- 长臂猿-企业应用及系统软件平台
— 对于ToB企业来说，尽快完成现有业务与 AI 技术结合点的探索，组织资源参与 AI 技术着手自身业务场景与 AI 技术的融合项目，仍然是最好的时机。 来源 / Workday Solutions （ID：Workday_Solutions） 作者 / 王骥 Wangji 
01
AI 时代，如何吸引人才
AI 时代，小团队也可以生产大产品，关键人才最重要。
“GPT 4 发布时，所有参与人员的名字都挂上去了，这是过去公司绝不愿意公开的信息，形成了论文、PPT 和小产品实验以外新的激励模式” —— 王慧文，美团联合创始人。
坐拥世界上最大的搜索引擎，谷歌在生成式 AI 领域有着最得天独厚的条件。从 Alpha Go 到早期生成式 AI 的研发，谷歌也一直处于领跑位置。
然而 ChatGPT 的到来改变了这一切。虽然谷歌紧随其后发布了 AI 应用 Bard, 但投资人的反应或许说明，谷歌在人工智能领域的领先地位正在消失。Bard 发布当天，谷歌市值蒸发了 1000 亿美金。
而这一切，早在谷歌大语言 AI 服务版块的 2 位主要研究者 Daniel De Freitas 和 Noam Shazeer 2021 年离职时，就埋下伏笔。
“Daniel 和 Noam 很是挫败，他们在 2021 年离开谷歌，成立了一家新公司，继续做着他们在谷歌未竟的事业。他们曾对前同事说，只要还在谷歌，他们的 AI 工具就没法真正面向大众。”—— 来自推荐阅读
谷歌在发布 Bard 时称，2 年前就已经研发出类似产品。这个时点与 Daniel De Freitas 和 Noam Shazeer 离开谷歌的时间基本一致。
尽管我们不能把谷歌的“慢半拍”全部归因到人才流失上，但不得不说，核心人才出走，给谷歌的 AI 事业确实带来一些负面影响。
“两年前，我们推出了由我们的对话应用程序语言模型（简称 LaMDA）提供支持的下一代语言和对话功能。”—— 谷歌 CEO Sundar Pichai
作为创新型组织的标杆，谷歌曾一度被国内企业争相学习效仿，所以这次它在 AI 领域的稍显落后的原因也非常值得国内创新型企业思考。笔者在这里提供一些创新型企业的人才管理理念：
1. 尊重创意：创新企业要像尊重客户的需求一样尊重员工的想法。
对于商业组织而言，“客户是上帝” 的理念早已深入人心，所以把客户需求清单当作“圣旨”一般的存在也就不足为奇。无论是产品计划、销售策略、产品方案、客户成功策略还是各团队组织绩效评价，几乎都可以从客户需求中找到支撑数据和标准。
然而当生意变复杂，企业的成长越发依赖技术创新时，人，尤其是核心员工的价值就变得越发重要。英伟达（ Nvidia ）创始人黄仁勋在一次演讲中提到：
“最初五年里，我选择忽视客户需求，因为他们不可能了解你生意的本质。” 现在的创新企业，更多时候是在走“少有人走的路”，这就意味着，他们不可能也不应该完全依靠客户需求指引企业的发展方向。
在创新、探索的场景下，企业的核心团队、创新项目的核心员工反而是更了解企业项目商业本质的人。如果希望每个员工都可能成为创新的源头，那么一定要尊重他们对于自己正在从事的创新业务的理解和判断。因为他们的每一个想法都可能是企业创新业务的下一个起飞点。
并非每个员工都是 Daniel De Freitas 和 Noam Shazeer 这样的技术大牛，但如果企业没有尊重员工的基因和土壤，那组织也必然没有办法长期留住掌握核心技术与底层逻辑的员工。
当然，企业也要用各种方式平衡一众创新人才各种各样的想法，这就是个体现企业管理者战略眼光和管理水平的 “甜蜜负担”了。
2. 保护个性：创新人才不必是“六边形战士”。
在 Daniel De Freitas 和 Noam Shazeer 离开谷歌前，管理团队不止一次指出，该项目不符合公司制定的“ AI 系统安全性与公平性准则。”
创新型人才通常更多专注自己的技术和科研领域，对管理、法律甚至伦理道德底线的辩论并不擅长，甚至都未必擅长人际交往。
人们常说，木秀于林风必摧之。如何在合法合规的前提下，在复杂的社会、商业、职场环境中吸引并成就“秀木”一样的创新型人才，也是每一个创新型公司管理者需要思考的。
前段时间和一位国内甲方的 HRIS 负责人交流，他说，公司今年要做全面个人绩效改革，除了要看 OKR、还要看长期指标、看 360° 评价、看道德水平、看重点工作事项，以及其他更多的指标形成的 16 象限（甚至更多）指标矩阵。
这样的考核确实可以帮企业找出综合实力最强的“六边形”战士，但这对于创新型人才可能是不公平的，因为他们也许宁愿花时间优化一个算法，也不愿意或根本不知道怎样去让协同部门的负责人为自己说句好话。
当然，不同行业根据自身的业务要求会有比较侧重的管理风格，以后有机会笔者再和大家展开聊聊不同绩效模型的优缺点和对应的企业管理风格及场景。
“好马无鞭自奋蹄”，真正愿意做事、能成事的人即便没有考核，也依然愿意做事成事。所以他们有理由厌恶需要耗费大量时间精力的多维多轮绩效考核环境。
甚至，如果只能呆在这样的环境里，有些人甚至宁愿放弃升职加薪的机会，转头去做一个“匠人”。
AI 时代让创新人才的个人整合能力越来越强，以前必须要依赖企业才能完成的商业行为将会越来越容易被个体完成，自雇佣、灵活就业也会成为趋势。企业如何发现并激发这样的人才，让他们为企业所用，也是每个管理者都需要思考的问题。
3. 共同成长：创新不是个人单打独斗。
“2020 年前后，两位谷歌的工程师（Daniel De Freitas 和 Noam Shazeer）开始在公司内部各种拉资源，决心打造一款在当时绝无仅有，且功能异常强大的 AI 聊天机器人（Chatbot)。为了让这个项目落地，两人做了很多努力。他们曾经尝试让外部的研究人员访问这款聊天机器人，也试过将机器人集成到谷歌助理（功能类似苹果 Siri) 里，后期，他们还曾推动公司直接公开发布这款产品。只不过，这些尝试和诉求全被高管挡了回去。管理团队不止一次指出，该项目不符合公司制定的“ AI 系统安全性与公平性” 准则。—— 来自推荐阅读
对比 ChatGPT 的飞速崛起和谷歌生成式 AI 坎坷的研发历程，我们还能观察到一个有意思的现象：在微软内部，基本没有人发表关于 OpenAI 和 ChatGPT 的负面言论。
反观之前谷歌两位 AI 工程师的境遇，他们在内部尽可能寻求资源让项目上线，甚至一度已经将产品集成到谷歌助理（Google Assistant) 中，但仍在公司内遭遇了巨大阻力，据说，这些阻力基本和谷歌的“AI 研发七原则”有关 。
直到 2022 年 4 月，谷歌搜索团队仍然对外宣称， AI 生成内容是不符合内部指导原则的。
谷歌的底线如果真的如此之高，又为何在 ChatGPT 亮相后加速官宣 Bard？难道 Bard 不违反“AI 研发七原则” 和生成式 AI 的指导标准吗？这不禁让人怀疑是否生成式 AI 项目在谷歌内部与传统的搜索团队的发展目标或利益是冲突的，才导致生成式 AI 项目在谷歌内部就被否定。
对企业来讲，资源总是有限的。无论是国内流行“赛马”文化的高科技行业企业，还是有预算编制管理的其他行业企业，都存在不同团队争夺预算、实验室，抢夺宣传窗口、销售渠道，抢夺法务、行政服务等情况。
对于所有高喊包容、开放、协同创新的科技企业来说，整合企业的跨团队跨领域资源，并不是只靠企业文化或考核指标就可以，更重要的是整合共同的利益，让创新项目和传统业务资源在互帮互助中共同获得好处和成长，形成贡献者即获益者的管理机制和企业文化，促进共同成长。
点击下图
即可三步完成星标
02
AI 时代，如何找准企业定位？
比尔·盖茨：“属于 AI 的时代已经来临。”
黄仁勋：“我们正处于 AI 的 iPhone 时刻......初创公司正在竞相打造颠覆性产品和商业模式，科技巨头也在寻求突破。”
李开复:“ AI 2.0 是平台级机会，比移动互联网大十倍。”
今年 3 月以来，自从 ChatGPT 3 发布，关于 AI 线管应用的进展速度可以按天计算：
3月15日，OpenAI 发布了多模态预训练大模型 GPT-4，ChatGPT 功能再升级。
3月16日，百度正式发布了备受瞩目的“文心一言”，并开启了第一批内测。
3月17日，微软继续放大招：宣布推出 Microsoft 365 Copilot，GPT-4 全面接入微软 Office 全家桶。
3月21日，有 AI 引擎之称的英伟达（Nvidia）公司召开 GTC 大会，发布了全新的量子计算系统、AI 云服务平台、视觉图像系统等支撑 AI 应用服务发展的硬核科技产品。
3月29日，马斯克、图灵奖得主 Yoshua Bengio、“AI 教父” Geoffrey Hinton 等 1100 余名企业和学术界人士签署的联名信解封，信中谈及限制巨型 AI 研究，引发外界激烈讨论。
甚至在 ToB HR 领域，Beamery 也已经快速推出了第一款生成式 HR AI 产品。
马斯克和上千位计算机专家为何要联名请求限制巨型 AI 研发？3 月 20 日，英伟达（Nvidia）CEO 黄仁勋在接受记者采访时提到 “AI 在下一个阶段的发展目标是建立 AI 模型与物理世界的联系” 又蕴含了哪些机遇？
这里笔者先简单科普一下 ChatGPT 的智能阶段，为什么下一个阶段发展目标是建立 AI 模型与物理世界的联系。
首先，目前的 ChatGPT 发展到了什么水平？这里引用国内 AI 学习领域专家 “渐构” 社群主理人于建国博士对 AI 大语言模型的解释作为说明，目前的交互式 AI 体现出的只是基于算法和人工干预数据下的“理解”的涌现，并不是人类的理解本身。
那么人类的认知和 AI 的“理解”有什么不同呢？这里笔者引用著名心理学家、哲学家、教育家 让·皮亚杰 在《一种发展的理论》一文中的观点:
“对认知来说最重要的逻辑关系是运算结构。虽然他们的最高级的形式确实是用语言来表达的，但可以在主体自己的动作的协调中找到其起源。甚至在感觉运动、前语言水平时，儿童也从事联合、整理、引入对应等活动，这些活动是运算和逻辑数学结构的根源。”
总结一下差异，以自然语言为例，人类通过对物理世界的认知生成语言，语言是人类活动的产物而不是认知的起源。即按哥德尔不完全性定律所解释的"存在先于可计算的不可计算，即存在不可计算的客观存在。存在不可计算的物理、生命和数学过程，且计算机不能真正理解语言和想象等相关活动”。
虽然“认知”作为一种形而上的东西还有很多哲学方面的讨论，但仅从计算能力和技术发展来说，笔者更倾向于认同AI 的机会在于应用价值，而不是挑战人类本身。这个道理类似飞机和鸟都会飞，但飞机不可以替代鸟类。
对于企业级 AI 技术的发展来说，与物理世界建立联系，建立 AI 技术的物理应用场景将会是下一个发展趋势。这呼应了黄仁勋在接受记者采访时提到的 “AI 在下一个阶段的发展目标是建立 AI 模型与物理世界的联系” ；我们也可以在 Open AI 5 的产品规划中看到佐证，比如“ 用物理机械手玩五对五视频游戏 Dota 2”。
OpenAI Statistics – By Demographics, Products, Revenue and Growth,Barry Elad,Mar 29, 2023
结合投资服务机构的分析数据，目前全球大型语言模型的 AGI（通用人工智能）的使用整体情况：
拾象科技 2023 年 3 月 LLM 投资思考及 Open AI 案例分享
对 ToB 企业来说，将 AGI 应用在帮助企业拉高业绩、降本增效的具体场景中，将会是未来发展的趋势。
以 HCM 领域为例，“人才是第一资源”，在众多的 HCM 场景中，无论是 Josh Bersin 提出的 7 点 AGI 可以取代的场景，还是 Workday 最新的 AI与机器学习“ Workday Skills Cloud ”解决方案都紧紧围绕人才 “选用育留” 展开。
这里也以 Workday 的 AI 策略为例来说明 To B 企业如何结合自身优势寻找 AI 时代的机会。
“Workday HCM 套件日臻成熟，正处在一个相当强大的状态。Workday Skills Cloud 正在逐渐进化为一个“技能智能平台”，它现在拥有的功能对客户来说至关重要且不可或缺：它可以从任何垂直或专业技能数据库导入数据，为公司提供多种推断或评估技能的方法，并提供数十种方法来报告技能差距，预测技能缺陷，以及为每个员工或员工群体创建技能提升途径。多年来，我见证了这项技术的发展，但我以前从未见过它如此完美地结合在一起，并聚焦于做公司想要做的事情。
顺便说一句，公司仍然需要专业系统来进行招聘管理（Eightfold、Beamery、Phenom、Seekout、Paradox、iCims 等）、人才流动管理（Gloat、Fuel50）、学习管理（Cornerstone、Docebo、Degreed） 、薪酬公平管理（Syndio、Trusaic、Salary.com）等等。从某种意义上说，每个人力资源技术平台现在都有一个隐藏的技能引擎（请记住，“技能”是描述一个人属性的一系列词），这些系统利用这些数据元素实现非常独特的目的。
只不过，Workday Skills Cloud 在市场上处于更成熟的地位，旨在成为一款整合型工具（这也是 Workday HCM 工具所依赖的技能引擎）。” -Workday’s Response To AI and Machine Learning: Moving Faster Than Ever，BY JOSHBERSIN · PUBLISHED MARCH 17, 2023 · Mar 22, 2023
相较于其他轻量级的竞品来说，Workday 的优势始终是基于核心人事的，提供更集成的 HCM 产品以及产品组合。所以 Workday 对于 "skills systems" 的解决方案策略仍然是主打体现 “招聘管理、职责重塑、人才发展、人才保留” 等“选用育留”的一体化人才场景解决方案。
同时，笔者结合之前对 ToB 产品架构介绍，再扩展或大胆预测一下除了上述 Workday 提出的 “skills systems” 之外还可能产生的 AI 应用场景：
重构用户体验：在交互层用户体验方面的自然语言交互界面和提示工程（eg. 更智能的全局搜索，支持根据搜索指令生成流程、表单、数据分析等多模态结果）
重构产品服务：在应用层和领域层的生成 / 优化功能或服务（eg. 根据指令生成轻量定制化的功能）
重构决策分析：在数据层和基础设施层的生成 / 优化智能数据分析模型，数据结构，数据计算，系统集成（eg. 数据/信息结构重构，生成数据计算规则，提供数据存储优化建议，生成定制化系统集成接口表单）
虽然 Open AI 在大语言模型的多模态应用层面已经有了非常大的进展，但 AGI 模型在面对 ToB 这样对人都存在挑战的专业领域时，也需要继续进行大量深度的学习和训练才，可以真正服务企业用户。那么未来对专业领域的认知（eg. 理解能力、推理能力、生成能力……）就是当下 ToB 产品对后发 AGI 产品的最大护城河。
03
AI 时代，如何抢占心智
AI 技术引得全世界为之疯狂投入的一个重要的原因，是它为未来生产效率的指数型提升提供了可能，那么对于 AI 这种可以快速爆发惊人威力的技术来说，谁能最早推出产品，抢占产品赛道与用户心智，谁就可以拥有巨大的先发优势。
但由于 AI 技术的门槛太高，投入成本巨大，目前全世界可以完成产品放量并推向用户收费的产品仍然屈指可数，从技术可能到产生实际收益之间也存在较长的等待期。
对于 ToB 企业来说，尽快完成现有业务与 AI 技术结合点的探索，组织资源参与 AI 技术着手自身业务场景与 AI 技术的融合项目，仍然是最好的时机。
“种一棵树最好的时间是十年前，其次是现在。” —— Dead Aid, Dambisa Moyo
加入我们
专题推荐
本文来自ToB行业头条