企业必须从传统的资质导向员工管理模式转向技能导向策略,才能成功将新一代人工智能智能体融入到员工队伍中,Workday一位高级主管表示。
Workday亚太和日本地区现场运营集团副总裁Fabio Tiviti在最近接受Computer Weekly采访时表示,随着AI智能体变得更加普及,它们应该被视为具有特定技能和能力的"数字员工"。
"你的员工队伍中将包含人类和数字智能体,它们需要共存,"Tiviti说。"因此,你需要像对待人类一样对待数字员工。"
这意味着需要将AI智能体纳入完整的员工管理生命周期。"你需要寻找它们,让它们入职,培训它们,还需要制定继任计划。你需要它们发展跨职能技能,有时也需要让它们离职,"他补充道。
Tiviti警告说,如果不转向技能导向策略,AI可能会被视为威胁而非组织人力资源的增强工具。"它可能被认为是在取代人类,这绝对不是我们设想的发展方向,"他说。
管理这种新型混合团队的核心是治理。Tiviti强调需要"一个统一的记录系统"来管理人类员工和不断增长的AI智能体群,无论这些智能体是内部开发还是从第三方提供商集成。
"如果你没有一个统一的记录系统来连接你的内部智能体以及你无法控制的第三方智能体,那么从治理角度管理你的员工队伍是不可能的,"他说。
向技能导向模式的转变已经在进行中。引用一项涵盖2300多名商业领袖的全球调查,Tiviti指出,新加坡超过40%的公司已经开始采用技能导向策略,其中大约60%已经报告了诸如促进创新等益处。
然而,他承认变革管理仍然是一个重大障碍,近一半的调查受访者(49%)将其视为采用的关键阻碍。
对于刚开始使用AI智能体的组织,Tiviti建议首先自动化单调、重复性的任务,以释放员工从事更具战略性的工作。他还强调了人类监督的重要性,特别是在招聘等敏感领域,补充说智能体的作用是增强人类决策。
"智能体不是为了取代招聘人员和招聘经理,"Tiviti说。"智能体的作用是促进、加速流程并提供一些高级建议,与人类协同工作。这几乎是我们开发的所有基于角色的智能体的核心。"
Workday的基于角色的智能体配备了特定技能,例如用于招聘或财务审计,同时具备理解组织内工作职能复杂性的能力来提高生产力,Tiviti说。例如,他指出Workday的招聘智能体已被证明能将招聘人员的能力提高54%,将招聘经理的审查时间减少35%。
最终,Tiviti认为拥有前瞻性的AI策略将是人才争夺战中的关键,因为顶尖候选人会倾向于那些将AI深思熟虑地融入其文化的公司。
"我认为市场上的顶尖人才会加入那些已经开始AI之旅的公司,"Tiviti说。"他们希望看到公司拥有包含员工和AI智能体的员工队伍策略,这将成为一个差异化因素。"
Workday一直在定位自己来管理人类和数字员工的混合团队,最近推出了新功能来帮助客户集成和管理第三方AI智能体。
在其DevCon 2025会议上宣布的Workday智能体合作伙伴网络和智能体网关,将使组织能够将来自埃森哲、微软、谷歌云和亚马逊网络服务等合作伙伴的AI智能体直接连接到Workday的智能体记录系统中。这创建了一个单一控制平面来管理多样化的智能体群,确保它们安全运行并符合业务目标。
智能体网关将在2025年底向早期采用者开放,使用共享协议,包括模型上下文协议(MCP)和智能体间协议(A2A),允许Workday及其合作伙伴构建的智能体之间进行无缝通信。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。