人工智能作为当下科技行业最火热的趋势，在各行各业的影响力都在快速升温。面对 AI 潮流的冲击，有人看到了广阔的机遇，也有人意识到了它给传统模式和方法带来的挑战。而为了迎接 AI 带来的变革，行业无疑需要水平更高的人才队伍支持，这也就给培训行业提出了更高的要求。
如何应对这样的需求，培训行业从业者如何在时代变革期间把握好机遇？日前，极客时间企业版与培训杂志联合举办的 DTDS 全球数字人才发展大会的“AIGC 时代的数字化人才升级专场”，特别邀请到东软集团人力资源部上海分部部长滕新阳，发表了题为《AGI 时代，培训人如何抓住新机遇》的主题演讲。
东软集团是中国第一家拿到 PCMM（人力资本成熟度）五级认证的公司，公司人力资源体系内部有大量体系文件和资料，形成了很成熟的知识库。对于 AI 而言，知识库、数据的积累非常重要，所以去年 AI 热潮刚刚开始，我们就马上锚定了这一技术，开始思考怎样利用好 AI 的能力。
就像扑克牌可以当作教具、魔术道具或者赢钱工具一样，工具是很重要，但使用工具的人能不能让它产生价值是更重要的事情。东软在做 AI 的过程中遇到了很多坎坷，了解了很多人和很多想法，我也用三句话来总结我的感受：
不要用昨天预言明天，大家要更关注思考逻辑而非分享者内容的呈现。
巨石崩裂时，有的人看见了恐惧，有的人看见了光。我希望大家通过我的分享能找到自己的价值定位和机遇。
弱小和无知不是生存的障碍，傲慢才是。我们要以成长型的眼光来看待我接下来分享的应用场景。
本次分享的内容围绕三个关键词展开，那就是生成式 AI 技术时代，我们“为什么变（Why）”，“变什么（What）”和“怎样变（How）”，而核心的落脚点在于“变（Change）”。AI 不同于其他一些曾经被热炒的概念，它的热度从去年到现在是一直在持续的，说明它一定带来了一些本质性的变化，这也就引出了我们的第一个主题。
价值是一个链条，是会流动的，也分成表层价值和底层价值。什么叫表层价值？比如说在当年手机没流行之前研究 BB 机怎么能跟手机互联互通的人，后来的技术发展证明他错了。所以如果你只想到 AI 能够帮我做课，做数字人讲师，我觉得这是表层价值，相比之下我们更应该关注底层价值：我为什么要用 AI 做课？为什么企业需要大量课程？要关注本质发生了怎样的变化。
回顾人力资源发展史，在 17 世纪资本主义发展初期，谁家有钱就能供得起更多家族成员为自己务工，我只要提供吃住就可以，生意就可以做很大，但进入到电气化时代后，机器开始替代手工，那么我就需要更多非家族的成员，人力资源也因此开始强调科学管理，注重人员的产出效率。这个时候白领也出现了，为了管理他们的产出诞生了战略型人力资源的概念。
到了信息化也是我们现在的时代，规模化开始被定制化和经济化服务所替代，市场高度细分。这时我们开始追求价值，淘汰掉那些可能做不好的人。那么未来，随着人工智能时代的到来，我们会又会发生怎样的变化呢？
首先，人机协作的组合可能会替代或增强我们现有的劳动力和劳动关系，这也是为什么 HR 一定要关注 AI 技术的原因。第二，我们会有高影响力的人力资源组织，人力资源会泛职能化，而企业会更多需要一些人力资源的 AI 设计师这样的角色。其实在每个时代，人力资源的变化都代表那个时代当时缺少的东西，机械时代下它追求的是效率，其实代表它缺少好的流程；电气化时代下它追求的是质量，缺的是好的领导者；而在信息化时代我们追求价值，反过来讲缺的是数据，因为数据是可以精确量化价值的。而在未来的 AI 时代，我个人认为可能会追求创新，代表我们在这个时代下缺一些新质生产力。
从因果和时间关系推演，你就会发现我们是被迫的，从来都不是主动的。所以我们为什么要关注技术？因为技术和我们之间是有因果链的。新技术不是先改变人力资源，而是先改变了企业、商业模式，有了这个商业模式，肯定会有人把它扩大，就希望有更多的人过来帮我赚钱。所以他有了组织之后就有了对人才的要求，人力资源管理也自然而然会受到影响，开始变革。所以技术、组织、人才之间是链状关系。
反过来讲，HR 在技术的迭代过程中往往会在浪尖上，所以我们要做两件事情，第一就是你的思维要在浪尖上，第二是在浪拍下来之前学会冲浪，平稳着陆。这就是我们所说的为什么要改变。
接下来我们说什么改变了？我们刚才提到了商业组织的商业模式、组织和人才。
那么首先商业模式会不会发生变化？麦肯锡和埃森哲这里有两份报告告诉我们，企业至少在业务领域采用 AI 技术的比例从 20% 提升到了 50%，未来一定会有加速式的变化；同时营业收入中由 AI 推动的份额由 12% 提升到了 21 年的 25%，翻倍式的增长，所以企业现有的商业模式很有可能会因为 AI 的到来发生巨大的变化。
比如说我企业的信息化系统提取出员工的档案，可以知道他多大年龄？是男是女？什么专业？在哪工作？在哪个岗位工作？月薪多少？但如果我接下来再问，你说他喜欢打篮球还是喜欢踢足球？他跟怎样的领导人在一起绩效产出高？在什么业务场景下离职率高？可能这个系统给不了你们答案。所以 EHR 系统是分大类的数据管理，打造的是科层式组织，在那个时代很多组织都是科层式的，不同层级间信息壁垒是非常强的。
iPhone 的诞生标志着计算平台从电脑进化到了手机，它带来的变化是数据的精细化。手机可以知道你的 GPS 定位，可以知道你的模糊搜索进而给你推荐，实现个性化等需求。所以 10 年左右出现了 DHR 的概念，就是基于更多细分数据让你能够更了解你的员工，并对这些员工进行管理。也就是说你应该知道你的员工的个性，知道他喜欢怎样的领导，在怎样的环境下绩效产出比较高，甚至欠缺了什么技能。
我个人认为它会打造菱形组织的概念。以前的科层式组织中，中层、高层底下有无数个细分的事业部；而菱形组织就更聚焦于上面的 vision，有人告诉你我们在这个方向能赚钱，下面还会有 RPA 来替代你的可重复工作，再用 AI 给你的选人、奖惩提供一些推荐和建议。中间就变成了无数个像蜂巢一样的菱形，比如说企业在找钱的道路上遇见问题，我觉得我行，那我做 PM，然后我跟 AI 去说，你给我在企业里面推荐，我需要 3 个程序员，两个财务、法务、招聘，请你帮我把合适合格的人选推荐给我，组成团队，解决了这个问题后团队就解散，人员等待下一个项目。这就叫菱形组织。
在第二代计算平台的时代，它被很多原生互联网大厂所接受。菱形组织的特点是卷，在组织中如果你不被邀请，要么你活不行，要么你人缘不好，你就会被这个组织刷下去，所以它天然就带卷的特性。
第三个计算平台，我认为标志是去年 VisionPro 的发布，元宇宙、虚拟现实很有可能会给我们的组织带来 DAO（去中心化组织）的变化。我们能发现的趋势就是员工的个体占比越来越强，组织的框架管理越来越弱。从科层到菱形，你会发现超级员工在组织里更容易凸显出来。
生产力结构会不会发生变化？OpenAI 之前发布了行业暴露度报告，大家就开玩笑说，你会发现体力劳动者的暴露度都很低，白领暴露度都特别高，比如作家、口译等，那我们这些坐办公室的都会被 AI 替代。但实际上我们认为暴露度的概念并不是替代性，而是增强性（Enhancement），就是暴露度高的角色和岗位很有可能在未来出现超级员工的概念，出现超级员工的几率会特别高。这就代表企业培养人才，可能变相培养了超级竞对，到最后他自己出去加上 AI，三个人成立一家公司，跟你抢单、抢客户。
未来的 AI 时代可能会是 20% 的人和机器替代完成 80% 可重复、可套路、有结构的工作，而剩下的 80% 的人要靠人机协作增强去完成 20% 和人类相关的、非结构化的工作，而这个部分的工作会消费大量的时间和精力。所以未来哪个地方在 AI 到来时会比较安全？我们要找增强的部分，不要找替代的部分。
人力资源的使命会不会发生变化？我们提了几个关键词，前两个是“效能增长为导向”和“高效的工作环境”，这是传统人力资源的核心，不赘述。后面三个关键词是区别，是差异化的。
首先，企业能不能打造数字包容的工作场所，这件事情很重要。这里面最大的障碍是中层，因为老板现在可以知道员工是怎样，不需要通过经理层去知道这件事情，所以中层会消失，因此它是最大的阻碍。关键点也在他们的身上，他们能不能创造数字包容的工作场所很重要。
第二个关键词是个性化员工体验创造，我们刚才提到了 digitalHR 就是在讲数据的细分，体验创造就是帮你挖掘出来更好的、更加干净的数据。
第三个关键词叫关注员工的可持续发展。随着超级员工时代的到来，你不想教他两年，他就出去当你的竞对吧？所以现在这个情况下要关注企业和员工的共赢。
德勤去年就发布了报告叫未来人力资源，提到了管理的核心要从组织到人，要可持续发展、敏捷，要全域学习和流程优化我们 HR 的泛职能化架构，用体验架构释放价值和生产力。尤其是当下，我们面对 Z 世代的时候，如果你的体验架构做不好，很有可能员工下班兼职赚得比你工作还要多，那我为什么要把精力和价值产出放在你的这 8小时里面？最后还有利用人机协作来提高质量和速度。
现在我们再来看“新质生产力”这个词。这里有生产力三要素：劳动者、劳动资料和劳动对象，它们会往更高素质、更高技术含量和更广范围这三个方向变革。
同样对于人力资源来说，变革也要从劳动者、劳动关系、劳动资料这三个点下手。以京东仓储为例，以前仓储的效率取决于小哥跑的多快，因为那个时候都是推小车，他跑的有多快决定了你这个单的效率。那个时候也有大屏，就是有个人看着屏幕拿个麦克风喊，几号，你跑慢了，快点跑。
后来这些仓储的小哥有一天开始学 Java、学开发，然后就变成了我们今天的黑灯工厂，这就是京东的新质生产力。它的劳动者从人变成了机器，劳动资料从效率数据变成了利润数据。以前我追求的是效率，现在我从大屏上不看效率了，我直接看成交额涨了多少。劳动对象从货变成了客户，他从关注货的效率变成了关注客户的体验，所以他整个的新质生产力都得到了巨大提升。那么我们也要通过这三个框架来追求新质生产力。
最后这部分来谈怎么变？我们在去年 4 月份就成立了阿波罗创新实验室，由几个很感兴趣的 HR 小伙伴组成的，他们都是纯 HR 背景，也就是说不会代码。所以大家不用担心说，是不是会代码的人才能继续去做 HR 的 AI 研发，并不是这样的。我们在做一件事情，叫数字生命研发专项，就是想打造一些数字员工。
结合我们前面谈到的框架，首先来看劳动者，就是企业在 HRAI 的转型过程中定义了两类人才，第一类叫重要人才，第二类叫关键人才。关键人才是打造差异竞争力的核心人才。比如说，航空公司的飞行员就是重要人才，没有他飞机就飞不了。但比如春秋航空主打廉价，它的差异化竞争力来自运营数据管理，而东方航空主打服务，差异化竞争力来自空姐，那么这块的人才就是关键人才。
所以我们内部把 HRAI 转型的人才队伍分成了两类，关键人才是可以独立完成 AI的，负责应用场景的创新和创造，可能不需要具备太强的业务场景经验；而重要人才就是那些很有经验的人，他可能不懂 AI，但他能在这个业务场景里快速抓到痛点。
我们也提出来一个创新理念叫原子级替代。你会发现创新这件事情其实可大可小，当你把现在企业内的人力资源现有活动拆解成不能再拆解的原子级活动，再看一下这个原子级活动能不能被 AI 替代或者增强，这其实是创新的本质。我们当时分析了生成式 AI 能做什么事情，本质上替代了一些怎样的工作，这些工作在哪些原子级活动里面会被替代或者是被增强了？（其实替代和增强的概念很简单，100% 就叫替代，80% 叫增强。）然后这些原子级活动反过来是被哪些上层的人力资源管理活动所征用？
我们在内部现在梳理出来 200 多个原子级活动，里面有部分是替代，有部分是增强。我们还在做人力资源自己的暴露度公式，比如这里面有 10 个原子级活动，有 8 个会被 AI 替代的话，那你的增强度就是 80%。
强调完关键人才，我们讲关键场景。我们大家在找关键场景时，一定要有对现有应用的批判性创新思维才可以。并不是说这个东西拿过来用它就有价值，或者说大部分人这么用它就有价值。我们也找了一些关键的场景，列举了 HR 的数字员工体系。这个体系的第一个部分叫 Jarvis，是 AI 打造的个人超级助理，它可以收集到更多员工数据，让我们更加了解员工。第二个叫菩提，是员工的学习助手。最后一个叫魔镜，是一个 AI 推荐助手，可以给我们推荐谁适合什么岗位，谁最适合晋升，给我们提供全面的建议和指导。
这次我们重点讲一下菩提，它是一个学习助手，就是对知识的增强，主动推送检索结果，不是让人找知识，而是让知识找人。它来自于我们对企业现有学习工具或学习方法的替代和批判。
员工在什么情况下喜欢学习？第一种情况，我遇见事儿，我知道学技能可以短时间内提升上去，能帮我解决这个问题。但企业给你的解决方案是什么呢？他想说你遇见事儿不知道怎么解决，两眼一摸黑的情况下，希望你能够在企业线上学习平台的搜索框里精准搜索出来想要学的内容，你觉得员工能做到吗？第二种情况，在我刚入职或者晋升的时候，我希望能够通过学习达到更高的层次。那么企业给的解决方案是甩给你职业技能晋升的路线或者岗职位体系，结果对员工来讲，随着企业年龄的增长，这个体系会越来越复杂。站在员工的角度来想就是，算了，我不晋升了，太复杂了。所以你会发现它是高成本投入和低学习回报的状态。
那么我们希望菩提能做到什么事情？就是如果你遇见一件事，我希望你把这个事告诉我，我来告诉你怎么解决它，然后同时给你建议，告诉你该学怎样的课程。学完这个课程我对你进行一定的考评，看一下你对技能掌握的怎么样。掌握的好给你认证，你有了这个认证，未来可能就会被魔镜检索到，就能去赚解决相应问题的收入。
第二，如果你想晋升，我们更希望的不是依据岗职位的能力告诉你应该怎么晋升，而是依据技能体系、技能树的概念告诉你，如果你想赚到更多的钱就要产出更大的价值，那么有怎样技能的员工能够输出这样的价值？这一点的灵感来自于游戏的提示，游戏里面都会有技能天赋树，小白点了不同的天赋点可能会变成战士、法师，他非常清晰地知道他的路线，甚至能提前规划他的路线。我当然希望我们的企业也能做成这样，所以我们就希望打造技能树。
比如说 Java 是技能树，如果把 Java 分成 100 个知识点，那么把每个知识点做level1 到 level10 的分类，然后每 level 出 30 道题，员工可能只需要答 10 道题，我就能知道你这个技能点是什么水平，比如说你已经到了 level4。接下来你想得到提升，我对你的要求是 level10 的话，给你半个月的时间，你要提升到 level10。接下来菩提会推给你课程，这门课程你不用从零开始看，40% 开始看就可以了，因为菩提已经知道了你是 level4 的水平。
你会发现在 AI 时代下这件事情做得很简单，以前需要很多专家研究很久，花费大量成本来出题定级，现在用具备世界知识的大模型可以迅速给出方案。所以这件事情变得成本很低，企业基于培训来做决策也更加清晰和简单了。以前可能也有老板拍脑袋做决策，比如他要 AllinAI，因为他有前瞻性思维，但是对现状没有清晰的认知。如果你的技能树告诉他，我们的 AI 技能的人才储备度是红色的，不是绿色的，那他不会做这个决定。他一定会先把红色技能周围的技能点标出来，把这些人送过去培训AI，学完之后把这个灯变绿色，再做 AllinAI 的战略决策。所以这其实对管理者来讲是更好的抓手。
我们对菩提做了实验，发现在需求描述清晰的情况下，在推课的场景里，AI 推荐的准确率和人推荐的准确率对比差值小于 10%。
换句话来讲，AI 推的跟人推的没什么区别。但是这个差值随着课程量的增加而减少，这个同理应用到了我们魔镜的测试里。两千门课程，人和 AI 推荐的准确率差不多；两万门课程，AI 推得比人准。这就引来了另外的话题，我企业内的课程不够了怎么办？
我们现在在训练菩提，用三天的时间在全网检索了 17 万的课程，这些课程可能都来自于一些开源社区。然后我们现在让菩提自己再把这些课程进行缩减，把课程删减成三千门，然后再让人类专家做评分，找出哪些是东软需要的。
所以你会发现培训人在这个环节里有很重要的点，有了菩提，你的培训经理可能会比一线业务的项目经理更先知道你的团队遇到了怎样的技术障碍。比如说在单位时间内，你团队的成员都在检索 Python，都在检索区块链技术，那就证明你的客户遇到了这样问题。所以谁抓住了数据的起爆点，对它做出分析，谁就能得到更大的话语权。
最后谈一下劳动资料。我们其实很早就投入了交互式游戏化技术。你会发现数据无外乎就是三步骤，数据挖掘、标记和分析，现在 AI 出现就多了训练这个步骤。
这个流程里面做的最好的是游戏，游戏是最了解这些玩家的，如果王者荣耀想的话，它可以知道你的投资风险偏好，可以知道你喜欢怎样的女朋友，因为你在这游戏里有大量的行为数据被记录下来了。因此我们做了很多的游戏化创新，研发了自己的电竞式知识训练平台。我们不止在自己家做了实验，也在很多 500 强做了实验。我们得到的数据，在新员工培训里面，一家 500 强的公司员工在电竞平台上的主动知识答题率得到了非常强的提升。
有了这么大的交互量，我可以精准知道你的技能点是怎样的，然后我们还对这些人进行了行为上的一些分析，了解他们的行为偏好和适合的发展方向。比如说有的程序员在游戏里有大量社交行为，那么他将来就适合去售前咨询方向。很多喜欢社交的员工来自某些大学，那么如果你的业务需要这样的员工，将来就可以直接到这些大学撒网招人。而这一切数据都来自于为期 5 天的新员工培训。你会发现培训的影响力得到了非常大的增强，往后可以影响 HRBP 的建议，往前可以影响招聘决策的建议。
