-
Gen AI
工作的未来：利用人工智能增强员工能力，实现更快、更智能的流程--谷歌Next大会官方介绍的案例
在当今的商业环境中，各行各业的公司正积极采用生成型人工智能（Gen AI）技术，以提高员工生产力和优化工作流程。这些技术的应用广泛，覆盖了从日常管理到高级数据分析的多个方面，极大地提升了工作效率和协作质量。
例如，Avery Dennison公司利用生成型AI，使员工能够进行安全、灵活且无国界限制的协作，从而推动生产力的提升和公司成长。同样，Bayer公司正在建立一个放射学平台，该平台通过数据分析和智能搜索帮助放射科医生创建符合健康监管要求的文档，加速医疗批准过程。
在临床试验文档处理方面，Bristol Myers Squibb公司通过使用Vertex AI和Google Workspace，将原本需要科学家们数周完成的文档草稿时间缩短到了几分钟内。此外，大型零售商如Home Depot利用名为“Sidekick”的应用程序帮助店员管理库存，并通过视觉模型优化库存补充的优先级。
这些案例显示，通过AI技术，企业不仅能够简化复杂的流程，还能在提供个性化服务和改善客户体验方面取得显著成效。AI的集成使得员工可以从繁琐的任务中解放出来，专注于更有价值的工作，从而推动业务发展和创新。这种技术的应用正在逐步改变传统工作方式，预示着一个更智能、更高效的未来工作环境。
谷歌Next大会中推荐了101个企业使用GenAI的案例，我们特别介绍在企业员工工作方面的应用企业案例，一起来看看：
Avery Dennison（艾利丹尼森）通过生成式AI赋能员工，以实现安全、灵活且无边界的协作，增强生产力以推动增长。
Bank of New York Mellon（纽约梅隆银行）建立了一个虚拟助手，帮助员工找到相关信息和问题的答案。
Bayer（拜耳）正在建设一个放射学平台，将协助放射科医生进行数据分析、智能搜索，并创建符合健康保障要求的文档，以获取监管批准。这家生物科学公司还在利用BigQuery和Vertex AI开发额外的数字医疗解决方案和更高效的药物。
Bristol Myers Squibb（百时美施贵宝）正在使用Vertex AI和Google Workspace转变其临床试验的文档处理流程。现在，原本需要科学家几周完成的文档，现在几分钟内就能完成初稿。
BenchSci开发了生成式AI解决方案，赋能科学家理解生物研究中的复杂联系，为他们节省时间和财务资源，并最终更快地将新药带给患者。
Cintas 正在利用 Vertex AI Search 建立内部知识中心，帮助客服和销售团队轻松获取关键信息。
加州的医疗保险市场 Covered California 正在使用Document AI帮助改善消费者和员工的体验，通过自动化居民申请保险时的文档和验证过程的部分。
Dasa（达莎），巴西最大的医学诊断公司，正在帮助医生更快地检测出测试结果中的相关发现。
DaVita利用DocAI和Healthcare NLP改造肾脏护理，包括分析医疗记录、揭示关键的患者洞察以及减少错误。AI使医生能够专注于个性化护理，从而显著改善医疗服务的提供。
Discover Financial（发现金融）帮助其10,000名联系中心代表在通话期间搜索和综合详细的政策和程序信息。
HCA Healthcare正在测试名为Cati的虚拟AI护理助手，帮助确保一个护理班次结束和另一个开始时的护理连续性。他们还在使用生成式AI改善诸如临床文档这类耗时任务的工作流程，使医生和护士能够更多地专注于患者护理。
Home Depot（家得宝）建立了一个名为Sidekick的应用程序，帮助商店助理管理库存并保持货架存货；值得注意的是，视觉模型帮助助理确定采取哪些行动。
Los Angeles Rams（洛杉矶公羊队）在内容分析到球员侦察等方面都在利用AI。
McDonald’s（麦当劳）将在其数千家餐厅中利用数据、AI和边缘技术来实现更快的创新，并增强员工和客户体验。
Pennymac（宾尼迈克），一家领先的美国全国性抵押贷款贷方，正在使用Gemini跨多个团队，包括HR，其中Gemini在文档、表格、幻灯片和Gmail中的应用帮助他们加速招聘、雇佣和新员工入职。
Robert Bosch（罗伯特·博世），世界上最大的汽车供应商，通过生成式AI驱动的解决方案，革命性地改进了营销，简化流程，优化资源配置，并在100多个分散的部门中实现效率最大化。Symphony（交响乐），金融服务行业的通信平台，使用Vertex AI帮助金融和交易团队跨多个资产类别进行协作。
Uber（优步）正在使用AI代理帮助员工提高生产力、节省时间，并在工作中更加有效。对于客服代表，他们推出了新工具，总结与用户的通信，并甚至可以从以前的互动中提取上下文，因此一线员工可以更有帮助和有效。
U.S. Dept. of Veterans Affairs（美国退伍军人事务部）正在使用AI在边缘改善对服务成员和退伍军人的癌症检测。部署在世界各地的远程军事治疗设施中的增强现实显微镜（ARM）正在帮助病理学家更快、更准确地找到癌症。
U.S. Patent and Trademark Office（美国专利和商标局）通过实施AI驱动的技术，提高了他们的专利和商标审查过程的质量和效率。
Verizon（威瑞森）正在使用生成式AI帮助网络运营和客户体验团队更快地获取所需答案。
Victoria’s Secret（维多利亚的秘密）正在测试AI驱动的代理，帮助其店内助理查找有关产品库存、库存以及合身和尺寸提示的信息，以便他们能够更好地为客户提供个性化建议。
Vodafone（沃达丰）使用Vertex AI搜索和理解超过10,000份合同中的特定商业条款和条件，这些合同涉及超过800个通信运营商。
WellSky正在整合Google Cloud的医疗保健和Vertex AI能力，减少工作时间外完成文档的时间。
Woolworths（澳大利亚沃尔沃斯），澳大利亚领先的零售商，通过在Google Workspace产品中使用“帮我写”功能，提升了超过10,000名行政员工在通信中的信心。它还在使用Gemini为客户服务代表创建下一代促销活动，并快速协助他们实时总结所有之前的客户互动。
Box, Typeface, Glean, CitiBank（花旗银行）和Securiti AI讨论了跨企业开发AI驱动的应用程序的情况，这些应用程序为营销、金融服务和HR用例带来了可衡量的投资回报。
Highmark Health和Freenome与Bristol Myers Squibb一起探索AI如何在护理交付、药物发现、临床试验规划和将药物推向市场等方面提高效率和创新。
我们可以看到以下几个特点，Gen AI在工作场所带来的可能：
工作效率和流程优化：通过自动化重复任务和加快文档处理，如Bristol Myers Squibb利用AI加速临床试验文档的编制。
信息获取与决策支持：银行和服务公司使用AI辅助工具改善信息检索和客户服务，例如Bank of New York Mellon的虚拟助手。
医疗诊断与患者护理：如DaVita和Dasa利用AI提高诊断效率和准确性，改善病理检测和患者护理。
个性化服务和客户体验：零售和服务业通过AI优化库存管理和顾客互动，如Victoria's Secret使用AI提供个性化购物建议。
跨地域协作与通信：例如Avery Dennison使用AI支持全球员工的协作和通信。
市场营销和资源优化：如Robert Bosch利用AI精细化营销策略和资源配置。
确保总结中包括了生成型AI对企业运营效率提升、员工工作满意度增加、以及企业服务质量和创新能力提高的综合影响。
-
Gen AI
【美国】人工智能解决方案公司Simbian获得1000万美元种子轮融资，打造由Gen-AI支持的完全自主安全平台
Simbian是一家为不同 IT 环境下的业务运营提供人工智能解决方案的公司，公司获得了 1000 万美元的种子轮融资。以实现完全自主的安全。作为实现这一目标的第一步，公司正在推出业界首个由 GenAI 驱动的安全辅助驾驶仪，将安全和智能 AI 解决方案集成到不同的 IT 环境中，以最大限度地扩大覆盖范围，加快解决安全团队不断变化的需求。该辅助驾驶员可持续观察用户操作和环境，并随着时间的推移学会自主执行日益复杂的任务。Simbian 致力于通过将所有战术任务委托给其可信赖的人工智能平台来实现完全自主的安全，从而使用户能够专注于战略安全目标。
本轮融资由 Cota Capital、Icon Ventures、Firebolt 和 Rain Capital 领投，Datadog 联合创始人兼首席执行官 Olivier Pomel、Nile 联合创始人兼首席执行官 Pankaj Patel、Anchorage Digital 联合创始人兼首席执行官 Diogo Monica、Facebook、Uber 和 CloudFlare 前首席运营官 Joe Sullivan 参投； Suresh Batchu、高盛运营合伙人 Paul Albright、硅谷传奇投资人 Pierre Lamond 以及 Coinbase 和 Pinterest 董事会成员 Gokul Rajaram。
"Cota Capital 合伙人 Aditya Singh 说："传统的安全自动化方法已不能满足当今动态环境的需要。"人才越来越稀缺，同时威胁载体也越来越复杂。根据一份网络安全市场报告，到 2028 年，全球网络安全市场将增长到 2,985 亿美元 。Simbian是该领域的领导者，它对安全自动化的细微差别和背景有着深刻的理解，能够通过人工智能进行学习，并随着时间的推移变得更加智能和深入。Simbian的创始团队拥有独一无二的成熟背景，曾打造过英伟达™（NVIDIA®）GPU、保密计算和领先的云安全解决方案。我们很高兴能加入Simbian，共同迈向完全自主安全的征程。"
Simbian的GenAI驱动平台是业内首个安全辅助驾驶平台，可适应各种IT环境并涵盖所有安全功能。大多数企业都有来自多个供应商的软件和内部软件。每个企业和安全团队的每个成员都有独特的、不断变化的安全需求。Simbian 可帮助从首席信息安全官到一线从业人员的每位安全团队成员实时解决其独特的安全需求。用户以自然语言提供他们的目标，Simbian 正在申请专利的 LLM 平台提供个性化建议，并在异构环境中生成自动操作--提供更好的安全结果，提高对不断变化的业务需求和威胁的敏捷性，并降低成本。
"Axelar联合创始人Sergey Gorbunov说："安全领域的复杂性与日俱增。"每天的安全事件都会带来新的变数。Simbian正朝着完全自主安全平台的目标迈进一大步。我们很高兴能与他们合作，因为这可以让我们在安全目标上更具战略性，而将安全机制留给Simbian。"
虽然安全厂商越来越多地使用 GenAI，但现成的 GenAI 模型存在许多安全风险，包括幻觉、提示注入风险和 PII/机密数据暴露。Simbian 利用正在申请专利的名为 TrustedLLM™ 的加固 LLM 系统将这些风险降至最低，该系统在用户与其使用的 GenAI 模型之间采用了多层安全控制。
"企业战略集团（Enterprise Strategy Group）首席分析师Dave Gruber说："人工智能驱动的安全解决方案可以大大提高威胁检测能力、加快修复速度并降低复杂性。"Simbian正在将这一愿景变为现实，因为他们利用人工智能将各级安全分析师日常执行的许多更具挑战性、更频繁的安全任务自动化。"
Simbian的联合创始人兼首席执行官Ambuj Kumar最近曾担任数据安全公司Fortanix的联合创始人兼首席执行官，他在该公司成功融资1.35亿美元以上，并建立了机密计算安全类别。Kumar 先生曾担任英伟达™（NVIDIA®）GPU 的首席设计师和密码学研究公司（Cryptography Research Inc. Simbian的联合创始人兼首席技术官Alankrit Chona曾在Twitter工作，拥有丰富的大规模平台和数据工程背景，是成功的初创公司Afterpay和Spotnana的创始成员。
"Simbian联合创始人兼首席执行官Ambuj Kumar表示："安全团队无法跟上每天必须完成的操作任务，尽管我们多年来一直在投资内部自动化和工具，以提高他们的工作效率，这就是我们创办Simbian的原因。Simbian联合创始人兼首席执行官Ambuj Kumar表示："行业内的早期反馈和追捧非常积极，我们很高兴今天能推出这家公司。作为业内首创，Simbian 让安全运营商牢牢掌控安全决策，我们让用户能够与各供应商的产品互动，从而完成任务。我们利用 LLM 和自然语言用户界面在代码中生成命令的能力在业内独一无二，我们还能让用户对我们支持的操作进行排列组合，所有这些都是即时完成的。
关于Simbian
Simbian是业内首家利用GenAI将安全、智能的人工智能解决方案整合到不同IT环境下的业务运营中的公司，以最大限度地提高安全覆盖率，加快解决安全团队最迫切、不断变化的需求。Simbian 凭借其经过加固的 TrustedLLM™ 系统，成为首家通过授权安全团队的每一位成员（从 C-Suite 到一线从业人员）为其独特的安全需求（从复杂的调查和响应到治理和报告）制定量身定制的见解和工作流程来加速安全的公司。该公司由风险投资支持，总部位于加利福尼亚州山景城。
-
Gen AI
HR领导者必须掌握的十大AI术语
人工智能正在改变全球企业环境。为确保贵公司领先于这一变革，您需要掌握这十个关键的AI术语。
人工智能（AI）正逐步融入我们的日常生活和工作之中。对于企业而言，要想在新的工作环境中保持竞争力，了解AI及其价值至关重要。因此，我们汇编了每位商业领袖都应该了解的十个AI术语。
在我们的《AI智商：企业中的人工智能见解》报告中，我们调查了1000名高级决策者关于人工智能和机器学习（ML）。调查结果显示，有81%的领导者认为，保持企业竞争力需要运用AI。然而，有74%的领导者表示，他们的组织缺乏全面部署AI和ML的能力。
为了弥补这一技能差距，企业需要在各个业务领域内应用AI。在财务领域，AI能够消除低效，将原本需要数月或数周的工作缩短至数小时或数分钟。在信息技术方面，AI及其促进的自动化使得现代化IT生态系统的优化变得更加高效。对于人力资源领域来说，随着基于技能的经济不断演进，赋予HR专业人员AI和ML的知识变得尤为重要。
为了实现公司范围内成功且负责任的部署，各级商业领导者，从首席执行官到团队经理，都必须确保他们充分理解AI。那些对AI采用缓慢的组织不仅会失去竞争优势，而且会完全落伍。明天的AI思想领袖将是那些从今天起就开始掌握基础知识的人们。
有81%的领导者认为，AI对于保持其业务的竞争力是必需的。
必备的AI术语表
AI术语通常可能涉及广泛的技术内容，从决策树到强化学习等。在下面的AI术语表中，我们集中讲解了一些基本术语。
此外，我们还解释了每个术语在组织层面的重要性。考虑到AI应用的广泛性，很容易忽视其对业务潜在利益的影响。因此，我们着重强调AI对于现代商业环境中公司成功的关键作用。
1. 人工智能（AI）
人工智能指的是机器执行通常需要人类智能的任务的能力。AI通过分析和学习数据、识别模式、做出预测来增强智能决策制定和提高人类生产力，其处理速度和规模远大于人类。
为什么重要： 2022年的一项调查显示，92%的大公司报告称他们从AI投资中获得了回报，这一比例自2017年的48%大幅上升，这标志着AI所代表的商业价值正迅速增长。
2. 机器学习（ML）
机器学习是AI的一个分支，使机器能够通过重复学习来获得知识。依赖于数据和自我修改的方法，机器学习算法能够识别模式并进行预测，其模型不断自我完善，以提高模式识别和预测分析的能力。
为什么重要： 由ML生成的自动预测让商业领导者能够专注于战略决策，保留关键时刻人的参与。坚持手动过程的公司可能会浪费本可以更有效地使用在其他项目上的员工时间。
3. 负责任的AI
负责任的AI强调AI的部署者需要确保AI系统的开发和应用是符合道德的。对于AI和ML来说，建立和预期信任是必要的。这是为什么Workday致力于AI的道德、透明和负责任的使用。"可信赖的AI"也是相似的概念，由国家标准与技术研究院（NIST）定义为"有效可靠、安全、弹性、可问责、透明、可解释、增强隐私、公平且有效管理有害偏见"。
为什么重要： 我们的《AI智商》报告指出，仅有29%的高级商业领袖非常确信AI和ML目前被以道德方式应用。因此，决策者必须优先考虑与那些致力于道德和负责任使用AI的公司合作。
4. 深度学习（DL）
深度学习是机器学习的子集，通常用于建模数据集内的复杂模式和关系。深度学习通过多层处理分析大量信息，类似于我们大脑中的神经网络结构，尤其在计算机视觉领域发挥重要作用，使机器能够解码视觉图像。
为什么重要： 对于大型企业来说，快速处理海量数据的能力至关重要。在Workday，我们在财务等多个功能中应用深度学习，例如在处理报销单和发票时，通过深度学习识别数据点，并将其映射到数据库中的相应字段，极大提高了效率。
5. 自然语言处理（NLP）
自然语言处理让机器能够理解、解释和生成人类语言。它广泛应用于语音识别、机器翻译、情感分析和问答系统。NLP还包含两个子领域：自然语言理解（NLU），侧重于理解人类语言的意图和含义；自然语言生成（NLG），侧重于将结构化数据转换成人类风格的文本。
为什么重要： 随着工作节奏加快，准确捕捉员工情绪变得越来越重要。NLP技术使各级业务领导能够高效地分析大量文本数据，提取出相关的员工反馈，以指导关键决策。
6. 算法
算法是一个为解决特定问题或执行特定任务而编写的计算机程序。它包含了一系列在满足某些条件时自动执行的指令。无论是在AI、ML模型还是计算机科学的其他领域，算法都是其核心和基础。
为什么重要： 在21世纪，几乎所有重大的技术进步背后都离不开算法。随着工作世界越来越依赖数据，编写得当的算法是成功的关键因素。
7. 生成式AI
生成式AI是一种能够创造新内容的AI系统，如数据、图像、音乐或文本。这种内容通常是根据用户的简单提示产生的。生成式AI变得极为流行，其中包括：
ChatGPT：一个能够生成连贯、逼真的类人语言的语言处理聊天机器人。
Stable Diffusion：一个根据文本描述生成详细图像的文本到图像工具。
Amper Music：一个根据用户选择的风格和情绪生成音乐的AI音乐平台。
为什么重要： 尽管生成式AI最常见的示例是面向消费者的，但其在商业中的应用潜力巨大。结合人类的输入，生成式AI可以帮助创建招聘信、职位描述，提供预算决策支持等。
8. 大语言模型（LLM）
大语言模型是生成式AI背后的核心技术。这些模型在大量的非标注文本上进行训练，拥有数十亿个参数，可用于多种机器学习任务，如搜索意图识别、话题分类、内容摘要以及基于现有数据生成语义相似的短语。
为什么重要： 随着时间的推移，企业需要处理的数据量不断增加。LLM不仅加快了数据处理和分析的速度，还能帮助用户实时产生有用的洞察。
9. 光学字符识别（OCR）
光学字符识别是一种图像识别技术，用于扫描图像或文档以识别里面的文本和数字字符，并将这些信息转换为机器可读的文本格式。执行图像识别的系统大多采用了深度学习技术，包括Workday的系统。
为什么重要： OCR的商业应用范围极广，可大幅减少各种业务功能中不必要的手工工作量。每张发票、报销单和文档都可以实时扫描和处理，让员工有更多时间专注于更重要的任务。
10. 神经网络
神经网络是一种复杂的计算机系统，模仿人类大脑中神经元的连接和交互方式。也称为人工神经网络，它属于机器学习的一种形式，能够很好地适应变化，通过模拟人脑的数据处理方式进行学习和模式识别。
为什么重要： 适应性是未来工作环境的关键。神经网络能够发现有价值的数据见解，并随着时间的推移不断学习和进化。采用能与您的公司共同成长的AI技术，将在长远来看带来重大的好处。
AI与未来工作的融合
得益于AI的进步，未来的工作方式已经成为现实。全球职场正在以前所未有的速度演变，企业必须立即做出正确的决策，以防范未来的变化。AI和ML的核心集成将成为成功与否的关键分水岭。
-
Gen AI
Cognizant Impact 研究预测未来10 年生成式人工智能将为美国经济注入1 万亿美元
牛津经济研究院与 Cognizant 联合开展的具有里程碑意义的研究预测，生成式人工智能将对美国 90% 的工作岗位产生影响，为了保持经济增长，亟需开展战略性的技能再培训
新泽西州提内克 2024年1月13日 Cognizant（纳斯达克股票代码：CTSH）与牛津经济研究院联合发布最新经济影响研究《新工作，新世界》(New Work, New World) 的研究成果。研究预测，90% 的工作将在某种程度上受到生成式人工智能 (gen AI) 的影响，我们处理工作、提高生产力和促进经济增长的方式均将发生深刻转变。研究还发现，企业对人工智能技术的采用率以及个人适应新工作方式的速度，将决定这项技术的影响力。
牛津经济研究院首席执行官 Adrian Cooper 表示："我们的研究旨在阐明人工智能可能对全球劳动力产生的影响。研究结果揭示了这项技术将以多快的速度影响美国经济发展进程，为领导者利用这项技术的潜力并迅速适应提供了宝贵见解。"
生成式人工智能有助于提高运营效率、创造新的收入来源、革新产品和服务，甚至重新定义企业。为了量化生成式人工智能对生产力和未来工作的潜在影响，Cognizant 与牛津经济研究院合作构建了一个经济模型，探究了美国企业采用生成式人工智能的三种情境。该模型考虑了推动美国经济发展的 18,000 项任务，并仔细研究了生成式人工智能可能对与这些任务相关的工作岗位产生的影响。虽然研究主要关注美国劳动力，但其发现的一般主题对全球都有参考价值。研究提出的主要观点包括：
未来十年对人工智能的采用将会出现激增，并将进入成熟期：企业对人工智能功能的采用尚处于试验阶段。不过研究表明，仅在四到八年内，采用率就会从 13% 飙升至 31%。研究预测，15 年后，采用率增长可能会放缓，但至少还会继续增长 15 年。
经济可能迅猛发展：随着企业人工智能技术采用率不断增长，未来 10 年，预计美国的生产率将提高 1.7%—3.5%，美国的 GDP 将从 4,770 亿美元增长至 1 万亿美元。
与此同时，就业市场可能会受到影响：随着工作任务因采用生成式人工智能而实现自动化，半数工作 (52%) 预计将发生显著变化。大约 9% 的美国现有劳动力可能会被取代，根据历史经济变化规律，其中 1% 的人可能难以找到新工作。
知识含量较高的工作可能最受影响：过去，技术进步和自动化主要影响的是体力劳动和以流程为中心的知识型工作。而生成式人工智能产生的影响与之相反，它将会对知识型工作产生更大的干扰。此外，信用分析、计算机编程、网络开发、数据库管理和平面设计等工作的理论最大风险敞口得分已经达到大约 50%。到 2032 年，随着技术的不断发展，一些工作的敞口得分可能会攀升至 80%。
首席执行官将会感受到影响：数据显示，C 级高管乃至首席执行官的理论最大敞口得分（即工作任务容易被生成式人工智能自动化的程度）可能会超过 25%，这是因为从竞争评估到战略决策，他们都开始使用生成式人工智能。
Cognizant 首席执行官Ravi Kumar S 表示："生成式人工智能在各领域的表现已经让我们惊叹不已，但它在我们日常业务运营中的真正影响才刚刚开始显现。为了充分利用这项技术的潜力来提高生产力，我们必须全面了解它对未来工作造成的影响，并携手为人们创造与之共生共荣的最佳机遇。"
紧跟人工智能的发展步伐，重新培养劳动力
虽然这项研究的时间跨度超过十年，但 Cognizant 认为，如今社会各领域的领导者应当积极合作，建立新的信任契约，助力企业、员工和经济在人工智能时代蓬勃发展。随着这项技术在劳动力中日益普及，员工需要掌握新的技能，为业务战略和人工智能管理等领域提供支持。再培训计划曾是员工职业生涯发展的辅助手段，如今培训将成为工作日的重要组成部分，企业将在工作日专门安排时间开展教育和培训。
根据这一愿景，Cognizant 最近推出了 Synapse 计划，旨在通过为全球一百多万人重新定义机会，彻底改变和重新平衡技术教育和劳动力发展的格局。依托 Cognizant 深厚的专业积淀和多年技术再培训的丰富经验，该计划旨在到 2026 年为不断扩大的数字经济打造一个全新的适宜雇佣的人才库。点击此处了解有关 Synapse 的更多信息。
如需查看完整的研究报告，了解更多信息，请访问 https://www.cognizant.com/us/en/gen-ai-economic-model-oxford-economics。
研究方法：Cognizant 《新工作、新世界》研究
牛津经济研究院受 Cognizant 委托，评估和预测未来 10 年生成式人工智能技术对美国产生的经济影响。
该项目分为五个主要工作阶段，循序渐进地开发牛津全球经济模型 (GEM) 的假设输入值。这些输入值反映了我们的预期，即在预测期内美国企业对生成式人工智能技术的采用将如何影响经济活动的结构性驱动因素，特别是全要素生产率 (TFP) 的增长。为了反映这一过程中固有的不确定性，我们设定了三种情境，以便得出一系列结果。如需了解完整的研究方法，请点击此处。
关于 Cognizant
Cognizant（纳斯达克股票代码：CTSH）为现代企业提供科技支持。我们助力客户实现技术现代化、流程重构和体验转型，使其能够在瞬息万变的世界中保持领先地位。同心协力，提升日常生活品质。请访问 www.cognizant.com 或 @cognizant.
-
Gen AI
LinkedIn宣布在招聘和学习中推出人工智能的功能
本周，LinkedIn 在其两款旗舰产品中宣布了一些大规模的 Gen AI（生成式人工智能） 功能：LinkedIn Recruiter 和 LinkedIn Learning。让我给你一个概述。
让我从 LinkedIn 学习开始。
如您所知，学习是一个复杂的过程。员工希望提出问题，从一个主题跳到另一个主题，并就下一步需要了解的内容获得建议。LinkedIn Learning的产品团队刚刚推出了他们新的人工智能辅导功能，允许用户提出问题，并根据对他们的技能和角色的洞察，从为他们量身定制的课程中获得叙述性答案。
考虑下面的演示。正如您从“Learn with AI”按钮中看到的那样，用户现在可以提出问题并获得课程生成的叙述性答案。LinkedIn最初专注于软技能 ( PowerSkills )，并计划随着时间的推移将此功能扩展到其他课程。
这一功能很可能出现在许多其他学习平台（例如我们的 JBA Copilot）上，对市场产生巨大影响。我们不再需要参加一小时的课程或在互联网上搜索有关某个主题的提示：整个学习图书馆突然解锁以提供内容、参考和支持。
这不仅为 LinkedIn Learning 增加了巨大的价值，还引出了教练网络走向何方的问题。我不会详细讨论这个话题，但随着时间的推移，这些类型的“助教”或“一线教练”可以帮助员工解决心理健康问题、个人关系挑战，当然还有有关技术、工具、编码和数据分析的问题。
LinkedIn 正从管理和软技能课程开始，但你可以看到它的发展方向。其他供应商（例如 Udemy）也在致力于此。
LinkedIn Recruiter
招聘人员有许多手册写作和分析任务。我们必须编写职位描述、设置采购查询、向候选人发送电子邮件、回答候选人问题、安排面试、记录和分析面试、撰写工作机会，甚至分析和协商薪资。所有这些步骤都需要时间、需要数据，并且常常成为瓶颈，因为涉及审批和其他因素。
输入 LinkedIn Recruiter 的“自动化工具”。看看这个演示，它真的会让你大吃一惊。
LinkedIn 将这些产品创新分为四类：
人工智能辅助候选人发现：快速、轻松地寻找、筛选、选择、技能分析
更智能的建议：建议地点、职位、技能、公司和其他可扩展搜索结果的条件
简化候选人外展：人工智能辅助的 InMail、自动 InMail 后续消息、CRM 和电子邮件集成。
可操作的数据和见解：用于分析招聘广告、发布绩效、流量和许多其他内容的深入报告和见解。
正如您所看到的，人工智能可以帮助和自动化我们在招聘过程中所做的许多耗时的事情。在每一步中，“生成”或自动化流程都可以由 LinkedIn Economic Graph 或您自己公司的庞大员工和候选人信息数据库中的数据驱动。
考虑一下招聘人员的人工智能辅助消息传递的演示。您可以看到 Gen AI 如何节省数小时的时间，并以高度调整的“助手”方式利用技能数据、劳动力市场信息和公司价值。
搜索同样重要。正如该演示所示，用户可以轻松替代招聘人员必须学习的复杂“多面搜索”或布尔逻辑。人工智能可以提示用户并迭代搜索路径，而不必强迫用户了解系统中的每个搜索条件和数据元素。他们可以用自己的话进行搜索。
底线：生成式人工智能将改变我们招聘、雇用、设定薪酬和学习的方式。作为招聘和学习市场的强大领导者，LinkedIn 向我们展示了 Gen AI 如何成为提高生产力、改善运营并帮助员工和招聘人员在工作中变得“超级强大”的工具。
-
Gen AI
【30%】在不久的将来，生成式 AI 可以将 HR 生产力提高 30%！
💡关于生成式人工智能将如何影响人力资源有很多猜测，但研究人员第一次量化了人力资源职能的好处。
生成式人工智能有可能在短期内推动整个人力资源价值链的生产率提高约 30%。生成式人工智能的影响将从根本上转变为更具战略性、增值性和知识驱动型的人力资源组织。波士顿咨询公司（BCG）利用 BCG 过去 5 年的支持职能基准数据发布了一份新的有趣研究报告，指出 Gen AI 也将对 HRBP 有利，主要是为他们提供净能力解锁并减少人力资源行政任务。
✅GenAI 对 HR 职能的真正影响
GenAI 对人力资源的影响
研究人员发现，这一 GenAI 转型将对工作流程产生以下影响：
✔️自助服务大幅增加
✔️整个雇佣到退休流程的生产力和体验增强
✔️真正个性化且持续提供的人力资源服务
✔️全面的数据驱动型人才生态系统，为人员决策和劳动力转型提供动力
✅由于 GenAI 的实施，人力资源任务发生了具体变化
人才生态的变化
研究人员研究了一些对人力资源任务影响的具体例子，即自助信息、从雇用到退休流程和人才生态系统，结果令人震惊，因为人力资源可以节省宝贵的时间并致力于其他更具附加值的活动。
自助服务和开放获取信息
✔️更少的点击，更多的答案
✔️具有新 GenAI 功能的更好、更具对话性的聊天机器人
✔️更快解决员工问答
💥员工请求批准时间减少 40%
技术支持、更加个性化和高效的雇佣到退休流程
✔️消费级技术与人力资源专业人士相结合，他们可以在重要时刻投入更多时间
✔️更加个性化和响应灵敏的界面，例如在工作节奏内提供的推动或 L&D
💥交付高质量 L&D 视频内容可节省60% 的成本
在人才方面，GenAI 将帮助：
1️⃣副驾驶 重新设计工作
2️⃣根据人才和市场趋势、业务成果、战略自动标记工作需求变化
3️⃣自动刷新的工作技能矩阵，包含基于工作趋势的 GenAI 技能颠覆指数
✅对 HRBP 活性的影响
2 HRBP 活动情景
研究人员发现，GenAI 对 HRBP 也有好处，主要是为他们提供净容量解锁并减少人力资源管理任务。
他们预测了两种情况：
场景1️⃣：优先考虑近期效率；当今由 AI 驱动的 HRBP（活动所花费总时间的百分比）
场景2️⃣：重新投入时间来加深洞察和参与；新人才商业策略师
👉 但这两种情况都可以通过以下方式节省时间：
🟢内容创建（例如，生成的职位发布）
🟢增加自助服务（例如聊天机器人）
🟢安排面试（例如面试）
🟢增强的数据洞察（例如个性化性能）
🟢领导人力资源和整体转型
🟢制定更广泛的技能提升计划以促进工作转型
🟢让员工参与变革
🟢投资个人发展以支持 GenAI 技能提升
✅大多数 CHRO 相信人工智能将取代工人
盖洛普 (Gallup)发布的另一项针对 135 名财富 500 强 CHRO 的有趣调查发现，72% 的 CHRO预计人工智能将在未来三年内取代其组织中的工作，领导者也对人工智能的实用性抱有希望，其中65% 的人表示人工智能可用于改进组织中大多数角色的表现。
✅人力资源领导者的双重角色推动 GenAI
CHRO 的双重角色
人力资源经理肩负着领导公司和职能部门 GenAI 转型的双重角色：他们既必须为公司的GenAI 转型做好准备，又要为人力资源部门进行创新。
📌最后，研究人员向 CHRO 建议采取以下行动来支持 GenAI 转型：
✔️ 创建一个 GenAI 跨职能 SWAT 小组
✔️ 为前 100 名领导者启动广泛的技能提升计划
✔️ 确定 GenAI 小组所需的技能组合
✔️ 拟定与企业战略相一致的劳动力转型主题
✔️ 确定负责人工智能的联系人
✔️ 向组织传达变化
✔️ 明确 "北极星 "愿景，将 GenAI 的潜力纳入其中
✔️ 开展构思会议，确定人力资源部门的三个用例
✔️ 为人力资源部门创建 GenAI 小组，包括一名联络人
✔️ 保留并扩展组织内的数字和数据技能
✔️确保基础数据井然有序
✔️ 激发团队热情，减少恐惧感
感谢 🙏波士顿咨询集团 (BCG)研究人员团队提供了这些富有洞察力的发现.
作者：Nicolas BEHBAHANI
扫一扫 加微信
hrtechchina
