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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。