首页 百科正文

人工智能ai 培训(ai人工智能课堂)

来源:计算机世界

迫于填补技能缺口的需求,企业正转向采用人工智能,将停滞不前的培训方法转变为不断发展的技能提升策略。

人工智能ai 培训(ai人工智能课堂)

员工培训对企业来说是至关重要的问题。由于难以找到高技能员工,又受到高离职率的打击,企业当前深陷大规模转型的泥潭,因此,提高员工技能和交叉培训员工的需求越来越迫切了——而对于传统的培训方式来说,这几乎难以应对。

人工智能和机器学习正越来越多地被用来帮助企业加强员工技能战略、确定技能集、推荐学习路径、提供在职培训,甚至帮助确定获得技能所需的费用。

拥有超过34.5万名员工的IBM,便是这样一家将人工智能用于员工培训的公司。让员工拥有很高的技能,可以保持IBM的技术领先地位。

IBM人力资源部负责数据和人工智能的首席技术官Anshul Sheopuri说:“现在技能的半衰期是五年。五年之内,你所学的一半要么被遗忘,要么变得过时。”

云计算和人工智能等快速发展的领域对专业新技能的需求在很大程度上导致了技能保质期的缩短。因此,他说,找到一种可扩展的方法来不断提高员工技能“不是锦上添花,而是必须要做的事”。

基于人工智能的培训策略剖析

任何提升技能策略的第一步都是确定员工目前有哪些技能。在过去,这将涉及技能的自我评估。但正如Sheopuri所指出的,“经过测试,这种方法的准确率约为75%,而且非常主观。这种评估很快就会过时。”

如今,IBM正在使用人工智能,通过扫描2.2亿份内部文档来推断技能,这些文档包括简历、博客、发表的论文和企业通信等。该系统基于IBM自己的人工智能系统Watson,它包括自然语言处理、聚类和半监督学习技术。

“我们会对员工说,‘这些是我们认为你已经拥有的技能,请给我们你的反馈’,而根据员工的反馈,我们发现自动化评估的准确率接近90%”,Sheopuri说,技能评估实现了自动化后,很容易针对最新技能进行评估。

然后,员工会根据他们拥有的技能、IBM需要的技能以及IBM客户要求的技能来获得学习建议。

他说:“在某些战略领域,比如人工智能和云技术,我们希望每个人都能够在这些领域打下基础知识。”

该系统还根据其他具有相同背景的员工的下一步学习内容来提出建议,其方式类似于用户在视频流服务上获得接下来要看什么电影的建议。

Sheopuri说:“98%的IBM员工每季度都会使用这个系统”,该系统的净推荐分数(NPS)为58分。据创建这套评分系统的Bain & Co称,大于50分就是优秀的。

由于IBM的员工薪酬与技能挂钩,还有一个人工智能系统可以向管理人员提出薪酬建议,作为奖励员工提高技能的一种方式,并解决薪酬不平等的问题。Sheopuri说:“这对我们来说是件大事。我们一定要保证对人为的偏见有充分的考虑。”

人工智能ai 培训(ai人工智能课堂)

薪酬建议系统非常透明,会为其建议提供解释,以便管理人员掌握做出最终决定所需的所有信息。

除了加薪之外,员工还可以得到工作推荐——同样是由人工智能支持的。他说:“IBM总是有成千上万的工作机会。这对我们来说是双赢的局面。这有助于减少人才流失,我们也正在帮助员工实现他们的抱负。”

Sheopuri说:“去年,约有20万名IBM员工查看了工作推荐,数千人根据自己的个性化匹配找到了新职位。”

在职支持

对于培训本身,IBM依赖于传统的第三方课程、内部开发的学习材料和一些新的分散式教育渠道(其中内容由其他员工创建)。但它确实基于人工智能为某些类型的工作提供在职培训。例如,在人力资源方面,聊天机器人可以回答与福利和入职政策相关的问题,技术支持功能中也有智能。

Sheopuri说:“我们是一家大型科技公司,为成千上万的客户管理IT基础设施。我们正在挖掘日志,以了解历史记录问题和解决路径,并将这些知识提供给客服坐席。”

所谓数字化,就相当于让一个经验丰富的员工坐在旁边的椅子上,随时准备在有人陷入困境时提供帮助。

毕马威数字解决方案架构主管Swaminathan Chandrasekaran说,事实上,在员工需要提供帮助时来帮助培训员工,是人工智能提升技能最常见的用法。

这一点在员工流失率很高的客服中心尤其重要。

Chandrasekaran说:“小中心的流失率为18%,大中心的流失率为40%。更换一名坐席的费用从5千美元到7千美元不等——这还不包括他们提升技能时付出的工作。”

例如,坐席要解释怎样更换MacBook Pro中的电池。新坐席将受益于屏幕上出现的提示,以备参考。在这里,人工智能可以明确来电者的问题,并从指南、产品手册、支持手册中检索出最相关的信息——一家企业可能拥有的所有文件。

此外,人工智能还可以根据过去的互动来预测一个电话可能要干什么,并从一开始就收集相关信息——就像有一个经验丰富的员工在场,他以前与该客户打过交道,可以指导实习生解决该客户的问题。

这些系统还可以用于为大量员工提供与其工作相关的新信息,因此当新产品问世时,他们不必被派去接受培训。

例如,毕马威最近不得不就伦敦银行同业拆借利率体系(LIBOR)的变化对员工进行培训。毕马威使用人工智能阅读所有格式的合同,提取银行利率和其他LIBOR特定语言的参考信息,并将其推送到员工工作流程中。系统还接受该领域专家的培训,为员工提供额外的帮助。

Chandrasekaran说,这种新的学习方式适合现在进入职场的这一代人。“企业如今一般都不会对员工说,‘你去参加这个为期六周的培训项目,然后回来做这项工作。’”

虚拟助理

Chandrasekaran说,在职人工智能支持意味着未来每名员工都会有自己的私人助理来帮助他们熟练掌握工作技能。“这就像有一个人工智能私人教练。”

这种想法并不陌生。20年前,微软想让每个人都向其Office助理Clippy学习,但进行的并不顺利。人们非常讨厌它,以至于在2010年,Clippy上了《时代》杂志有史以来最糟糕发明榜单。Chandrasekaran说,但这次不同了。

公司现在拥有相当可靠的语言和语音识别、情感分析技术和推荐引擎。通过数字化,他们现在拥有了根据公司的具体要求来训练这些系统所需的数据。

他说:“数据是不可替代的。例如,在客服中心,必须在有口音、发音不好的单词和背景噪音的情况下提供良好的数据,这样才能得到一个好的语音转录引擎。对于合同,必须给出不同语言、不同形式和风格的例子。好的数据和人工标注的数据是无可替代的。”

企业一定要保证它们有反馈机制,以继续训练和改进系统。Chandrasekaran说:“当开发传统的应用程序时,最好的一天是第一天,因为所有东西都能正常工作,问题会在之后发生。而对于人工智能来说,第一天是最糟糕的一天。企业必须为最初的几次迭代做好准备。”

他说,在很多领域,人工智能系统已经处于相当稳定的状态,工作开展得不错。“还有一些新兴领域,比如怎样提取文档中的手写笔记。”

微剂量学习

Carmen Fontana是IEEE成员,也是Centric Consulting的云计算和新兴技术业务负责人,她把这种基于人工智能的学习新方法称为“微剂量(microdosing)学习”。

她说:“我们不喜欢每星期上40个小时的课来学习东西。有了人工智能,就可以在一瞬间借助于小片段、少量的提示来完成——这样就很及时,也很容易吸收。”

人工智能ai 培训(ai人工智能课堂)

在Centric,Fontana既是这种学习的创造者,也是使用者。

她说:“我实际上是根据我的业务领域来创作内容的,以便我所在领域以外的人们能够理解我们的工作。这对我来说比较省事,我不需要对我的团队进行正式的培训,而是把这些内容发布出来,人们就可以获得这些微剂量。”

该公司还有一个推荐引擎,可以为员工建立学习途径。例如,Fontana本人最近学习了公司的价值观和文化。

她说:“在这里呆了九年的时间,总是觉得有些尴尬。因为我刚开始入职的时候,还没有过这种企业价值观和企业文化的培训,所以我想回去重温一下,学习我们在价值观和文化上的定位。”

她说,新方法赋予员工学习的自主权。

“与我成为顾问时相比,这是一个很大的不同点。”

人工智能培训的潜在风险

塔塔咨询服务公司(Tata Consultancy Services)数据和分析业务主管Kamlesh Mhashilkar认为,人工智能正被用于情景感知技能的建立、识别能从特定课程或者会议中受益的员工,以及针对个别主题的定制教育计划。

最近,人工智能在帮助监考方面变得很有用。在过去的好日子里,人们可以亲自前往考试中心参加认证考试。

Mhashilkar说:“新冠肺炎疫情之后,人工智能在机器监考、自我监考和双重监考方面真的很有帮助。如果某个人眼睛不停地看来看去,那么这个人是真的在考试,还是想作弊?”

一些学校已经开始使用人工智能来给学生的论文评分了——但是如果效果不好,就会有不好的宣传。

数字服务咨询公司Nerdery的首席技术官Joe Tobolski表示:“由于它的实施方式,引起了强烈反响。我对此有点担心,因为偏见会给系统带来错误的否定。”

利用人工智能将知识从有经验的员工转移到新员工身上,这越来越适合劳动力老龄化的行业,但其中也存在风险。

他说:“我们现在看到,在外包安排中,工人被要求向外包企业传授他们的工作,但他们不愿意这样做。”

他说,有了机器,不太可能因为给出明显不好的建议而去叫他人,这种情况很有可能发生。

他说:“这会带来意想不到的后果。有人会滥用吗?当然,他们可能会的。”

本文来自【计算机世界】,仅代表作者观点。全国党媒信息公共平台提供信息发布及传播服务。

ID:jrtt

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/13011.html

发表评论

评论列表(0人评论 , 8058人围观)
☹还没有评论,来说两句吧...