人工智能 用科學改變培訓和管理

胡聞斌

人工智能看似神秘，其實充滿了大量的數(shù)學計算的研究過程。在人才發(fā)展方面，人工智能可以幫助我們預測員工的心理狀態(tài)趨勢，激發(fā)員工的熱情。

“大數(shù)據(jù)”“神經(jīng)元學習”“人工智能”，這些新潮的名詞在我們生活中出現(xiàn)的頻率越來越高，尤其是“阿法狗”和李世石的世紀大戰(zhàn)，更是把前沿科學結晶帶入我們的認知當中。也許有些人會提出質(zhì)疑：這對我們的生活來說，意義何在？不久前，谷歌采用了新的神經(jīng)網(wǎng)絡算法，來升級其核心產(chǎn)品——谷歌翻譯，從一定程度上回答了這個疑問。

在培訓和管理領域，相似的顛覆性局面是否也會發(fā)生？新的技術、交互與呈現(xiàn)形式，是否會改變未來的培訓過程，顛覆管理的方法？基于我們多年來的人工智能培訓研究和實驗型項目，發(fā)現(xiàn)這樣的改變已經(jīng)在悄然發(fā)生。

“崗位勝任力模型自動生成系統(tǒng)”便是典型的代表——只需要輸入某崗位的工作內(nèi)容和系統(tǒng)提出的簡單問題，這個系統(tǒng)就能自動給予使用者此崗位的勝任力模型，提供結構化的面試建議，還能和企業(yè)的評價中心對接，給予招聘人員多視角的評價建議。通過這種方式選拔出的員工，其離職率明顯下降。這些簡單而基礎的應用，已經(jīng)開始潤物無聲地滲入企業(yè)的管理領域，醞釀著未來翻天覆地的變革。

數(shù)據(jù)建模

預測員工心理狀態(tài)趨勢

計算機自主學習的強大，在于無止盡地自我完善，具有無與倫比的適應性和自生長性。事實上，人工智能看似神秘，其實充滿了大量的數(shù)學計算的研究過程。在人才發(fā)展方面，人工智能可以幫助我們預測員工的心理狀態(tài)趨勢，從而激發(fā)員工的熱情。

我們曾啟動了管理環(huán)境對人類心理的影響研究，旨在尋找那些激發(fā)員工工作熱情的最佳管理環(huán)境方面的實踐。目前已積累了3414個管理環(huán)境樣本，并針對每個樣本持續(xù)采集了約5年的員工心理及行為數(shù)據(jù)，調(diào)研不同企業(yè)所采取的管理戰(zhàn)略以及具體的執(zhí)行方案。通過運用人工智能，我們進行了大量的建模和驗證工作，發(fā)現(xiàn)不同的管理方式下的員工心理狀態(tài)變化趨勢，尤其是工作動機，在一定程度上都是可預測的。事實上，在分類或趨勢預測的背后，是龐大的數(shù)據(jù)演算，建模和預測的過程包含了繁復的統(tǒng)計過程，包括描述統(tǒng)計與推斷統(tǒng)計。

與此同時，“預測”這一點對于人工智能應用而言很重要，因此，我們設計了沙盤工具“員工激勵與動機管理”——既然動機和行為是可預測的，那么就可以通過計算機模擬，用物理形式呈現(xiàn)在人們眼前。通過人工智能將各種管理環(huán)境中發(fā)生的事件融入其中，沙盤能夠圍繞動機水平高低、績效程度好壞兩個維度，對虛擬的企業(yè)員工進行分類，并讓沙盤參與者針對各類管理事件作出虛擬的處理選擇。根據(jù)學員的選擇，計算機可以預測并反饋其心理及行為的變化。這種運用了人工智能的沙盤工具，其預測準確性高達84%，置信水平0.95。這就意味著，如果一個參與者做了決策后，沙盤將能準確地預言各類員工的心理及行為變化趨勢。

運用人工智能進行“無責任的”開放式推演，在培訓過程中能允許參與者不斷試錯。學員根據(jù)自身的管理環(huán)境，可以實驗出合適的管理方法，并對培訓中所獲得知識進行實時驗證。

技術迭代

展開更高效的自主學習

隨著90后員工踏上工作舞臺，傳統(tǒng)的人工智能數(shù)據(jù)建模思路和方法被打破了。之前的模型設計思路通常是建立一個個假設，比如，正向激勵與負向激勵的抵消性、個人得失與他人得失的對比性、個人得失與環(huán)境公平性關系等，在此基礎上，通過數(shù)據(jù)集的分類統(tǒng)計來驗證假設的科學性，并調(diào)整參數(shù)來觀察預測的可靠性。但是新的數(shù)據(jù)集所具備的特點，極大地顛覆了先前的結果，尋找新的解決方案迫在眉睫。

此時，基于神經(jīng)網(wǎng)絡的計算機自學習技術，即神經(jīng)元自學習，是一個不錯的解決方案。相比以前的人工智能培訓工具，神經(jīng)元自學習更為繁雜。為了讓計算機高效地自主學習、識別行為模式，我們需要將調(diào)研結果解構成更基本的參數(shù)“告訴”計算機，從而得出對應的結果。

展開神經(jīng)元自學習具有一個明顯的優(yōu)點，每當調(diào)研和統(tǒng)計結果有所更新，計算機就會自動對這些數(shù)據(jù)進行新的學習，對模型進行修正。這個過程是動態(tài)的，不需要人為干預。而且，當計算機再次遇到一個新世代富有特色的信息集合，甚至可能自主地推翻之前的模型設計，重新構建新的統(tǒng)計描述方式。神經(jīng)元學習不僅節(jié)省了時間和精力，更能為沙盤推演參與者提供更深入的信息——通過選擇處理事件，能夠歸納出參與者的管理風格傾向性。這是傳統(tǒng)培訓和沙盤工具做不到的。

超越培訓 為管理帶來新思路

作為培訓產(chǎn)品來說，人工智能培訓工具已經(jīng)足以彰顯其魅力，它允許學員在虛擬環(huán)境中試錯，讓工作效率得以改進。我們認為，它更重要的意義在于，對現(xiàn)實世界的指導。

以我們的沙盤工具為例，一個實際使用者能從這個工具中得到許多培訓之外的有價值的信息。他可以在遇到“員工要求加薪”“員工消極怠工”“員工集體離職”“員工尋求晉升”“辦公室政治”等各種管理事件時，讓系統(tǒng)給出各種模擬的結果，評估各種行為的可行性，盡量做到趨利避害。這個工具超脫了培訓范疇的桎梏，真正在工作中產(chǎn)生價值。

我們一直在設想這樣一個場景：在不久的將來，通過調(diào)研以及人工智能自學習的方式，可以在更多領域給使用者提供全方位的建議，包括工作、家庭、子女教育、愛情、社交，以APP為載體，成為每個人的私人心理顧問、人際關系顧問，幫助人們觀察世界、預知周遭環(huán)境的變化。我們認為，未來應用人工智能進行調(diào)研和實驗的方向之一，是在更大范圍內(nèi)搜集、整理數(shù)據(jù)和信息，比如對中國“高領導力人群”的研究、關于職場人士的家庭及情感模式研究、關于人才選拔實踐研究等。

我們熱衷于這樣天馬行空的幻想，并一直在進行多樣性的人工智能嘗試。其探索過程本身，就著實令人著迷。我們堅持一個原則，始終不曾改變：創(chuàng)新，或淪為看客。