点击下图 免费观看课程

随着我们对企业实施人工智能的了解越来越深入，我惊讶地发现它们越来越像传统的IT项目。是的，生成性AI系统有许多特殊特性：它们是智能的，需要培训，对用户有着颠覆性的影响。而且后端处理成本高昂。尽管这些模型和技术非常先进且“高深莫测”，但我发现AI也有其“传统”的一面。

发现1：企业AI项目全都依赖于数据

不管你购买的是哪种AI产品，成功与否都取决于你的数据策略。如果你的企业数据一团糟，AI并不会突然让它变得有意义。这周我读了一篇关于微软Copilot“选举阴谋论”的故事。虽然这种情况并非普遍，但这也说明了"企业需要对AI系统的数据质量、数据安全，以及对AI的训练负责"。沃尔玛的员工AI助手已经证明，它在查询员工福利方面的问题上，效率提升了2-3倍。但为了做到这一点，公司建构了一套出色的全球安全IT架构——将所有员工信息整合到个人资料中，并不断优化体验，使之更加强大。

我们的一家客户正在探索利用AI进行大规模的知识管理变革。虽然AI可以为其提供巨大的价值，但问题是“我们应该加载什么数据，以及我们如何划分数据，以便合适的人能够获取到正确的信息。”他们现在正在进行这个项目。而这一项目的核心，在于打造一个理解数据源、元数据和数据集成工具的数据管理团队。一旦新的AI系统开始运行，我们就需要对其进行训练、更新，以及定期消除偏差和错误。

发现2：公司的人工智能项目需要高度重视安全性和访问管理

假设你找到了一种工具、平台或应用程序，为你的员工提供了开创性的解决方案。它可能是一个销售自动化系统、一个AI驱动的招聘系统，或者一个帮助呼叫中心代理处理问题的AI应用程序。谁能访问什么内容？如何对知识库进行分层以确保合适的人看到他们需要的内容？

这种练习和我们1980年代在IBM做的事情是一样的，那时我们实施了一个复杂但至关重要的系统，叫做RACF。RACF的设计者很多年前就考虑到了数据安全和访问管理的问题。同样，AI系统需要一套类似的工具，而且由于大型语言模型（LLM）倾向于将所有内容“整合和聚合”到模型中，我们可能需要为不同的用户建立多个模型。

以人力资源为例，如果使用Eightfold、Seekout或Gloat建立一个人才情报数据库，其中包含职位、技能、级别以及关于资质和工作历史的详情，然后突然决定需要添加一项“薪资”，这时就出现了数据隐私问题。

我刚与SAP-SuccessFactors进行了一次深入讨论，梳理了其AI架构，你会看到一系列为Joule（SAP的副驾驶）开发的“迷你AI应用”。SAP花了多年的时间构建工作流程、访问模式和各种级别的用户安全性。最终，他们设计了一套系统以安全处理机密数据。

还要记住，像ChatGPT这样可以访问互联网的工具可能会导入有害数据或泄露数据。用户可能会通用AI工具创建不可接受的内容或危险的通信，并引发其他“越狱”行为。即便是像Claude所谓的“安全”平台，也有可能遭遇黑客的入侵。在你的人才情报策略中，你将如何管理工资数据和其他私人信息？如果LLM使用这些数据进行分析，我们必须确保只有适当的用户能看到它。

发现3：企业AI项目需要专注于“提示词工程”和系统监控

在一个典型的IT项目中，我们花费了大量时间在用户体验设计上。包括门户、移动端交互等等。但在第四代人工智能系统中，我们希望将精力放在教用户正确地、有效地提问上面，帮助他们最快找到所需要的功能或答案—— 也就是我们所说的”提示词工程“。如果您曾经尝试使用像Paypal这样的聊天机器人，就会知道有多困难。我花了几周时间试图让Paypal的机器人告诉我“如何关闭我的账户”，但它从未给出正确的答案。我们必须考虑这些问题。

因此，在上述项目案例中，我们建立了一个“提示词库”和一系列工作流程，以帮助HR们最大限度地使用系统。像Paradox、Visier (Vee)和SAP这样的供应商也正在打造一套用户简单提出问题就能轻松获取答案的AI提示词工程。如果你问一个招聘机器人，如：“这个职位的最好的候选人是谁”并将其接入招聘系统，它会给你一个好的答案吗？老实说，我不确定——所以必须培训它，并构建工作流程以预测用户会问些什么。

这意味着我们将会监控这些系统，以及大大小小的互动行为，并不断调整它们以获得更好的性能。几年前，我采访了DBS（新加坡数字银行）的数字转型副总裁，这是世界上最先进的数字银行之一。他告诉我，他们建立了一整个团队，专门监控网站上的每一次点击，以便他们能不断地简化界面，使信息更容易被找到。

我们需要对AI做同样的事情，因为我们无法预测人们会提出什么问题。

发现4：供应商将需要接受评估审查

进行深入的供应商评估是至关重要的，这不仅涉及对其声誉的仔细审查，还包括对其经验的全面了解。即便是像OpenAI这样的公司在建立领先的大型语言模型（LLM）方面表现卓越，也不能默认它们完全符合你的特定需求。供应商是否具有你需要的资源、了解你的专业知识和企业特性？我最近与中东的一家大型企业交谈，他们在沙特阿拉伯、迪拜和其他地区拥有重要设施。他们不会，也不允许用户信息、查询或生成的数据离开他们的管辖区。

你选择的供应商是否有能力处理这个要求？同时，也有一些专门从事“偏见检测”或AI系统测试的顾问出现。大公司可以自己做这件事，但我预计随着时间的推移，会有咨询公司帮你评估这些系统的准确性和质量。如果这个系统是根据你的数据进行训练的，你测试过它的效果吗？在许多情况下，供应商提供的AI会使用来自外部世界的数据：它使用了什么数据，对你的应用是否安全？这些都需要经过仔细审查和考量。

发现5：变革管理、有效沟通以及组织架构设计不可或缺

首先，清晰地界定系统的目的和它将如何影响团队成员的日常工作至关重要。如果存在任何疑问或不确定性，必须及时解决以避免混乱。其次，用户培训不容忽视。尽管用户可能迅速开始使用新系统，他们可能还没有掌握如何正确提问或解读答案。因此，建立一套提示系统或互动对话支持是有益的，这将帮助用户更有效地解决遇到的问题。

最后，我们必须审视角色定位和组织结构。例如，如果我们为销售团队提供了一个智能系统，用于快速获取产品问题、定价和客户历史数据，我们需要考虑新的销售运营角色定义。我们要确保有专人负责更新和维护数据质量。这可能还意味着需要重新思考和调整销售团队的结构以适应新的工作流程。

随着我们对人工智能研究的不断深入，我目睹了研究团队在工作效率和质量上的显著提升。他们在信息共享、跨学科分析以及外部数据利用方面的速度和效率有了显著提高；文章撰写和多语言翻译的能力也得到了大幅增强。

同样，我们的会员支持和咨询团队也在经历一场转型，他们正快速地从依赖专业分析师转变为能够独立作为专业客户顾问，应对用户更为复杂和高级的问题。这种变革无疑将波及到每一个业务部门，无论是销售、客户服务、工程、财务还是人力资源，每个团队都将经历类似的提升和发展。

结语：

本质上，AI技术的革命性进步并不意味着我们可以完全摒弃传统的信息技术实践。相反，这些传统实践在实施AI应用程序时可能比以往任何时候都更加重要。虽然AI的能力无疑是创新的，提供了前所未有的自动化和分析能力，但其部署和整合过程仍然遵循着许多传统IT项目的脚步。

课程精选

点击免费学习

↓

更多【AI HR】相关课程

欢迎小程序内搜索 ↓

「DHR课堂」由国内领先的人力资源行业组织DHR公会 (Digital HR Association) 创办并运营，致力于通过优质的HR线上/线下学习内容，提升HR专业技能，打造HR数字化思维！