北京,2018年12月3日:随着人工智能(AI)日益改变未来的工作方式和人力资源的职能,IBM日前推出全新业务——IBM Talent & Transformation(IBM人才与转型),致力帮助企业及其员工在AI和智能自动化时代释放更大潜能。IBM Talent & Transformation不仅提供完善的AI技能培训,还能帮助企业利用AI重塑企业的人力资源,赋能员工、变革流程、消除偏见并构建现代化人力资源管理体系。
尽管企业高管和员工都认为AI将为职场带来巨大变化,但IBM最近的研究发现,大多数人并没有为“运用好AI的能力”做好准备。
IBM全球企业咨询服务部高级副总裁Mark Foster表示:“企业需要通过应用人工智能、自动化和区块链等新技术来实现自数字化转型和业务与流程的重塑,而最大的障碍在于能否拥有合适的人才和技能。IBM认为,只有文化、专业知识、技术三管齐下,企业才能打造一支出色的人才队伍,在AI时代取得竞争优势。”
借助IBM Talent & Transformation,企业可以让AI发挥影响力,成为人力资源组织的催化剂,使之从服务性部门转变为增长引擎,帮助公司吸引和留住多元化、高技能的人才,推动企业未来业务发展。
IBM的新服务、AI工具和相关的培训项目源于IBM推动自身的人力资源变革所使用的方法和技术。这些服务利用AI强大的个性化功能,指导员工提升技能,把握公司内部的发展机遇。这些工具还能够帮助人力资源团队防范员工离职风险,以实施积极的人才保留措施;识别出招聘过程中的偏见因素(如职责描述中的用词),以减少招聘偏见。IBM人力资源部门应用这些服务,已获得3亿美元的收益,仅2017年就达到1.07亿美元,同时优质候选人的获取、员工和管理层的满意度也有大幅提升。
IBM通过与客户合作,已经在全球范围内共同完成了1000多个人力资源转型项目。Shire plc等公司通过咨询或将人才招聘、人才培养或人力资源运营等工作外包给IBM,正在重塑人力资本战略以推动业务增长。
AI可以增强员工技能,重新定义任务并提高员工生产力,但这需要培训、培养和新的工作方式。IBM AI Skills Academy(IBM AI技能学院)是一项新的服务解决方案和培训项目,可帮助企业规划、建立和实施整个公司的AI战略性计划,例如评估AI角色和功能,塑造必要的技能,以及建立支持AI战略的组织架构,这些都将获得IBM专家资源的支持。
该解决方案同时面向业务和技术人员,包括市场、人力资源、法律、财务和运营等领域的一线管理人员和高层主管,帮助他们发掘所在组织创造新价值的机会。课程涵盖实施AI计划的重点领域,包括深度学习和机器学习框架、应用算法、开源技术和数据可视化,将确保企业的决策更多基于数据驱动分析,而不是“本能的”直觉。
为了寻找合适的人才和提升现有员工的职业发展,IBM Talent & Transformation与Citizens Financial Group Inc和EY(安永)等公司合作应用了IBM Watson Talent。这是由行为科学、AI和工业组织心理学领域的专家开发而成,具有分析技术和AI的预测功能,包括以下解决方案:
要利用AI的优势,企业还必须改变工作方式、工作场所以及指导工作所依据的原则。
为了推动这场变革,IBM现已推出IBM车库创新(IBM Garage),旨在发展敏捷创新的能力,激发工作方式的变革。IBM车库创新将是企业进行数字化和AI驱动转型的一个物理呈现形式。在这里,IBM专家与客户、员工可以面对面地碰撞出新的想法,并迅速进行检验,然后决定放弃或优化这些想法。在专为脱离日常事务而设计的环境中,消除传统的程序和障碍,鼓励员工通过实践进行学习,快速发现错误并不断优化,从而激发组织变革。IBM车库创新是一个工具,可帮助企业执行、扩展和管理多个转型计划,在市场万变的情况下坚守战略目标。目前,福特汽车、Travelport等公司已经在全球范围内使用IBM车库创新,以创造开放式协作和持续学习的文化。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。