首席人事官的生成式人工智能快速指南
13 四月 2023
在短短几周内，一个名为ChatGPT的鲜为人知的工具撕开了时间的裂缝，将我们带入了未来。我们从“GPT是什么？” 到“我能用ChatGPT做什么？” 不到一个月的时间。
现在我们在主流对话中提出这样的问题：我们如何在工作中使用生成式AI工具和应用程序？ 我们的孩子应该如何使用它们来做作业？ 哪些工作将受到影响？ 随着更多的发展，生成式AI正在迅速而深刻地影响我们的工作、学习和创造方式。而且，每当您花时间研究这些工具并讨论它们的应用时，您就会充分感受到它们的影响力。确实是令人兴奋的时刻！
毫无疑问，生成式AI将重塑工作，显然我们才刚刚开始。正如埃隆·马斯克和AI专家在一封公开信中所强调的那样，这并非没有限制和风险，他们警告说AI竞赛可能“失控”，对社会和人类构成潜在风险。当然，有很多需要考虑的因素，尤其是对人们的影响是专家们最关心的问题。
那么，这对人力资源意味着什么，首席人事官（CPO）需要了解什么才能加入这场革命？
关于生成式AI的简要说明，适合刚刚加入的您
基于用户提示，像ChatGPT这样的生成式AI系统使用算法识别输入参数和现有材料中的潜在模式，以 生成新内容，包括音频、图像、文本和视频。
为什么它会引起如此多的关注？ 正如微软Copilot（一个新的集成AI个人生产力工具）所指出的，“它可以将您的文字变成地球上最强大的生产力工具。” 确实，它可以通过加速手动和重复性任务来提高效率，比如写电子邮件或总结大型文档，它还可以通过创建针对特定受众的内容来个性化体验，但它也可以模仿写作风格或通过无限循环的提示来创造全新的材料。就像一个私人助理在网上搜寻一个随机问题一整天，但只需几秒钟。活在这样的时代真是太好了！
那么，为什么人们呼吁谨慎呢？ 在试图满足用户对答案的请求时，它可能会生成虚假或有偏见的信息，同时仍然让人信服——而不考虑生成的信息是否具有现实世界的影响。
公司现在必须研究如何使用生成式AI和其他工具，以最大化业务影响，而不陷入潜在的陷阱。这为人力资源部门带来了今天需要解决的新角色。
人力资源首先需要考虑什么？
关于人工智能和人工智能工具影响的短期考虑：
-
让员工参与重新设计工作人工智能正在改变工作的执行方式，替代一些任务并增强其他任务。具有讽刺意味的是，虽然人工智能技术可以使某些任务更简单，但它也为组织带来了复杂的影响。考虑人力资源需要确保员工保持参与和积极性，特别是在生成式人工智能将严重影响工作完成方式的职位上。确保员工对人工智能如何引入他们的工作有发言权，以便优化其影响，同时提供技能提升和再培训，使他们能够参与新的生产性工作。了解人工智能为工作带来的优势，并专注于在补充人工智能使用的领域以及技术本身中建立技能，甚至是认证。
-
考虑如何减轻使用专有数据带来的风险员工在试验生成式AI时，可能会无意中使用它来处理专有数据，从而训练生成式AI的外部模型，这些工具在为外部用户创建内容时可能会引用这些模型。与您的风险和合规团队合作，评估并避免此类风险。与领导者和员工沟通并培训他们了解可以用AI做什么，以及因误用和与生成式AI工具分享敏感信息而产生的风险，从而建立强大的 网络韧性文化。
-
制定计划以应对新兴技能短缺数据管理、治理和伦理的新技能正在优先列表中上升。定义哪些对您的组织最为关键，您需要在何处提供这些人才，以及如何培养具备这些技能的员工。请记住，在这个新兴领域，市场上可能没有足够的专家人才供所有感兴趣的组织使用。广泛思考如何构建、借用和购买这些技能，以确保您的公司保持领先。
-
磨练能够有效使用AI的技能几乎在一夜之间，感知和事实核查生成式AI输出的能力已成为一项关键技能。数据素养和警觉性、正确的来源评估、验证和归因将变得更加关键。这些技能并不新鲜，但需求在范围和重要性上显著增加。员工需要磨练他们的好奇心和批判性思维，以塑造和为AI生成的内容提供背景。务必传达这些技能并展示其应用。
-
在这个不断发展的领域中重新定义角色
整个职业生涯和工作角色正在迅速演变。许多这些工作目前供不应求，需要在内部开发，可能需要与外部专家合作。随着组织探索生成式AI的使用案例，一些正在崛起的重要角色包括：
- AI利用总监 以规范工具的使用并提高程序的准确性和相关性
- AI实施专家 将AI技术整合到运营中。这需要技术专长和商业知识来弥合差距
- AI产品&采纳经理 支持内部客户需求，并确保有效部署和采纳
-
确保您的伦理AI指南已更新。围绕新兴AI的伦理考量是多样且不断增长的。最近，生成式AI在公开演示中的不准确回应和失误引起了很多关注；但生成内容中的深层偏见可能很快会被证明更具危害性。因为这些模型通过现有数据的训练来“学习”，它们有可能延续不良的历史偏见——就像人类一样。例如，AI创建的高级职位的职位描述可能默认使用男性代词，或者AI生成的照片滤镜可能会使主体的肤色变浅。类似于解决人类员工中的无意识偏见，HR可以积极主动地解决AI工具中的偏见问题。确保您的公司拥有并遵循一项关于伦理AI的政策，并且已更新以包含生成式AI应用。一般来说，让人类在前，技术在后（也就是说，让人类进行最后的检查，不要让技术做出最终决定）。确保为构建AI应用的人提供需要遵循和监控的清单。定期进行“负面影响”评估将有助于确保人才决策由人类驱动，而不是AI。
-
在HR中试点使用AI和AI工具在您的组织中指定一个人负责在HR中引入AI和AI工具。薪酬团队可以使用AI来支持撰写职位描述和定制薪酬等任务。人才团队可以生成新的能力和能力模型。学习团队可以开始推荐更个性化的课程。员工沟通可以更快地起草和完善。开始实施和采用，这样您可以在自己的职能业务中了解对公司真正的现实影响——同时确保人力资源团队不被落下。
中期考虑：
-
优化人才与技术的结合在 重新定义工作：应用自动化到工作的四步法 （HBR出版社，2018年），Jesuthasan和Boudreau通过几十个案例研究和例子展示了那些以工作为主导而不是以技术为主导的公司更能确保人类与自动化的最佳组合。这些公司看到自动化可以最好地 替代 高度重复、基于规则的工作；它可以 增强 人类的创造力、批判性思维和同理心；并且它可以 创造 新的人工工作。随着AI开始渗透到您组织的不同工作领域，确保您的领导者具备将工作分解为任务、重新部署到最佳选项并重构新的、更有影响力的工作的工具和能力。您需要培养能够以人文视角而非技术视角来处理工作自动化的领导者，这一点至关重要。
-
确保对组织文化的影响被理解人工智能技术最终将改变组织的工作方式。首席人力资源官的机会在于进一步将创新、好奇心和探索等以人为本的价值观注入组织文化。注意使用生成式人工智能的人群和不使用的人群之间亚文化的出现。围绕这项新技术可能也会有不平等的担忧，加剧对人工智能对人们工作和职业发展的影响的焦虑。支持业务领导者描述人工智能应如何融入工作文化。采取措施确保其使用和表现与组织的价值观和目标一致。
-
在开创未来职位方面领先一步
记住，每个算法都有一个人类“父母”。即使人工智能接管了一些任务，您仍然需要人类来训练和运行这些系统。各组织可能很快会发现需要创建全新的职位来管理由人工智能驱动的工具。考虑如何最好地在内部培养这些技能，并确保您的组织对可能对以下职位感兴趣的数字人才具有吸引力，例如：
- 提示工程师 应用数据科学专业知识来开发精心策划的相关内容
- 输出审核员 以尽量减少实质性错误和偏见，并提高准确性和相关性
- 数据管理专家 来 管理、处理和策划大量数据，以确保其质量并在训练人工智能模型中得到利用（特别是对于未来业务战略关键的模型）
-
培养持续重塑的心态传统工作已经发生变化，重塑必须成为组织永远学习灵活运用的新技能。 简单来说，鼓励员工观察其他公司如何完成工作，然后带回新想法。创建分享想法和挑战现状的论坛，利用集体创造力。为“测试与学习”实验预留预算，并在系统中创造让人们“玩”的空间。让前线人才参与规划如何最佳部署人工智能。这是一个缩小高管与员工之间关于人工智能如何颠覆组织工作差距的关键机会。
-
保持在法律和监管合规的前沿生成式人工智能的使用带来了若干法律和监管陷阱。当提供提示或发布违反版权或隐私法的内容时，上述数据问题会变得更糟。至少提供基本培训，让员工知道不要输入私人、敏感或机密信息。更好的是，您可以为这些基于AI的工具的使用设定严格的限制。在允许员工使用这些工具之前，您可以通过通过/不通过的课程来认证他们；为内部内容下载设置警报或免责声明；当然，还要确保遵守GDPR和类似法律。
这个机会太好了，不能错过
需要明确的是，生成式AI的发展故事充满了重大风险 和 回报。它让聊天机器人、互联网搜索结果和商业平台变得更具吸引力和更有帮助。像数据输入这样的繁琐工作现在只需几分钟，而不是几个小时。甚至有一个应用程序可以将视觉数据 翻译成音频描述，让世界和办公室变得更易于接触。需要数字个人助理吗？
各大组织可以构建自己的 内部生成式AI工具 ，并在其专有数据上进行训练，以用于各种商业应用——在接下来的几个月里，我们的集体创意只会不断增加。整个行业将从这一刻开始出现、演变和缩小。
随着持续的进步，各公司将继续寻找利用生成式AI的方法，以增加价值并降低风险。因为，虽然存在商业风险，但通过以新的方式利用相同的劳动力（由AI增强）来提高生产力的机会，以及使工作更具吸引力的机会，实在是太大了，无法忽视。最好是抢先一步。
我们必须牢记的一个真理是 人类 加上AI 才是真正的优势——我们必须积极管理这一点。因此，CPO在塑造我们如何理解和准备对我们的业务、领导者、劳动力和社会的影响方面的角色从未如此重要。好消息是，AI有潜力帮助我们在共同学习的过程中平衡甚至扩大竞争舞台。
Mercer是Marsh公司的一部分。我们帮助公司处理人员、风险和战略问题。