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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。