混合型工作方式还将继续下去,员工体验从未如此重要
作者:思杰战略执行副总裁Tim Minahan
过去的一年可谓是漫长又黑暗,而现在人们开始看到曙光。展望未来,人们需要接受这样一个事实:他们无法回到以前的工作模式了。波及全球的疫情已经永久性地改变了企业及其员工对工作方式和工作地点的看法。一切都再也回不到从前了。
如果说这次危机教会了我们什么的话,那就是我们可以在任何地方开展工作。的确如此。
思杰和OnePoll最近进行了一项调查,在被问及后疫情时代人们更愿意怎样开展工作时,7,000多名受访者中有52%的人表示他们想要一种混合工作模式,即可以选择每天远程工作或者在办公室工作。而16%的受访者表示,他们对重返办公室工作没有兴趣,更愿意选择长期远程工作。
开弓没有回头箭…
企业对此心知肚明。Teleperformance公司基础设施执行副总裁兼首席信息官Jose Guereque认为:“随时随地的办公模式并非因疫情而起,我们将把混合工作方式作为企业的长久之计。”
其他企业也会效仿。为什么? 因为远程工作模式的确很有效。
疫情期间,企业和员工都看到了灵活办公模式在工作效率、员工参与感及身心健康等方面带来的好处。思杰的研究表明,77%的员工在家工作的时长不变甚至更长,69%的员工表示在家工作的效率更高。
企业对员工们展现出的应变和创新能力颇为赞赏。
Kreston Reeves公司的高级合伙人Andrew Griggs说:“疫情让我们看到,财务顾问和会计师能够轻松地迅速适应新的工作模式。这些富有创造力的员工运用新方法解决了传统问题,这将有助于我们调整并加快落实相关战略举措,从而在未来更好地为客户服务。”
…然而只有改变才能发展
要想把远程办公的优势保持下去,完成工作的方式也需要做出改变。为了让各部门能够远程工作,企业已经克服了面临的各种困难。企业为员工提供了完善的办公工具,无论在哪里工作,都能让他们获取到完成工作所需的资源。
虽然疫情之初员工的工作效率有了大幅提高,但现在的效率却日渐下滑。一方面,员工们所使用的工具确实能够使他们更高效地在家工作,同时这些工具却也越来越分散他们对核心工作的注意力,造成群体性的疲劳,并增加了挫败感。
员工们的工作时间可能更长,但他们完成的工作量却越来越少,因为他们有太多的工具,这些工具会经常性的打断工作,导致他们在不同的应用程序和界面之间切换工作情景,进而无法高效的参与、协作和执行工作。
根据思杰-OnePoll的调查:
体验感很重要
企业战略集团高级分析师Mark Bowker表示:“当前,最重要的是为员工提供简单、易操作的工作体验。为了让员工在当下的混合工作模式中仍保持积极高效的工作状态,企业不仅要为他们提供可安全访问的办公资源,还要提供能够使他们在不同工作渠道、设备和地点都能更高效且更有效工作的办公工具。”
要做到这一点,不能简单通过把个人聊天和协作工具拼凑在一起去实现。这会迫使员工采用别的工作方式,而不是他们习惯的工作方式。企业需要的是一个可以一举三得的平台:
实际上,企业应该在人与技术之间建立一个体验层,消除员工日常生活上的干扰,让他们能够以自己想要的方式工作。
遂心工作
今天,大多数IT部门是根据系统的运行方式来调整工作的。未来,如果他们想让员工们快乐而又高效地工作,就需要调整系统以适应员工的工作方式。
正如很多企业从这场疫情中学到的,数字工作空间是应对此环境的有效方法,因为它提供的平台使员工能够:
IT部门能够:
未来仍然扑朔迷离。但有一点是肯定的:混合工作方式还将一直存在。企业为了使自己在疫情中脱颖而出,处于更强、更有利的地位,就必须找到一种简化工作的方法,并为员工提供所需的空间,助其走向成功。
好文章,需要你的鼓励
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。