西班牙设施管理公司Ingesan首席信息官、系统和数字化转型负责人Nuria Fuentes详细介绍了该公司是如何通过Empath-IA项目在人力资源流程中实施AI的。
Ingesan公司是总部位于马德里的建筑和特许经营管理跨国企业OHLA Infrastructure Group旗下子公司。Ingesan启动了一个名为Empath-IA的项目,这是人力资源管理部门和数字化转型部门之间的一项联合举措,旨在应对HRM领域日益激烈的竞争需求和复杂性,其核心人物是Ingesan公司首席信息官、系统和数字化转型负责人Nuria Fuentes。
Empath-IA项目的兴起也是出于战略性地应对日益激烈的竞争的需要,因此该项目也是在服务行业抢占主导地位的一个催化剂。
Fuentes表示:“我们发现需要对我们的流程进行现代化改造,利用AI提供的能力来提高我们运营的效率、精确度和个性化。”她和她的团队通过Empath-IA项目不仅寻求不断改进内部流程,而且还增强了员工及其客户的体验。
去年项目启动之后,毫无意外地出现了一些需要解决的问题。她说:“实施任何如此规模的项目都会面临巨大的挑战。”主要目标之一,就是确保AI技术无缝集成到现有系统和流程中。“这不仅涉及到获取和实施恰当的技术,还涉及到人力资源和数字化转型团队之间的仔细规划和协调。”
实现的收益
Fuentes提到了人力资源领域采用AI带来的好处,并强调了各种优先事项。首先,她通过对那些重复性和管理性任务实施自动化来提高流程管理的效率,从而释放时间和资源,重新分配到那些更具战略性和增值性的活动上。此外,AI可以通过快速、客观地分析大量数据来提高决策的准确性和一致性,还通过为团队成员提供满足个人需求的建议和解决方案,实现员工体验的更好个性化。她说:“AI改变了人力资源这个职能,从被动转变为主动的、以人才为中心的方式。”
随着Empath-IA项目的成型,Ingesan分配了5%的创新预算来实施该项目,同时探索其他机会——这项投资已经具有可衡量的投资回报率。员工的反应也很积极。“虽然出现一些担忧和对变革的抵制,但这是很自然的,我们积极努力让团队参与到这一过程中,向他们展示AI可以给日常工作带来的切实好处。”
因此,当他们体验到服务效率、准确性和个性化有所提高的时候,他们对AI能为提高他们的绩效和专业发展带来的新机会感到越来越兴奋。她说:“在开始实施AI之前,识别和理解可以从这项技术中受益的特定用例,这对我们来说非常重要。因此,要仔细选择哪些举措最有可能带来投资回报和运营改进,这一点至关重要。”
因此,就经验教训而言,Fuentes强调了部门协作、清晰沟通和持续员工培训的重要性,以确保整个组织成功采用并最大限度地发挥AI的潜力。
回顾过去,Fuentes还记得如何经历项目路线图的不同阶段。她说:“起初,我们专注于基本流程的数字化,例如文档的数字签名和任务的自动化,例如发送工资单。”这项任务不仅可以提高运营效率,而且可以通过减少纸张消耗来促进可持续发展。“与此同时,我们还投资于向员工进行关于AI的培训和教育,目的是发展面向创新和持续学习的组织文化。”
战略重点
Ingesan公司还开始积极探索生成式AI的潜力,通过创建个性化体验和自动化流程来提高满意度和忠诚度,为员工和客户提供增值服务。
因此,以Empath-IA项目为起点,Ingesan公司正在优先考虑在职业风险预防领域应用生成式AI,这是考虑到健康和安全在任何组织中的至关重要性,并且能够提供进一步的增值服务。
她说:“通过将生成式AI应用于这一领域,我们将展示我们对员工和客户在安全和福祉方面的承诺,不仅可以增强我们作为负责任的雇主和供应商的声誉,而且通过提供创新和面向未来的解决方案,使我们在竞争日益激烈的市场中脱颖而出,代表着朝着持续改进和卓越运营迈出战略性的一步。”
好文章,需要你的鼓励
Instagram负责人莫塞里在接受采访时透露,平台正考虑引入长视频内容功能,尽管此前一直专注于短视频。他承认为了吸引优质内容,Instagram可能需要支持长视频格式。此外,Meta最近推出了"您的算法"功能,旨在让用户更好地控制信息流内容。莫塞里承诺未来将提供更多工具,让用户主动塑造个性化内容,但完整实现可能需要2-4年时间。
香港大学联合Adobe研究院提出PS-VAE技术,成功解决了AI无法同时具备图像理解和生成能力的难题。通过创新的两阶段训练策略,让AI既能准确理解图片语义,又能生成高质量图像,在图像编辑任务上性能提升近4倍,为统一视觉AI系统开辟新路径,在数字创作、教育、电商等领域具有广阔应用前景。
在信息爆炸的时代,AI实验室的研究员们常常需要面对海量的论文、专利文件、论坛发言等各种渠道的信息。传统的查找方式不仅费时费力,还容易遗漏关键内容。那么,有没有一种方式能让AI真正代替人工,完成从找资料到写出稿的全流程工作?
华中科技大学与马里兰大学研究团队开发出Sage评估框架,首次无需人工标注即可评估AI评判员可靠性。研究发现即使最先进的AI模型在评判任务中也存在严重不一致问题,近四分之一困难情况下无法保持稳定偏好。团队提出明确评判标准和专门微调等改进方法,为构建更可靠AI评估体系提供重要工具。