• 道德
    【重磅发布】推动HR工作中实践负责任AI的倡议书 推动HR工作中实践负责任AI的倡议书 HR同仁们: 目前人工智能(AI)已成为推动工作场所变革的强大力量。从科技向善的初衷,到AI治理模式的探索(OpenAI董事会风波),再到近期欧盟人工智能法案的制定,我们见证了AI的强大能力和对世界可能产生的影响,同时我们也敏锐的观察到AI在工作场所可能带来的挑战与风险。作为人力资源行业的专业人士,我们肩负使命和责任——将AI的潜力转化为增进员工福祉和推动企业发展的实际行动。 面对这一使命和责任,我们 Responsible AI in HR—推动HR工作中实践负责任AI的倡导者(简称RAIHR)—特此发起此倡议。我们呼吁所有的人力资源行业同仁一同参与,共同构建和推广RAIHR的理念,RAIHR框架包含六个关键方面:透明性、公平性、隐私性、安全性、道德性和持续性。我们倡议每一位HR专业人士在其企业内部积极主导RAIHR的实施,并鼓励HR科技产品的开发和使用都围绕这一框架展开,以实现真正的可持续发展!我们更相信RAIHR是所有参与者和倡导者的未来关键竞争优势。 我们将通过聚合行业专家的智慧,讨论并制定并不断迭代更加全面的RAIHR行动指南,支持您在组织内实施负责任的AI决策。我们诚挚邀请您签名支持这一倡议,并作为RAIHR的倡导者,为您的组织引入明智、公正、可持续的AI实践。 让我们一道参与发起RAIHR的倡议,签名后将可以获得倡导者徽章和倡导者证书,并将有机会优先获得RAIHR社区的更多后续支持。 让我们一起行动,塑造一个更加智能和负责任的未来工作场所。立即加入我们,成为变革的一部分。 马上签名,共同倡导负责任的AI在人力资源工作中的应用和实践。 发起倡议的签名地址:https://www.hrtechchina.com/raihr   *RAIHR 由HRTech的Next AI专家委员会倡导成立   Responsible AI in HR(RAIHR) Responsible AI in HR(RAIHR)是指在HR实践中的AI应用遵循高标准的道德和透明性原则,确保AI决策过程公开、可审查,并且对所有利益相关者公正无偏。 这包括在招聘、员工发展、绩效管理等HR功能中,AI技术的使用既促进了工作效率,也增强了员工的工作体验和满意度。   倡议签名:https://www.hrtechchina.com/raihr
    道德
    2024年04月26日
  • 道德
    【美国】自动评估工伤风险的计算机视觉平台TuMeke获得1000万美元A轮融资,提高员工安全 可自动评估生产设施中工伤风险的计算机视觉平台 TuMeke 在英特尔投资公司(Intel Capital)领投的 A 轮融资中筹集了 1000 万美元,用于扩大和扩展由工程师、人体工程学专家和学者组成的 TuMeke 团队。 "TuMeke 的联合创始人 Riley Noland 说:"工作场所的肌肉骨骼损伤在各行各业都很常见,但保证工人的安全应该是一个不容商量的问题。"我们创建 TuMeke 的目的是为企业提供一种工具,以高效、经济和道德的方式提高员工的安全。 TuMeke 认为,保证工人的安全应该是简单而经济的。如果没有 TuMeke,安全人员需要花费数小时填写繁琐的表格。通过使用 TuMeke,安全人员可以用智能手机拍摄视频,在几分钟内就能降低已识别的工作风险。其人工智能系统结合了计算机视觉和人体工程学的最佳技术,可帮助用户重新设计工作岗位或重新培训工人。TuMeke 软件打包在手机应用程序中,因此用户无需购买设备、相机或外骨骼。 TuMeke先进的计算机视觉技术意味着所有这些都可以在不停止生产的情况下完成--这使得TuMeke一跃成为美国工伤保险行业和全球最大工业企业的标准工具。 "传统的人体工程学风险评估流程是手工、费力和低效的,"TuMeke 的联合创始人 Zach Noland 说。"通过使用人工智能和计算机视觉,我们能够迅速发现问题并提出纠正建议,从而节省时间,更重要的是,保证工人的安全。 TuMeke的全套产品可帮助公司以比传统技术快12倍的速度评估人体工程学风险,在公司继续打造下一代人体工程学风险评估平台的同时,推动其消除工作场所肌肉骨骼损伤的使命向前发展。 "英特尔投资公司副总裁兼高级常务董事Mark Rostick说:"TuMeke于2021年推出了自己的产品,在不到两年的时间里,他们就推出了一个能够维持工作场所生产力和减少员工伤害的全面解决方案。"他们的数字精确技术可以帮助企业最大限度地提高安全投资的投资回报率‍,并已证明其有能力使职业环境更安全、更高效"。 TuMeke已成为制造业的重要合作伙伴,帮助AF集团、Chemtrade物流公司、Sentry保险公司等行业巨头优先考虑人体工程学安全,并建立一支有活力的员工队伍。该产品以员工健康为公司决策和技术设计的中心,提供快速、准确的人体工程学风险评估,无需可穿戴设备或额外设备,强调效率和用户舒适度。 "Tumeke平台是及时准确地进行人体工程学评估的杰出工具,"Chemtrade物流公司治理、质量和报告部门EHS总监Colin Welch说,"它不仅帮助我们识别和减少人体工程学危害,改善了我们的健康和安全计划,还通过营造积极支持的工作文化提高了员工的参与度。 TuMeke 解决了当前的人体工程学问题,并协助制定长期安全战略,将员工福利作为日常运营的一个基本方面。A 轮融资将使 TuMeke 能够继续扩大运营并推出新功能,从而提高 EHS 团队的能力及其同事的安全。 "在TuMeke,我们相信利用人工智能做好事--通过同意和人在回路中的人工智能技术改善员工安全,"TuMeke联合创始人Diwakar Ganesan说,"我们的用户表示,员工第一次对安全培训课程感到兴奋,并积极希望了解如何改善长期健康结果。" 关于 TuMeke  Ergonomics TuMeke肩负着消除工作场所肌肉骨骼伤害的使命。由工程师、人体工程学专家、学者和问题解决者组成的团队创建了这一新一代人体工程学风险评估平台,致力于以经济高效的方式最大限度地提高工作环境的安全性和可持续性。
    道德
    2023年12月20日
  • 道德
    2024年十大人力资源趋势,仅供参考 编者注:每年HRTech都会聚合全球最新的人力资源趋势分享给大家,更多信息请关注HRTech发展趋势专题!也欢迎积极投稿hi@hrtechchina.com ADP发布的《2024年必须关注的10大人力资源趋势 点击可以下载》报告指出,包容性将在多元化、平等和包容性(DE&I)领域扮演关键角色。报告还着重介绍了生成型AI和人力资源技术的最新发展,以及它们对工作场所的影响。随着遥远工作的普及,多州合规性问题成为焦点。此外,技能发展和职业路径的演变也是重点话题。这些趋势不仅改变了人力资源和商业优先事项,也影响了领导层的决策。 2024 年,工作场所将发生重大变化,众多人力资源趋势已经成为现实。多元化、公平和包容性 (DE&I)、数据和生成人工智能 (AI)、人力资源技术、合规性和人才方面的发展正在改变人力资源和业务优先事项,并影响领导层决策。对于那些希望在不断被贴上“不断发展”、“颠覆”和“不断变化”标签的工作世界中清晰、自信地前进的领导者来说,保持与时俱进至关重要。 2024 年人力资源十大趋势 一、包容发挥引领作用 包容性领导在DE&I中脱颖而出,一些组织优先考虑“DE&I”中的“I”。 ADP 首席包容性和多元化官蒂芙尼·戴维斯 (Tiffany Davis) 表示:“司法发展正在促使组织彻底审查其包容性、多元化、公平性和归属感计划、招聘实践和发展服务。” “一些专注于支持某些群体发展的组织已经扩大了其章程以包括其他群体,并在考虑到包容性的情况下提供更全面的产品。当组织考虑审查和发展其战略以实现包容性第一的心态时,教育和意识至关重要。 ” 2. 领导者在立法之前和之后就 DE&I 采取行动 组织在 DE&I 措施方面变得越来越积极主动,从扩大对身份和残疾的理解到采用薪酬透明度,再到承认交叉性如何影响其员工队伍。员工们似乎很满意,53% 的员工表示,与三年前相比,他们的公司在 DE&I 方面取得了更好的进展。 “过去,DE&I 的首要任务与合规性有关,”ADP 产品包容性主管吉赛尔·莫塔 (Giselle Mota) 说道。“有时,合规性仅到此为止,而未解决全部细微差别。例如,在 EEOC 更新种族和族裔的定义之前,许多组织正在扩大自我 ID部分的这些选项,以确保员工和候选人得到充分的代表此外,除了民权法案和反歧视声明之外,许多组织现在还有意跟踪分析并制定计划和政策,以解决交叉方面的细微差别和经常被忽视的人。” 3. 随着薪酬透明度法律的普及,薪酬公平性的考虑依然强烈 随着各州和地方颁布法律要求组织在招聘启事中披露薪酬并应要求向工人披露薪酬,薪酬透明度作为改善薪酬公平的一种途径变得越来越重要。组织需要全面的薪酬数据来告知他们的方法、合规计划和清晰的沟通策略以有效应对。 ADP 人才招聘总监 Kiran Contractor 表示:“如果领导者不在内部制定薪酬策略,为薪酬透明度做好准备,他们将无法传达他们支付的费用以及原因。” “这可能会产生问题,因为这就是员工市场想要的。” 4. 道德和合规性正在影响有关数据和生成人工智能的决策 鉴于生成式人工智能的兴起,道德和合规性成为组织日益重要的考虑因素。策略正在解决如何将数据与生成人工智能一起使用、谁将使用该技术以及如何最好地遵守相关法律法规。访问权和责任、数据类型以及人工智能道德政策和框架也在考虑之中。 ADP 全球首席隐私官 Jason Albert 表示:“组织应该解决数据和生成人工智能的道德和合规问题。” “鉴于生成式人工智能的颠覆,他们如何解释数据隐私和数据安全?员工对于将其数据用于训练生成式人工智能模型有什么权利?作为一个行业,我们将继续观察人工智能道德和合规性的发展,因为“这两个领域的重叠对于建立信任非常重要。生成式人工智能需要这种信任,它正在迅速发展,很快就会以我们无法预料的方式发生变革。” 5、HR技术智能化升级 领导者可能会在 2024 年期待更加智能、易于使用的人力资源技术。生成式人工智能将成为主要推动者,优化人力资源和薪资任务以及密集的流程,并使领导者能够在不增加资源的情况下确定员工的优先顺序并扩大运营规模。因此,当领导者利用大量人员数据并将耗时的任务转换为知识渊博的人工智能助理的快速待办事项时,他们可以预期成本和时间限制可能会减少。 ADP 市场战略高级副总裁琳达·莫加利安 (Linda Mougalian) 表示:“我们刚刚看到生成式人工智能的开始。” “除了为桌面带来价值之外,还需要建立基础设施、组织合作伙伴关系和治理,以使技术在规模上变得强大、可靠和值得信赖。随着我们进入 2024 年,生成式人工智能将不再用于特定领域任务无处不在地融入到我们所做的一切中——这是对我们工作方式的新期望。” 6. 健康、奖励和认可在员工体验技术中受到关注 考虑到员工体验的关键组成部分,主要人力资源供应商已经发布了认可和奖励工具,强调认可。此外,超过 20% 的组织在 2024 年增加人力资源技术支出,奖励和认可是四大支出类别之一。同时,健康技术市场涵盖了几个子类别,即身体健康、心理健康和财务健康。在劳动力短缺的情况下,所有这些因素都举足轻重,影响着组织管理招聘和保留的方式。 7.远程工作人员的多州合规仍然是一个问题 在 COVID-19 大流行期间,许多人意识到“在家工作”可能意味着“在有互联网连接的任何地方工作”。如果工作已经完成,那么与办公室的通勤距离突然就不再那么重要了。根据ADP 研究所进行的 2023 年全球劳动力调查,近一半的工人表示他们已经搬迁或正在考虑搬迁。这些现实可能会给仅在一个州注册的雇主带来挑战。 当员工跨州流动时,雇主应了解他们在登记、纳税和遵守适用于远程员工的法律方面的责任。领导者应强调员工报告搬迁情况并确保地址始终最新的重要性,以便他们能够积极主动地办理国家登记、税收和其他合规事项。 8. 多州福利管理使合规变得更加复杂 许多州颁布了涉及所需员工福利的法律,这给雇主管理其他州的福利带来了新的挑战。一些州法律有不同的要求,因此为所有员工制定一项基本政策具有挑战性。不同州要求的一些示例包括: 带薪育儿假、医疗假和家庭假 退休计划选项 带薪休假投票 病假时间 ADP 政府事务副总裁皮特·伊斯伯格 (Pete Isberg) 表示:“雇主必须及时了解最新的州和地方法律,并采取积极措施确保合规。” “这需要适当的规划和资源分配,其中可能包括寻求外部顾问和税务顾问的指导。” 9.技能可能是劳动力短缺的秘密 劳动力市场有636万失业工人,但雇主却难以填补职位空缺。影响因素可能包括教育与业务需求以及需要新技术技能的工作不匹配。无论如何,雇主需要用合格的工人来填补职位空缺。他们不应该仅仅专注于寻找合适的技能,而应该优先考虑培养这些技能。ADP研究所认为,管理技能和人际交往能力是未来工作最需要的。ADP 负责人力资源、变革和沟通的高级副总裁 Deb Hughes 认为,软技能也将受到需求。 休斯说:“尽管软技能在建立联系和培养同理心方面发挥着至关重要的作用,但它们在工作场所往往被低估。” “优先考虑、增强和培养员工这些技能的公司将能够蓬勃发展。” 10.传统职业道路正在演变 如今,职业生涯的展开方式有所不同。传统的职业道路通常涉及获得学位、进入劳动力市场以及在一两个组织中“晋升”。相反,如今越来越多的员工正在职业网络中选择流动性或稳定性。由于教育成本增加,而入门级职位无法支付足够的费用来抵消学生债务,一些工人选择了不需要学位的领域或在校期间进入劳动力市场。 ADP 人才洞察与创新副总裁 Amy Leschke-Kahle 表示:“员工不再遵循传统的职业道路——这种道路很少存在。” “这意味着领导者需要发展和重新定义他们对职业的看法,以便他们能够满足员工的需求。” 深入研究 组织必须不断了解人力资源和业务的最新发展。通过在人力资源技术、合规性、数据和生成式人工智能、DE&I 和人才方面保持最新状态,领导者可以为成功做好准备,并在新的一年里清晰而自信地前进,这有望带来重大变化。领导者可以通过接受这些变化并花时间制定计划来蓬勃发展。   《2024年必须关注的10大人力资源趋势 点击可以下载》
    道德
    2023年12月11日
  • 道德
    【重磅发布】2021年度中国人力资源科技发展十大趋势 HRTechChina 于近日正式发布2021年度中国人力资源科技发展十大趋势,与大家探讨分享未来HR科技发展。 随着疫情进入后时代,全球经济环境和国家政策对于人力资源科技发展依旧有着极为重大的影响。结合全球化2.0的浪潮带来的机遇,这些都构成我们对于2021年的趋势判断因素。 对于HR同仁,在充满不确定性环境中,需加快敏捷和数字化自己,积极拥抱变化与不断学习,进一步提高职业使命感。 2021年度中国人力资源科技发展十大趋势 图文版本如下: 2021年度中国人力资源科技发展十大趋势文字版如下:1、去中心化人才模式,混合劳动力管理不可阻挡 多种用工模式会成为组织构成的常态,去中心化的人才获取和管理模式会是新的挑战 2、安全合规道德的数据 组织中的数据安全是底线,合规的数据是最基础的要求,而HR要考虑更加道德的使用 3、HR使命感比以往更加重要 不确定性加剧的环境下,对于人力资源工作者的使命要求前所未有,不仅仅是责任感 4、组织网络分析与人力资本分析的协同 随着数据分析能力不断加强,组织网络分析与人力资本分析的协同效应在显现 5、数字化员工体验提升显著 员工体验毫无疑问是HR的新战场,数字化体验则是感受最明显的。 6、四代同堂的职场管理 延迟退休和老龄化对于劳动力市场影响典型表现就是职场中的四代同堂 7、数字鸿沟带来的挑战 科技发展带来的数字鸿沟不仅在生活中影响加剧,工作中亦是如此 8、构建面向未来的组织和团队 HR领导者如何构建面向未来的组织和团队,像金融危机中的CFO一样拯救组织 9、新技术在HR中融合加快 人工智能、区块链、5G等技术已经日益融合到人力资源产品和工作中 10、技能提升与重塑的现实 面对未来不断加强学习能力就是关键,技能不断被重塑,HR需提前布局,帮助组织和员工 关于HRTechChina: HRTechChina 是中国首家领先的专注人力资源科技商业服务平台,致力于推动中国人力资源科技进步与发展。持续引领行业新科技新趋势新产品新方向。HRTechChina核心报道中国HR科技创新企业与产品,关注并实时分享全球的人力资源科技资讯。定期发布行业市值榜单和HR科技云图,持续举办高品质的专业前沿论坛论坛,表彰认可业内先进。 www.hrtechchina.com hi@hrtechchina.com 附录:2021年度HRTech年度品牌活动计划和表彰评选安排: https://www.hrtechchina.com/41877.html https://www.hrtechchina.com/41877.html
    道德
    2021年01月11日
  • 道德
    科技正在改变人力资本分析,这会是好事情吗? Tech Is Transforming People Analytics. Is That a Good Thing? 一个世纪前,弗雷德里克-泰勒的《科学管理》为现代人力资源奠定了基础。他的核心前提是,组织应该把工作场所变成现实世界的心理学实验室,测量和监控员工的一举一动,以提高他们的绩效,降低他们的压力水平。这一范式具有革命性的意义,并促使亨利-福特等著名工业家在人类工程方面进行了前所未有的创新,创造了具有开创性的流水线,并提出了优化角色、任务和工作设计以提高员工生产力的科学公式。福特汽车公司等大公司成为应用心理学的试验田,循证人力资源应运而生。 快进100多年,这都是泰勒的注脚。一些最大、最成功的企业,如谷歌、微软等,都在加紧研究数据科学,招募了一支工业/组织心理学博士大军,并加速数字化转型,围绕人工智能和大数据部署智能技术,以改善人才管理系统。人力资本分析时代已经到来,在COVID-19之前,它已经很发达了。但在一个越来越虚拟(甚至可能只是虚拟)的工作世界中,可用于了解和预测员工行为的数据量将继续呈指数级增长,从而为通过技术和数据进行管理提供更多机会。 从广义上理解,人力资本分析是致力于追求数据驱动的关于组织员工队伍的洞察力的人力资源职能--是的,人力资源的极客部分。把数据看作是员工行为的数字记录,而人力资本分析则是将这些数据转化为可操作的洞察力,从而提高组织效率的科学。大多数组织都坐拥丰富的数据。我们一再听到 "数据是新的石油",但没有洞察力的数据是没有意义的--只是0和1。你需要正确的框架、模型或专业知识来确保数据获得意义,而下一阶段的工作是在这些洞察力的基础上采取行动,在组织中创造数据驱动的决策、变革和数据导向的文化。因此,人力资本分析是一种刻意的、系统的尝试,目的是使组织更加以证据为基础、以人才为中心、以业绩为中心,人们希望,这应该使组织更加有效。 考虑到员工体验,传统上是通过年度调查来评估的,重点是工作满意度或员工参与度。尽管这些衡量标准与工作绩效呈正相关,但相关性通常很小(表明参与度与生产率之间的重合度不到20%),而且与员工的个性等不相关因素混为一谈。等待一整年的时间来评估士气是上升还是下降也是不合理的,为什么不更定期地监测呢? 这也是更加定期的 "脉搏调查 "和员工倾听工具开始流行的地方,并能迅速地推动真正的行动,使员工和企业受益。像Glint、CultureAmp、Qualtrics和Peakon等公司都能够帮助企业定期为员工 "把脉",实时了解员工的参与度和员工情绪。虽然员工倾听已经出现了一段时间,但在应对Covid-19危机时,它更加流行。荷兰合作银行、默克公司和澳大利亚国民银行等公司都在利用员工倾听来了解员工如何应对新的远程工作安排,他们对支持的需求如何变化,以及他们对重返工作岗位的偏好是什么。通过使用分层抽样(一种替代随机抽样的方法,使数据科学家能够将给定的样本划分为 "层",以便对人群进行预测)和自由文本评论(将单词和词频解码为情绪情感或不同心理特征的软件)和讨论板的文本分析等技术,公司可以在快速变化的环境中获得有价值的洞察力,了解什么对员工来说是重要的,同时避免调查疲劳,并保留个人层面的匿名性。 另一个重要的问题,特别是在目前的情况下,就是是否可以利用新技术来保证人们的安全,监测他们的精神和身体健康。目前,人们正在广泛讨论雇主如何使其工作场所安全,并确保在封锁后的阶段健康地重新开放办公室,这不仅仅是通常的措施,如温度检查或社会距离,可能会有所帮助。公司正在通过多种方式实施新技术来支持员工。可穿戴设备现在可以监测压力和焦虑,如果员工选择分享这些数据。可以部署聊天机器人,询问你的情绪状态并提供建议。当然,同样的信息也可以用来支持或控制人们:如果你知道某人的感受,他们的生理和心理状态是什么,这些信息很可能被用来帮助他们,让他们变得更好,或者,人们希望不要操纵他们,控制他们。只要技术能够让其他方面或个人洞察你更深层次的情绪状态,都是如此。 最值得注意的是,"跟踪和追踪 "应用,如美国谷歌和苹果公司开发的应用,在应对疫情时,一些ZvF(如你懂得、新加坡和以色列)立即部署了这些应用,雇主很容易采用这些应用来监控和改善人们的健康状况。同样,学术界也在与可穿戴式创业公司合作,比如Oura戒指和UCSF,将人们已经分享的生物识别数据--当然是自愿的--转化为Covid-19风险档案。将这些创新视为数字等同于当你到办公室时检查你的体温,或者让医生在现场检查关键症状。虽然这些措施是有争议的,因为它们有可能侵入人们的个人生活,并劫持他们的隐私和匿名性,但它们越来越多地被大型雇主采用,而且随着我们的物理生活和数字生活本身的界限开始变得模糊,我们越来越难以看到那些数字的区别,以及那些模拟或物理的区别。 另一个关键目标可能是提升员工的绩效或生产力。在大多数组织中,这将始终是主要目标,即使公司非常关心士气和福利,主要是因为他们认为这些东西与绩效相关。然而,这也是监控的 "毛骨悚然 "因素开始发作的地方。随着手机、传感器、Alexa、可穿戴设备和物联网都有能力检测和记录我们的举动,而真正离线和脱离雷达的机会相当少,这一切可能很快就会变得相当有侵犯性和像大哥大一样。例如,现在一些公司正在寻求推出更具侵入性的监控软件,这些软件可以在员工工作时进行截图,可以追踪人们的行踪,以此来追踪生产力,监控一夜之间变得远程的劳动力。今年早些时候,普华永道因开发监控来追踪员工是否离开电脑而招致不少批评。 其他公司正在考虑开发监控工具,以监测COVID-19病毒在办公室内的传播情况。但是,当我们看到为应对COVID-19而增加使用监控技术时,员工将不得不做出怎样的权衡?如果在保护员工健康的幌子下,这些工具成为强制性的,那么员工如何确保他们的隐私会受到保护,他们的数据不会被用于其他目的?这就是人力资源部门必须介入的地方,并推动对话,解决员工的信任、企业责任和任何新技术的道德影响,在员工、经理和企业的需求之间取得平衡。 虽然我们仍处于这场革命的初期,但在人才管理的每一个主要垂直领域都取得了明显的进展,出现了一系列新颖的工具和技术,在某些情况下,这些工具和技术得到了科学的支持。如果领导者能够在其组织中灌输一种信任、尊重和公平的文化,并根据最强有力的道德和法律参数(这不是一个小的 "如果")来部署这些新兴的创新,那么就有真正的机会使工作显著改善。 在公司考虑新技术或人力资本分析项目时,仅仅希望道德规范处于最前沿是不够的。在我们看来,企业需要为人力资本分析采用一个道德章程,帮助他们明确规定什么该做什么不该做,就像为客户或财务数据的使用制定准则一样。为了建立和维护员工对人员数据使用的信任,组织需要正面解决道德和隐私话题,在如何使用数据方面对员工公开透明。 毫无疑问,技术加上近乎无处不在的工作和工作相关行为的数字化,有可能帮助组织大规模地监控、预测和了解员工的行为(和想法),这是前所未有的。同时,这些技术以不道德或非法的方式部署,也允许雇主控制和操纵员工,违反信任,不仅威胁到他们的自由和士气,还威胁到他们的隐私。防止这种情况发生的唯一方法是严格执行适当的法律和法规,确保员工始终处于驾驶位置,能够授权雇主使用他们的数据(或不使用),并从从中获得任何见解和知识。可以肯定的是,在对雇主有利的事情和对员工有利的事情之间,并不存在逻辑上的矛盾。但是,强迫人们做出某些行为,或使用他们的个人数据来对付他们,这种诱惑比人们想象的更真实。 作者:Tomas Chamorro-Premuzic Ian Bailie 仅供参考,版权归HBR所有。
    道德
    2020年10月29日
  • 道德
    要构建可以信赖的人工智能 计算机系统需要了解时间,空间和因果关系。现在他们没有。 人工智能有一个信任问题。我们越来越依赖于AI,但尚未赢得我们的信任。 例如,以自动驾驶模式驾驶的特斯拉汽车具有撞车事故的令人不安的历史。亚马逊的面部识别系统在大多数情况下都能正常运行,但是当被要求将535名国会议员的脸庞与25,000张公开逮捕的照片进行比较时,它发现了28个符合,而实际上却一个都没有。发现一种旨在审查亚马逊求职者的计算机程序可以系统地歧视妇女。每个月都会发现AI的新弱点。 问题不在于当今的AI需要做得更好。问题是当今的AI需要尝试做完全不同的事情。 特别是,我们需要停止构建仅能越来越好地检测数据集中的统计模式的计算机系统(通常使用称为深度学习的方法),并开始构建从组装之初就掌握三个基本概念的计算机系统:时间,空间和因果关系。 当今的AI系统对这些概念几乎一无所知。花点时间。我们最近在Google上搜索了“乔治·华盛顿是否拥有一台计算机吗?” —该查询的答案需要在一个单一的时间框架内关联两个基本事实(华盛顿生活时,计算机被发明时)。Google的前10个搜索结果中没有一个给出正确答案。结果甚至没有真正解决这个问题。排名最高的链接是《卫报》上的一则新闻报道,内容是关于玛莎·华盛顿的计算机化肖像,因为她可能年轻时就看上去像。 Google的Talk to Books是一家人工智能企业,旨在通过提供庞大的文本数据库中的相关段落来回答您的问题,但这种做法并没有得到改善。它发表了20篇文章,内容各异,有的是关于乔治华盛顿的,有的是关于计算机发明的,但两者之间没有任何有意义的联系。 当涉及人工智能以及空间和因果关系的概念时,情况甚至更糟。即使是第一次碰到奶酪刨丝器的小孩,也可以弄清楚为什么它的孔带有锋利的边缘,哪些部分允许奶酪掉落,哪些部分可以用手指抓住等等。但是,现有的AI都无法正确理解对象的形状与其功能之间的关系。机器可以识别事物是什么,但不能识别事物的物理特征如何与其潜在的因果关系相对应。 对于某些AI任务,主导的数据关联方法可以正常工作。您可以轻松地训练一台深度学习机,例如识别暹罗猫的照片和德里克·杰特的照片,并在两者之间进行区分。这就是为什么此类程序适用于自动照片标记的原因。但是他们没有概念上的深度来实现,例如,有很多不同的暹罗猫,但只有一只德里克·杰特,因此显示两只暹罗猫的图片并不引人注目,而显示两只德里克·杰特的图片却没有什么意义。被篡改了。 这种理解上的失败在很大程度上是为什么像《 The Jetsons》中的管家Rosie这样的通用机器人仍然是一种幻想。如果Rosie无法理解世界运作的基本原理,那么我们就无法在家里相信她。 没有时间,空间和因果关系的概念,很多常识是不可能的。例如,我们都知道,任何给定动物的生命都始于其出生,直至死亡。在其生命的每一刻都占据着太空中的某个特定区域;两个动物通常不能同时处于同一空间; 两只动物可以在不同时间处在同一空间中;等等。 我们不必明确地学习这种知识。正是背景假设和概念框架的集合,使我们对世界的所有其他思考成为可能。 然而,从事人工智能工作的人很少尝试在机器中建立这样的背景假设。我们并不是说这样做很容易-相反,这是一个重大的理论和实践挑战-但是没有它我们就不会获得复杂的计算机智能。 如果我们构建的机器具备丰富的概念理解能力,那么其他一些担忧将消除。例如,哲学家尼克·博斯特罗姆(Nick Bostrom)曾设想过这样一种情况,即一台功能强大的AI机器被指示制作回形针,不知道何时停止,最终使整个世界(包括人们在内)变成了回形针。 我们认为,这种反乌托邦式的推测很大程度上是由于思考当今无意识的AI系统并从中推论得出的。如果您能计算出的只是统计相关性,就无法将危害概念化。但是知道时间,空间和因果关系的AI系统可以编程为遵循更一般的指令,例如“机器人可能不会伤害人类,或者由于无所作为而使人类受到伤害。 ”(艾萨克·阿西莫夫(Isaac Asimov)的三个机器人定律中的第一个)。 我们面临一个选择。我们可以坚持使用当今的AI方法,并极大地限制机器的操作(最后我们会导致自动驾驶汽车崩溃,并使机器永久存在偏差而不是减少偏差)。或者我们可以将方法转向AI,以期希望开发出对世界有足够丰富的概念性理解而无需担心其运行的机器。其他任何事情都会太冒险。 作者:Robust AI的创始人兼首席执行官Gary Marcus(@GaryMarcus)和纽约大学计算机科学教授Ernest Davis是即将出版的《重新引导AI:构建我们可以信赖的人工智能》一书的作者。这篇文章是改编的。   以上由AI翻译完成,仅供参考。 https://www.nytimes.com/2019/09/06/opinion/ai-explainability.html
    道德
    2019年09月21日
  • 道德
    AI: Salesforce正在招聘其首位首席道德和人道使用官员,以确保其人工智能不被用于邪恶 Salesforce将雇用Paula Goldman作为其首位首席道德和人道使用官员。 Goldman将率先成立一个新的道德和人道使用办公室,该办公室致力于制定在公司以道德和人道的方式使用技术的战略。 这一消息是在硅谷抗议公司(包括Salesforce)如何使用其技术的一年中发布的,因为科技工作者正在抗议与美国军方和移民当局的交易。 在关于科技公司如何无益使用人工智能的争议中,Salesforce即将聘请其首位首席道德和人道使用官员。 周一,Salesforce宣布将聘请Paula Goldman领导其新的道德和人道使用办公室,并将于1月7日正式启动。该办公室将专注于制定在Salesforce以道德和人道方式使用技术的战略。 “多年来,我一直钦佩Salesforce作为道德业务的领导者,”Paula Goldman在一份声明中说道,“作为一个行业,我们正处于一个重要的转折点,我很高兴能与这个团队合作制定一条道路向前。” 随着新的道德和人道使用办公室的发展,Salesforce计划将法律,政策和道德合并,以道德的方式开发产品。这一点尤其值得注意,因为Salesforce本身因其与美国海关和边境保护局签订的合同而受到其员工的抨击。 “我们理解,我们对社会负有更广泛的责任,并渴望创造技术,不仅能推动客户的成功,还能推动积极的社会变革,造福人类,”Salesforce的道德与人道使用办公室表示。   Goldman将向首席平等官Tony Prophet汇报工作。 在Salesforce之前,Goldman曾担任Omidyar Network的全球领导,技术和社会解决方案实验室的副总裁,这是一家社交影响投资公司,由eBay创始人Pierre Omidyar创办。 她还曾在Salesforce的道德和人道使用办公室咨询委员会任职,该委员会包括行业专家和学者。该委员会的重点是如何以道德的方式建立技术。 “与Paula一起担任顾问委员会成员,她对于真正复杂问题的出色领导和深思熟虑的方法给我留下了深刻的印象,”Salesforce首席平等官员Tony Prophet在一份声明中感到悲伤。“我相信Paula是引导我们进入Salesforce下一章的合适人选。” Paula Goldman还是国际妇女博物馆项目Imagining Ourselves的创始人和董事。她曾获得Anita Borg妇女与技术研究所颁发的社会影响奖,以及美国博物馆协会颁发的Muse奖。 然而,她将面临一个艰难的挑战,因为她在硅谷道德的日益阴暗的世界中航行,因为Salesforce本身被吸引到关于使用技术的正确和错误方式的争论中。 Salesforce受到了抨击 在硅谷,员工和活动家继续抗议科技巨头使用人工智能和其他可能用于不道德目的的技术。 例如,在Google,数千名员工签署了一份请愿书 - 有些甚至辞职 - 超过了Project Maven,这是与国防部签订的一份合同,该合同将会看到该公司用于分析无人机镜头的人工智能。 在内部强烈反对之后,谷歌首席执行官桑达皮采出版了一套关于如何使用人工智能的道德原则。谷歌还决定不与国防部续签合同,后来又决定放弃与五角大楼签订价值100亿美元的云合同。尽管如此,谷歌内部和外部仍在争论Project Dragonfly,这是一个为中国构建审查搜索引擎的项目。 这场争论也触及了Salesforce。根据唐纳德特朗普总统的零容忍移民政策,超过650名Salesforce员工致函首席执行官马克贝尼奥夫,以抗议该公司与美国海关与边境保护局的合作。 几周后,科技工作者和活动家在公司旧金山总部Salesforce Tower前展示。此外,为移民提供法律服务的非营利组织拒绝了 Salesforce的25万美元捐款,称除非公司取消合同,否则不能接受这笔钱。   以上由AI翻译完成,仅供参考。 作者:Rosalie Chan 原文来自:Salesforce is hiring its first Chief Ethical and Humane Use officer to make sure its artificial intelligence isn't used for evil
    道德
    2018年12月13日
  • 道德
    如何为人力分析专业人士创造职业道路-How to create career paths for people analytics professionals(续) 文/David Green 文章导读 往期回顾: Geetanjali在2017年9月在费城举行的人力分析与未来工作会议上发言要点回顾: MERCK&CO.的人力分析团队 这个团队由三支柱组成:咨询、高级分析、报告和数据可视化 创建一个数据驱动的文化:高层领导的支持对于人员分析功能的成功至关重要 在人力分析中创造职业道路:一个能够提供发展和职业发展的组织和领导者,可以成为吸引和留住人才的关键因素。 三“C”模式:Capability-Capacity-Connectivity 今日导读: 领导人员分析团队 问7、在谈到你作为一个人分析领导者的角色时,你会对这个角色的新手或者将来想成为一个人分析负责人的人提出什么建议呢? 分享五个我认为普遍适用的特性,并且对于成为这个领域的有效领导者很重要。 优先考虑:对于人员分析领导者来说,学习如何无情地优先考虑团队将花费时间和精力的项目是至关重要的。 位置: 一个好的领导者知道如何找到合适的机会去重新定位、结合和展示这项工作。这不仅对获得声望和对人员分析的认可很重要,而且对提升团队的士气也很重要。 连接: 当你建立起新的职业联系时,你也开始建立友谊,这是一个支持网络,可以帮助你在这个相当模糊的、新的人力分析空间中导航。 与时俱进:作为一个优秀的人员分析领导者,重要的一点是要跟上外部变化的步伐,并将这种学习带回您的业务中 发展:一个有效的领导者需要投入时间和精力来建立自己的内部和外部网络,并与他们的团队分享他们的进 问8、我观察到的一个挑战是,作为一个人分析的领导者,你必须平衡在内部构建能力的重大挑战,同时关注在外部快速发展的领域。作为一名分析人士的领导者,你如何平衡这两个优先事项,以及你如何了解公司外部发生的事情? 尽可能多地阅读各种不同的出版物(博客、文章、白皮书、书籍),这些内容让我与人力分析的各个方面:从社会科学到人工智能都保持联系。 此外,与来自不同行业的其他从业者建立联系很有帮助,我通过非正式的和正式的对等网络进行联系。 最后,我试着每年参加一些活动来学习新的东西和认识新的人。   人力分析的未来 问9、你认为人力分析的主要趋势是什么? 我认为人力分析中的一些“热点领域”将在未来继续变得“更热”。 我还认为,随着研究的增长和越来越多的组织对这一领域的投资,网络的力量将得到充分的挖掘和释放。 最后,要实现所有这些类型的分析,最重要的领域之一将是关于数据使用、隐私和人员分析领域的安全性的伦理研究。   问10、我们如何平衡我们能做什么以及我们应该做什么? 谈谈你对道德和隐私等方面的关注。 过度反应或倾向于采用过于保守的方法,这可能会妨碍人员分析领域的一些重要工作。 话虽如此,与适当的实践专家密切合作,就业法律、隐私法律、伦理、通信、业务合作,和工人委员会合作是一个很好的方式,以确保除了工作的合法性。 另一种从道德角度是预先与内部客户分享你分析的可能结果,并向他们清楚地说明在每个场景中他们将采取什么行动。 在人力分析领域工作类型需要把伦理放在最重要的日程上 英文原文: LEADING THE PEOPLE ANALYTICS TEAM 7. Turning towards your role as a People Analytics Leader, what would your advice be to someone who is new to this role or who aspires to be a Head of People Analytics in the future? I think everyone has different strengths and experiences, which means their approach will vary with regards to them proving successful as a people analytics leader. But based on my personal experiences and observations of others, I can share five attributes that I think apply universally and are important to being an effective leader in this space. Prioritise: Whether you have a small or large people analytics team, it will never be big enough to meet all the demands of your clients, particularly as awareness of the team’s capabilities grow. So, it is critical for the people analytics leader to learn (and teach!) how to relentlessly prioritise the projects on which the team will spend its time and effort. A good rule of thumb is to think about the magnitude of business impact that an analysis has the potential to deliver, or a key relationship that it can help build in the business for future collaborations and sponsorship. Many teams even use formal prioritisation grids to help the process, but ultimately the leader needs to ensure that the criteria used to allocate resources to projects aligns with the vision and mission of the people analytics team (which in turn, should align with the objectives of the enterprise). It is critical for the people analytics leader to learn (and teach!) how to relentlessly prioritise the projects on which the team will spend its time and effort. Position: A critical skill for a people analytics leader is the ability to effectively position analyses before the right decision-makers at the right time to maximise positive outcomes and build a strong people analytics brand. This is probably one of, if not the most, important part of being a people analytics leader. On many occasions, brilliant workforce analyses have been underutilised in their original scope, but a good leader knows how to find the right opportunities to repurpose, combine and present this work. This is not only important in gaining prestige and recognition for people analytics, but also for boosting the morale of the team. Connect:  There is a small, but growing, community of people analytics leaders globally who collectively have a spectacular amount of experience and knowledge. Fortunately, this community is inclusive and generous, in terms of sharing their knowledge and connections with others in the field. The group is a great resource to learn about new technologies, techniques, vendors, and also receive tips and tricks that can help a new leader to avoid mistakes and grab the right opportunities. Most importantly, as you build new professional connections you also begin building friendships that are a support network to help you navigate this fairly ambiguous, new(ish) space of people analytics. Evolve: Since a people analytics leader needs to have some depth in analytical methods, it is always a good idea to read, listen and learn. Thanks to social media there are amazing resources available, many of them free, that any analytics leader can and should leverage to keep oneself updated and evolving. There are some extremely prolific writers (like David Green!) who share both original and curated content on various forums including LinkedIn. Whether you are looking for detailed tutorials on advanced data science methods or want to learn about the latest technological breakthrough and its application to people data, there is a publication, podcast, or video out there on it. Another reason why this mind set of curiosity and awareness is important is because the people analytics space is sensitive primarily due to ethics and privacy reasons; and keeping a handle on that also demands a leader who keeps their eyes and ears open. An important part of being a strong people analytics leader is to keep up with the pace of change externally and bring that learning back to your business. An important part of being a strong people analytics leader is to keep up with the pace of change externally and bring that learning back to your business Develop:  Last, but certainly not the least, a critical part of being a good people analytics leader is simply being a good leader. This implies being someone who invests in the development of their team. It is of particular importance because it is a space that has attracted a lot of exceptional talent, but still has somewhat limited opportunities for advancement. Therefore, an effective leader needs to invest time and effort in building their own internal and external network; and share it with their teams for their advancement. They should also be committed to actively finding or creating opportunities for their team members to learn new skills and develop themselves as multi-faceted professionals. An effective leader needs to invest time and effort in building their own internal and external network; and share it with their teams for their advancement 8. One of the challenges I’ve observed in being a people analytics leader is that you have to balance the significant challenge of building capability internally whilst keeping an eye externally on what is a fast-developing field. As a people analytics leader, how do you juggle these two priorities, and how do you keep abreast of what is happening outside the organisation?  I strive to practice the same behaviours that I would advise new people analytics leaders to try. For example, I follow and subscribe to content by certain thought leaders in people analytics and read as many varied publications as possible (blogs, articles, whitepapers, books) which keep me connected to the different aspects of people analytics; from social science to artificial intelligence. In addition, it really helps to connect with other practitioners in the field from different industries, which I do via both informal and formal peer networks. This helps to broaden one’s worldview, spark new ideas, and offers a forum to ask questions of your peers. Most likely, if you are facing a people analytics quandary, there is a leader out there who has faced it too and would be willing to share their experience. Finally, there are a plethora of great conference events out there, and the quality and number of these keeps rising every year. I try to participate in at least a few such events every year to learn new things and meet new people. THE FUTURE OF PEOPLE ANALYTICS 9. What do you believe will be the main trends moving forward in people analytics?  I think that a number of “hot areas” in people analytics will continue to get “hotter” in the future. The idea of employee experience will grow even wider with focus on the end-to-end experience all the way from being a prospective candidate stage to becoming an alumni of the company. This is likely to grow simultaneously with the focus on managing and optimising a new, fluid workforce that may at any one time be full-time and freelance, human and robotic. I also think that the power of networks will be fully explored and unleashed as research grows and more organisations invest in this space. The applications of network analysis are so varied and relevant, that it should continue to gather steam in the future. Finally, from my perspective to enable all these types of analyses, one of the most critical areas that will grow in importance will be the study of ethics relating to data use, privacy and security in the space of people analytics. 10. Finally, how do we balance what we can do with what we should do? How concerned are you about areas such as ethics and privacy? This is a great question, and a difficult one to answer. The frontiers of what is possible are being pushed at a break-neck speed thanks to ever larger datasets being at our disposal faster, and at cheaper cost. And that pace makes it tough to process the implications in real time. In fact, this often leads to an overreaction or the inclination to adopt an overly conservative approach that can hamper some great work in the people analytics space. That being said, I believe that an extremely important fact to understand about the space we work in is that we should not do something just because it is possible. Besides being legally compliant, the type of work being undertaken in this field needs to put ethics at the very top of the agenda even before beginning work on an analysis. Working closely with the appropriate experts in the practices of employment law, privacy law, ethics, communications, business partners and workers councils is a good way to ensure that besides the legality of the work, its potential impact on people is also being considered through the lens of ethics, privacy, and empathy.  Most established organisations have extensive reviews involving these types of stakeholders already in place. Another way to pressure test the approach from an ethics lens is to share possible outcomes of an analysis with the internal clients beforehand and ask them to articulate what actions they would take in each scenario. Obviously, this method is not possible in every situation, but when applicable it can be a useful “stop and reflect” moment. The type of work being undertaken in the people analytics field needs to put ethics at the very top of the agenda
    道德
    2018年07月31日