思杰Citrix首席人力资源官Donna Kimmel
很多人认为远程工作和网课不会持续太长时间。但纵观全球形势,员工们发现他们不可能再像以前那样回到工作岗位了,孩子们的学习方式也变了。这让他们有点不知所措。
除了管理好自己的工作,很多员工现在必须找地方抽时间去监督孩子们在线学习,而孩子们有时是在家学习、有时是在校学习,或者兼而有之,员工们不得不去适应这些情况。对此,公司管理人员应该为他们提供必要的支持。
疫情来袭时,公司纷纷迅速采取行动,为员工提供技术手段,使他们能够在家里继续安全可靠地工作。现在,公司还需要提供资源来帮助他们应对随之而来的挑战,比如支持新的教育模式。
这正是管理人员的职责所在。站在员工的第一线,他们必须挺身而出,想办法既能让公司业务维持运转,客户满意,也能让员工保持身心健康。他们需要比以往任何时候都更富有同理心,处事更灵活,更善于沟通和更人性化。
这不是一项容易的任务,也不是大多数管理人员都能欣然接受的。在当前充满不确定性和挑战的时期,这对于成功至关重要,只需采取一些简单有效的举措就能做到。
以人为本
和有孩子的员工们谈谈心,问问家里情况怎么样。不论是面对面学习、远程学习还是采取混合方式学习,很多家长都不得不做出艰难的选择,这让他们非常焦虑。让他们知道管理人员能为他们提供资源,从员工援助计划到儿童保育经济支持,都可以帮助他们从容应对。
灵活变通
生活里总会有突发状况,而且经常是在工作时间。在管理上,应该变通一些,要信任员工。让他们知道,离开几个小时去监督孩子的网课,或者等到网课下线或者其他家庭成员可以接手时才能工作——这些都是没问题的。他们会感谢公司的理解,对公司的支持一定会有回报的。
调整心态
很多管理人员认为,只有看着员工工作,他们才会有效率。这得改改了。现代员工想要自由、灵活的选择工作时间、地点和方式。忙于工作的家长和在家学习的孩子们都有这方面的要求。研究表明,当满足他们的这些要求时,他们也会同样努力工作。据OnePoll代表思杰公司进行的一项研究,在6个国家接受调查的1万名员工中,超过一半的受访者表示,他们在家工作的时间与在办公室工作的时间相同甚至更长。
帮他们做做家庭作业
不要让压力大、时间紧的员工自己去寻找能帮助他们的信息。公司也许已经有了一个简洁的网站,员工们可以去查看休假政策、程序和福利。但是,除了工作、做家务,甚至照顾年迈的亲属之外,还得教孩子的家长们可能没有时间去访问网站,因此,他们可能会错过公司针对他们提供的各种帮助,例如:
作为公司的管理人员,需要自己首先弄清楚公司的政策,然后通过电子邮件、Slack和其他社交渠道告知员工,也可以当面告诉他们,这样他们就可以方便地利用这些政策。
设定明确的目标和期望
新冠病毒迫使我们重新思考工作方式。而我们也需要重新审视衡量成功的方式。这非常简单。看重结果,而不是时间。预先设定明确的目标和期望,并与员工一起为实现这些目标创造合适的环境。利用数字工作空间等技术来组织和指导工作,实现工作自动化,去掉那些低价值的任务,以便员工们能够专注于他们工作中战略性、有意义的方面,同时还能教教孩子数学作业,给孩子做做饭。精简会议。如果有些会议没有明确的议程,也没有相关方去推动,那就取消这些会议。尽量少发电子邮件。在全部回复之前,先问问自己是否真的需要这样做,考虑采用其他形式更丰富的沟通方式,例如Teams和Slack。
远程工作是新常态。但对大多数员工来说,还需要适应这种状态。当面对虚拟学习带来的挑战,并帮助员工们进行调整时,没有蓝图,也没有通用的计划。管理人员应做好功课,了解部门员工各自面临的问题,协调资源帮助他们解决这些问题。这样,既为员工的成功赋能,又促进了业务的发展。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。