能是业务转型的重要催化剂和机遇。为了从实验走向规模化实施，我们的客户需要强大的数据和人工智能基础，他们需要以价值为导向，选择利用生成性人工智能重塑每项能力。埃森哲与Redkite在能力、专业知识和服务方面的强强联合将帮助客户快速、负责任地实现向人工智能投资规模的转变。
Redkite总经理Jon Tippell表示："我们都知道下一场技术革命已经到来，但数据准备是企业在推进人工智能应用过程中面临的首要挑战。企业要想抓住数据和人工智能带来的机遇，就需要在整个业务中建立强大的云数字基础。加入埃森哲意味着我们可以成为一支更强大的力量，帮助我们的客户启动数据战略，用智能为他们的组织提供动力。Redkite总经理Henry Crawford补充说："我们将共同为员工和客户创造更多机会--利用我们的数据能力和学院培训模式，开启人工智能之旅的下一个关键阶段。"
埃森哲最近宣布将在三年内投资30亿美元用于其数据与人工智能业务，以帮助各行各业的客户快速、负责任地推进和使用人工智能，从而实现更大的增长、效率和弹性。数据与人工智能部门将通过招聘、收购和培训等多种方式，将其人工智能人才增加一倍，达到80,000名专业人员。
Redkite也是埃森哲2021年在英国收购云计算和数字化转型咨询公司Infinity Works以及2020年收购分析和数据转型服务咨询公司Mudano的补充。
交易的财务条款未披露。
关于埃森哲
埃森哲是全球领先的专业服务公司，帮助世界领先的企业、政府和其他组织构建数字化核心，优化运营，加快收入增长，提升公民服务--以速度和规模创造有形价值。我们是一家以人才和创新为主导的公司，拥有约 733,000 名员工，为 120 多个国家的客户提供服务。技术是当今变革的核心，我们是帮助推动变革的全球领导者之一，拥有强大的生态系统关系。我们将技术优势以及在云、数据和人工智能领域的领先地位与无与伦比的行业经验、职能专长和全球交付能力相结合。由于我们在战略与咨询、技术、运营、行业 X 和 Song 方面拥有广泛的服务、解决方案和资产，因此我们在交付实际成果方面具有独一无二的能力。这些能力，加上我们共享成功的文化和创造 360° 价值的承诺，使我们能够帮助客户重塑并建立值得信赖的持久关系。我们通过为客户、彼此、股东、合作伙伴和社区创造 360° 价值来衡量我们的成功。
-
生成性人工智能
【观点】生成式人工智能是否可以取代专业的职业技能培训？
人工智能（AI）正在为人才市场创造新的机会，同时，也在消灭传统工作。到2025年，90%的现有工作将被完全数字化。这些数字化工作的大部分将围绕新的新兴技术，如人工智能、自动化和云计算。这将要求每个人都要相应地重新学习和提高技能，以满足新的技能需求。这意味着企业领导人必须重新思考他们的招聘策略，并根据职业角色培训相关人才。这是否意味着职业培训和学徒制的结束？
当许多行业专家争相分析ChatGPT等人工智能聊天工具的影响时，人们大多讨论的是人工智能将如何影响和颠覆商业、工业和日常生活？
最近，特斯拉和Space X的创始人埃隆-马斯克和其他1000名科技专家签署了一封给未来生活研究所的公开信，要求他们在6个月内禁止创造强大的人工智能。信中发出警告，人工智能可能 "对人类构成深刻的威胁，并改变我们的生命历史"，这是一场危险的竞赛，没有人能预测或控制”。
将人工智能用于工作： 为什么我需要一个学徒制的培训机构？
总部位于曼彻斯特Spinningfields科技区的S&A学院有三个专业培训学院： 技术与数字，科学与实验室，以及商业与领导。每个学院都提供个性化的专业培训，以及为企业客户定制的课程创建和认证计划。 该培训学院是英国领先的咨询公司The S&A Transform Group（S&A集团）的子公司，该公司专门从事大规模商业、技术和数字转型。
据S&A转型集团的首席产品与创新官Laurence Martin称：“虽然我们对人工智能的发展及其对商业、工业和社会的影响感到担忧是正确的，但在现阶段，它并没有对专业技能和培训行业构成威胁”。
人工智能和ChatGPT，它们都是使用计算分析来给出使我们满意的最佳回应，所以它只是统计分析。它没有从事任何以前人没有做过的事情，仅仅是有效重复了数百万行代码和信息。
ChatGPT使用历史输入的文本和内容，可以很容易地从一系列的提示中组建信息。Bard不仅使用历史文本来构建文档，而且还能够使用实时互联网数据，这意味着它可以分析实时信息，这是ChatGPT下一个进步的空间。"
随着ChatGPT、Bard和其他目前正在开发的人工智能工具的到来，问这个问题的人将会自然爆发： "当我可以要求ChatGPT创建一个课程大纲时，为什么我需要一个培训机构来进行培训呢？" 在未来，使用人工智能聊天机器人的人可能会说："这是这个课程的教学大纲。给我做一个PPT，然后向我解释。" 这就留下了一个问题：当人们可以利用ChatGPT或Bard时，为什么他们是否还要接受专业培训机构的培训呢？
当被问及人工智能是否会取代培训导师、教育家和教师时， Laurence Martin的回答很明确："我不相信人工智能可以取代学徒培训中的'人的因素'。人工智能的思维创新性不足，而我们创造的独特课程则是新颖和先锋的。在S&A学院，我们相信'真实世界'的经验胜过任何AI自动化”。
人+AI：这是一个安全组合吗？
S&A的导师们热衷于用那些真实世界的模拟和高质量的经验来传递经验，这是任何人工智能都无法复制的。他们都来自技术、科学和商业界的导师，而不是传统的学术界。他们提供了真实世界经验的人情味，而不是一套确定的问题和参数。更重要的是，我们注重培养人们的软技能。人工智能无法教授这些个人间的沟通技巧，使人们真正成为可雇用的人才。
人和社会互动是培训过程中的一个重要组成部分。人工智能不能取代社会互动的经验，对于复杂的主题，学徒们可能会因为这个过程而感到沮丧，从而阻碍他们的进步。而且由于过度依赖人工智能，这可能会影响其批判性思维能力。
此外，人工智能可以彻底改变我们查看和处理数据的方式，这可以使科学家们的生活更轻松。人工智能如果利用得当，它能够帮助人们学习重要技能。
现在英国正在进行一项名为 "我的未来健康 "的纵向研究，主要是对人口的DNA进行采样，并确定个人患癌症等的风险。这种性质的研究所利用的数据将是巨大的。通过使用人工智能，数据科学家将能够处理和分析这些数据，它可以为我们在医疗保健方面如何确定个人的疾病风险提供一个真正的洞察力。
目前，许多组织会进行重大业务转型，推动创新，并转向以客户为中心的数字优先战略，同时一直保持对招聘和培训新人才的明确关注。
文章来源：Techrseries.com
-
生成性人工智能
【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
