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
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。