首页 首页 人工智能 查看内容

人工智能渗入企业的管理领域,酝酿着未来翻天覆地的变革!

木马童年 2017-10-30 12:19 153 0

随着90后员工踏上工作舞台,传统的人工智能数据建模思路和方法被打破了。之前的模型设计思路通常是建立一个个假设,比如,正向激励与负向激励的抵消性、个人得失与他人得失的对比性、个人得失与环境公平性关系等,在 ...

          人工智能看似神秘,其实充满了大量的数学计算的研究过程。在人才发展方面,人工智能可以帮助我们预测员工的心理状态趋势,激发员工的热情。 

u=3028601792,2801385501&fm=200&gp=0.jpg

  “大数据”“神经元学习”“人工智能”,这些新潮的名词在我们生活中出现的频率越来越高,尤其是“阿法狗”和李世石的世纪大战,更是把前沿科学结晶带入我们的认知当中。也许有些人会提出质疑:这对我们的生活来说,意义何在?不久前,谷歌采用了新的神经网络算法,来升级其核心产品――谷歌翻译,从一定程度上回答了这个疑问。
  在培训和管理领域,相似的颠覆性局面是否也会发生?新的技术、交互与呈现形式,是否会改变未来的培训过程,颠覆管理的方法?基于我们多年来的人工智能培训研究和实验型项目,发现这样的改变已经在悄然发生。
  “岗位胜任力模型自动生成系统”便是典型的代表――只需要输入某岗位的工作内容和系统提出的简单问题,这个系统就能自动给予使用者此岗位的胜任力模型,提供结构化的面试建议,还能和企业的评价中心对接,给予招聘人员多视角的评价建议。通过这种方式选拔出的员工,其离职率明显下降。这些简单而基础的应用,已经开始润物无声地渗入企业的管理领域,酝酿着未来翻天覆地的变革。
  数据建模
  预测员工心理状态趋势
  计算机自主学习的强大,在于无止尽地自我完善,具有无与伦比的适应性和自生长性。事实上,人工智能看似神秘,其实充满了大量的数学计算的研究过程。在人才发展方面,人工智能可以帮助我们预测员工的心理状态趋势,从而激发员工的热情。
  我们曾启动了管理环境对人类心理的影响研究,旨在寻找那些激发员工工作热情的最佳管理环境方面的实践。目前已积累了3414个管理环境样本,并针对每个样本持续采集了约5年的员工心理及行为数据,调研不同企业所采取的管理战略以及具体的执行方案。通过运用人工智能,我们进行了大量的建模和验证工作,发现不同的管理方式下的员工心理状态变化趋势,尤其是工作动机,在一定程度上都是可预测的。事实上,在分类或趋势预测的背后,是庞大的数据演算,建模和预测的过程包含了繁复的统计过程,包括描述统计与推断统计。
  与此同时,“预测”这一点对于人工智能应用而言很重要,因此,我们设计了沙盘工具“员工激励与动机管理”――既然动机和行为是可预测的,那么就可以通过计算机模拟,用物理形式呈现在人们眼前。通过人工智能将各种管理环境中发生的事件融入其中,沙盘能够围绕动机水平高低、绩效程度好坏两个维度,对虚拟的企业员工进行分类,并让沙盘参与者针对各类管理事件作出虚拟的处理选择。根据学员的选择,计算机可以预测并反馈其心理及行为的变化。这种运用了人工智能的沙盘工具,其预测准确性高达84%,置信水平0.95。这就意味着,如果一个参与者做了决策后,沙盘将能准确地预言各类员工的心理及行为变化趋势。
  运用人工智能进行“无责任的”开放式推演,在培训过程中能允许参与者不断试错。学员根据自身的管理环境,可以实验出合适的管理方法,并对培训中所获得知识进行实时验证。
  技术迭代
  展开更高效的自主学习
  随着90后员工踏上工作舞台,传统的人工智能数据建模思路和方法被打破了。之前的模型设计思路通常是建立一个个假设,比如,正向激励与负向激励的抵消性、个人得失与他人得失的对比性、个人得失与环境公平性关系等,在此基础上,通过数据集的分类统计来验证假设的科学性,并调整参数来观察预测的可靠性。但是新的数据集所具备的特点,极大地颠覆了先前的结果,寻找新的解决方案迫在眉睫。
  此时,基于神经网络的计算机自学习技术,即神经元自学习,是一个不错的解决方案。相比以前的人工智能培训工具,神经元自学习更为繁杂。为了让计算机高效地自主学习、识别行为模式,我们需要将调研结果解构成更基本的参数“告诉”计算机,从而得出对应的结果。
  展开神经元自学习具有一个明显的优点,每当调研和统计结果有所更新,计算机就会自动对这些数据进行新的学习,对模型进行修正。这个过程是动态的,不需要人为干预。而且,当计算机再次遇到一个新世代富有特色的信息集合,甚至可能自主地推翻之前的模型设计,重新构建新的统计描述方式。神经元学习不仅节省了时间和精力,更能为沙盘推演参与者提供更深入的信息――通过选择处理事件,能够归纳出参与者的管理风格倾向性。这是传统培训和沙盘工具做不到的。
  超越培训 为管理带来新思路
  作为培训产品来说,人工智能培训工具已经足以彰显其魅力,它允许学员在虚拟环境中试错,让工作效率得以改进。我们认为,它更重要的意义在于,对现实世界的指导。
  以我们的沙盘工具为例,一个实际使用者能从这个工具中得到许多培训之外的有价值的信息。他可以在遇到“员工要求加薪”“员工消极怠工”“员工集体离职”“员工寻求晋升”“办公室政治”等各种管理事件时,让系统给出各种模拟的结果,评估各种行为的可行性,尽量做到趋利避害。这个工具超脱了培训范畴的桎梏,真正在工作中产生价值。
  我们一直在设想这样一个场景:在不久的将来,通过调研以及人工智能自学习的方式,可以在更多领域给使用者提供全方位的建议,包括工作、家庭、子女教育、爱情、社交,以APP为载体,成为每个人的私人心理顾问、人际关系顾问,帮助人们观察世界、预知周遭环境的变化。我们认为,未来应用人工智能进行调研和实验的方向之一,是在更大范围内搜集、整理数据和信息,比如对中国“高领导力人群”的研究、关于职场人士的家庭及情感模式研究、关于人才选拔实践研究等。
  热衷于这样天马行空的幻想,并一直在进行多样性的人工智能尝试。其探索过程本身,就着实令人着迷。我们坚持一个原则,始终不曾改变:创新,或沦为看客。

人工智能 大数据 神经网络
0

聚焦多智时代,引领智能变革

© 多智时代(www.duozhishidai.com)版权所有 / 工信部备案 豫ICP备15012664号-1