How to Insert AI into business processes and what are the critical factors to consider?
來源：
自從 Alpha Go 一鳴驚人之後，滿大街的公司都在自己的公司前面加上人工智慧二字，HR Saas 供應商也不例外，智慧人事、智慧招聘、智慧勞動力管理產品滿天飛，但是如果你再問細一點，哪方面智慧化了以及怎樣實現智慧化的，那大多數就該語焉不詳了吧。
人工智慧前途宏大，筆者相信會極大地改變這個社會，最終一切人造物品皆可智慧化，從而更好的個性化服務每一個人。但是目前人工智慧所在的階段，可能還只是相當於 90 年代初的網路，是一個很早期的階段，可以落地的場景在企業管理中還是非常有限的，還需要相當長時間的發展，我們靜待時代的巨輪推動吧。
傳統管理軟體產生的初衷
談之前，首先我們來看看傳統管理軟體產生的初衷：筆者認為其實傳統管理軟體的最大作用，和主要目的不是提升效率，而是為了規範以及標準化，所以傳統軟體設計的主要思路，也是將線下流程標準化，然後將其搬到線上來操作。
線上複製線下流程操作，很多時候不會提升效率，反而會降低效率，這也是傳統軟體的使用者比較苦的原因。然而從公司的角度，公司變大之後，如果不使用軟體，公司就會變得混亂，沒有規則，這個原因導致了傳統軟體，一直都是中大型企業的管理層從上往下推，下面的使用者其實沒有多大動力來使用軟體的。
企業可能沒有使用管理軟體來進行管理，但是一定用了 Excel，在管理最大的競爭對手一直都不是友商，而是 Excel，因為 Excel 更便宜、更方便。
同理這也解釋了切入小企業市場，來做管理 SaaS 一直都是偽命題，因為小企業老闆根本不 care 合規以及標準，簡單方便低成本最重要，下面的員工更就沒有動力使用管理軟體了。
談 AI 技術在 HR 產品中的應用
人工智慧與傳統軟體的結合，將操作用戶的工作效率提高，是可能創造出讓老闆和員工，都非常喜歡的 To B 企業管理的產品。結合人工智慧之後，未來優秀的企業應用的特點是：
．後端複雜，前端會越來越輕，使用起來方便易用。
．有一定的預測以及預防風險的能力（這個特點 excel 就很難與軟件競爭了）。
實施週期比較短，實施難度變低。
人工智慧的主要目的，是為了提升工作效率，區分傳統軟體主要基於流程，更多是基於場景，所以我們在考慮企業管理軟體人工智慧的切入點，我們要去找場景。人工智慧算法的訓練要基於數據，那我們去找已經有大數據的場景吧。目前這樣的場景主要來自以下二種場景，或者二種場景混合：
．一些以圖片、影片、語音為輸入的場景。
．一些已經有行業大數據，或者複雜知識圖譜的場景。
我們來看看 HR 的幾個傳統的業務模組，人事、休假、考勤、薪資福利、培訓、績效、招聘，其中人事、休假、考勤，薪資福利普遍都是和政府政策和公司政策密切相關的傳統模組，沒有太多知識圖譜可言，人工智慧在裡面發揮的空間比較小。
但是裡面有一些小的圖像辨識的點，比如說身份證，銀行金融卡自動辨識輸入等，可以結合一些公開的 API 來提升效率。我覺得後面這裡面還有一些想項空間的，是隨著行業 benchmark 數據的完善，一些 BI 分析報表會有很大價值的，但是目前在 SaaS 還比較分散，沒有巨頭出現的情況，行業 benchmark 的大數據還很難有公信力。
人工智慧目前應用最多的應用，主要在招聘管理、教育訓練管理方向裡面，主要原因是這二個業務方向離大數據最近。
裡面暗含哪些大數據呢，比如說職位能力模型、心理學、軟技能、能力發展學習內容，人在面試、教育訓練、工作時候的表情動作、言語、影片，這些都是可以結合大數據的點（你別看薪資看似那麼多數據，但是一年可就變一次，死的數據對於算法意義不大），招聘裡面就出現大量基於人工智慧，進行人才測評面試的公司，教育訓練因為員工需求的差別化，學習資料的海量化，也容易結合人工智慧來做個性化的學習，筆者介紹幾款國際比較看好的產品：
人才測評方面
人才的面試測評，結合人工智慧自動化會是一個趨勢，軟技能這個測評老大難的問題，以及面試的自動化有望有所突破。
Pymetrics
成立於 2014 年，是一家用來進行軟技能測評的公司，用認知科學和神經學原理，設計了一些小遊戲，透過追蹤候選人玩遊戲的相關數據，來分析候選人的軟技能和公司裡面的 Top performancer 的軟技能的擬合程度，目前 Unilever、 Hyatt、Accenture、Teasla 等一些公司，開始用這個產品來招聘測試技術人員、銷售，以及客服人員的軟技能，目前募集到 4000 萬美金的 B 輪資金。
Hirevue
成立於 2004 年，是一家視訊面試的人工智慧公司，透過分析面試者面試影片中的表情，以及問題答案，對面試者進行判斷，這家公司目前有超過 700 個客戶，實施了超過 500 萬次的視訊面試。
Mya
2016年發佈的面試聊天機器人，主要用在面試初面中，用聊天機器人的方式進行候選人初試，用來節省面試者的時間，這方面的應用還有 Olivia、Myra、 Yva 等，Mya 項目融資金額為 3200 萬美金左右。
人才學習訓練方面
個性化、碎片化、社交化、場景化的企業學習會是一個趨勢，人工智慧的關鍵點，結合場景和員工屬性，在於做好個性化的內容分發，個性化需要結合好四個方面的數據，崗位能力模型以及能力對應學習內容，員工個人職業發展計劃，個人興趣，所在場景。
Edcast
2014 年成立，利用人工智慧技術，推薦個性化學習的文章、影片、文件、教育訓練給到員工，目標要做成一個技能市場，除了幫助員工提升職位發展相關職業技能以外，還有非職業相關的一些技能，已經和 Office 365、 Salesforce、Slack 深度整合，在全球有超過 2000 家大型公司或者政府機構使用該平台，最新一輪在 2018 年拿到 3400 萬美金的融資。
Filtered
是一個智慧學習助理，透過聊天機器人的方式，給到個性化的學習建議。
Linkedin learning
2016 年上線，利用 Lynda 的課程庫，結合 Linkedin 的員工的資訊以及履歷，以及社交資訊數據，推薦給到員工個性化的學習內容。
員工體驗以及員工激勵方面
另外，最近幾年出現了一個很重要的人才管理分支，就是員工體驗以及員工激勵，企業人才管理的整理思路，越來越關注企業員工本身，員工體驗和激勵也是一塊，最好可以和大數據人工智慧結合的方向，而且員工全員參與，筆者非常看好。以後隨著公司內部感測器的發展，捕捉員工行為數據，結合影片以及員工郵件、電話、會議記錄等數據，會有很多有想像空間的產品出現。
員工體驗以及員工激勵的人工智慧產品，將會是未來典型的好產品形式，輕應用，全部員工參與，去中心化，結合管理思想以及心理學的人工智慧引擎驅動，筆者非常看好這類應用。
Glint
2013年成立，透過比較高頻的員工的匿名反饋，結合自然語言、心理學、管理行為學等智慧分析，給到管理者一些管理行為建議，比如說和下屬加強溝通，加強 review 等。該公司已經被 Linkedin 以 4 億美金收購，類似這塊的產品還有CultureAmp、 TinyPulse、 CultureIQ、ADP 的 Compass 等等。
Humu
由 Google 原高管創建，2018 年推出 1.0 版本，從概念上面來說是 Glint 的升級版，透過員工反饋數據，行為大數據庫庫結合人工智慧，給予不只是管理人員，而是每個員工行為建議，從而提升員工體驗，以及提升內部合作工作效率。
關於人工智慧在 HR 中的創業機會，在目前階段，企業資訊化的程度還比較低，所以大多數公司都在忙於上基礎的人事，休假考勤，薪資福利的模組，後面幾年這塊基礎業務模組市場會不錯，將會有一波爆發（我建議有心的創業公司看看中性規模企業（100－2000人）的產品機會，這塊市場需求開始湧現，另外因為這種規模需求還不是太複雜，可以做出比較極致的產品）。
人才管理方面，比如說人才測評，員工學習發展，員工體驗與激勵，很多公司還沒有意識到或者公司，還沒有到這種程度精細化管理的階段，需要一定時間的發展，但是這裡面機會和空間很大，作為創業公司提前佈局和切入也會獲得不錯的機會。
沒有留言:
張貼留言