至顶网CIO与应用频道 11月10日 北京消息:11月10日,2017年中国eHR巅峰年会在深圳隆重举行。网易eHR高级顾问、网易七鱼副总经理杨威先生应邀出席,并向到场千余名来宾首次展示七鱼针对企业内部服务的重量级产品——企业内部共享服务智能化解决方案。杨威在演讲中表示:“经过客服领域的长期深耕,七鱼发现企业在提升客户服务效率和品质之余,对内部员工服务同样有升级需求。我们希望通过人工智能(AI)和大数据实现企业共享服务智能化创新,用全新解决方案助力企业管理和职能部门效益升级。”
图:网易eHR高级顾问、网易七鱼副总经理杨威先生
平台化、雇主品牌、数据效益多管齐下,HRSSC成企业管理重要支柱
当代企业面对共享经济、技术革命、行业竞争,及员工需求、利益重组、成本优化、效能提升等内外部的强大压力,越来越多职能部门开始融合变通,共享服务中心(SSC)由此诞生。它是一种通过对人员、技术和流程的有效整合,实现人力资源、财务、信息系统等职能在组织内实现标准化和精简化的创新手段。
有报告显示,2017年61.8%的国内企业考虑在未来1至3年内建立共享服务中心。而与每位员工密切相关的HR部门,开始顺应产业变革广泛采纳由“COE-负责策略、体系建设的人力资源专家,BP-提供咨询和解决方案的人力资源合作伙伴,SSC-负责基础事务”组成的人力资源三支柱管理模式,成为SSC大服务框架下极为活跃的职能部门之一。
人力资源三支柱模型
HRSSC涵盖基础人事、薪酬福利、人事咨询等基本项目,传统观点常将它看作三支柱中最简单机械的部分。但因其频繁接触员工的特点,它能够完善服务平台、打造雇主品牌,从而实现企业资源重组、提升运营效益;更重要的是,SSC掌握大量COE和BP难以触及的员工数据,对实现员工洞察、提供管理决策意义重大。
2017年,国内企业有35.3%已建立、44.7%考虑建立HRSSC,且企业规模越大建立比例也越高,其价值正受到企业管理者的重新认识和发掘。
需求与效益才是硬道理,七鱼关注每个HR的真实痛点
基于智能时代大量技术的引入,eHR等信息化管理手段以及更加智能SSC模型开始介入。而新技术将如解决当下困境并获得效益,也是网易七鱼企业共享服务平台在首秀现场所展示的关键能力。
- 整合渠道,七鱼为企业管理高统一性开辟新窗
许多HR从工作伊始,便要面对跨部门协作多入口操作及外部供应商众多带来的困扰。管理者开始意识到整合员工服务渠道对提升工作效益的重要性,共享服务逐渐入局HR领域。
网易七鱼为企业搭建起多终端服务工作台,整合内外部渠道,实现“多个入口,一个平台”,将服务渠道和业务集成一体化,开辟了高统一性的共享服务管理新模式。
“多个入口,一个平台”的共享服务管理模式
- 工作流程标准化再造,七鱼借AI实现效益升级
企业管理流程标准化,会极大促进成本降低、效益提升,从而增强品牌市场竞争力。但许多公司尤其是大型企业,常受制于部门分散,导致工作流程复杂、效率缓慢。
网易七鱼将SSC流程标准化再造,借AI机器人解决逻辑性规律应用场景,重建HRSSC协作流程;同时加入“一触即达”功能,系统主动引导员工自助完成在线咨询、便捷解决问题,让“问题监控-智能应答-流程引导-数据反馈”等环节一气呵成,打造HRSSC完美闭环,实现管理效益升级。
- 人机互助,七鱼用数据化完善员工洞察
人力资源管理中产生的事实、动态和分析数据,能够全面反馈组织内部基本概况、员工活力、运行效率等多方面企业状况,进而影响战略方向。然而受制于技术平台、时间、精力和分析能力,HR普遍缺乏员工数据洞察。
网易七鱼则创新采用人机互助模式,将AI和大数据算法加入SSC,机器辅助HR多维度解析员工数据,为完善企业架构提供精准指导;同时建立HR服务绩效体系,用数据增强HR对业务的说服力和影响力。
- 机器解放人力,七鱼让每位HR聚焦策略、感知自身价值
HR长期深陷繁杂的日常事务,劳动价值大大削弱。面对激烈的外部竞争,管理者希望HR能从员工服务入手,在企业发展和战略层面做出更多贡献。
七鱼在SSC的智能化改造中,利用AI机器人解决90%高频重复事务,将HR从机械职能中解放出来;并辅以BI(商业智能)支撑,让HR直接为企业策略贡献价值,也帮助HR从业者实现自我价值再造升级。
未来,社会形态将持续向万物互联、智能共享的方向前进。企业深挖员工服务价值、以共享服务中心模式开启内部管理新格局势不可挡。而HR部门的战略转型,一方面是技术变革,另一方面则是基于新技术释放人力收获更大效益。网易七鱼的智能一体化共享服务中心将释放多大价值,值得行业持续关注。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。