人工智能用科学改变培训和管理

　　人工智能看似神秘，其实充满了大量的数学计算的研究过程。在人才发展方面，人工智能可以帮助我们预测员工的心理状态趋势，激发员工的热情。
　　＂大数据＂＂神经元学习＂＂人工智能＂，这些新潮的名词在我们生活中出现的频率越来越高，尤其是＂阿法狗＂和李世石的世纪大战，更是把前沿科学结晶带入我们的认知当中。也许有些人会提出质疑：这对我们的生活来说，意义何在？不久前，谷歌采用了新的神经网络算法，来升级其核心产品——谷歌翻译，从一定程度上回答了这个疑问。
　　在培训和管理领域，相似的颠覆性局面是否也会发生？新的技术、交互与呈现形式，是否会改变未来的培训过程，颠覆管理的方法？基于我们多年来的人工智能培训研究和实验型项目，发现这样的改变已经在悄然发生。
　　＂岗位胜任力模型自动生成系统＂便是典型的代表——只需要输入某岗位的工作内容和系统提出的简单问题，这个系统就能自动给予使用者此岗位的胜任力模型，提供结构化的面试建议，还能和企业的评价中心对接，给予招聘人员多视角的评价建议。通过这种方式选拔出的员工，其离职率明显下降。这些简单而基础的应用，已经开始润物无声地渗入企业的管理领域，酝酿着未来翻天覆地的变革。
　　数据建模
　　预测员工心理状态趋势
　　计算机自主学习的强大，在于无止尽地自我完善，具有无与伦比的适应性和自生长性。事实上，人工智能看似神秘，其实充满了大量的数学计算的研究过程。在人才发展方面，人工智能可以帮助我们预测员工的心理状态趋势，从而激发员工的热情。
　　我们曾启动了管理环境对人类心理的影响研究，旨在寻找那些激发员工工作热情的最佳管理环境方面的实践。目前已积累了3414个管理环境样本，并针对每个样本持续采集了约5年的员工心理及行为数据，调研不同企业所采取的管理战略以及具体的执行方案。通过运用人工智能，我们进行了大量的建模和验证工作，发现不同的管理方式下的员工心理状态变化趋势，尤其是工作动机，在一定程度上都是可预测的。事实上，在分类或趋势预测的背后，是庞大的数据演算，建模和预测的过程包含了繁复的统计过程，包括描述统计与推断统计。
　　与此同时，＂预测＂这一点对于人工智能应用而言很重要，因此，我们设计了沙盘工具＂员工激励与动机管理＂——既然动机和行为是可预测的，那么就可以通过计算机模拟，用物理形式呈现在人们眼前。通过人工智能将各种管理环境中发生的事件融入其中，沙盘能够围绕动机水平高低、绩效程度好坏两个维度，对虚拟的企业员工进行分类，并让沙盘参与者针对各类管理事件作出虚拟的处理选择。根据学员的选择，计算机可以预测并反馈其心理及行为的变化。这种运用了人工智能的沙盘工具，其预测准确性高达84%，置信水平0.95。这就意味着，如果一个参与者做了决策后，沙盘将能准确地预言各类员工的心理及行为变化趋势。
　　运用人工智能进行＂无责任的＂开放式推演，在培训过程中能允许参与者不断试错。学员根据自身的管理环境，可以实验出合适的管理方法，并对培训中所获得知识进行实时验证。
　　技术迭代
　　展开更高效的自主学习
　　随着90后员工踏上工作舞台，传统的人工智能数据建模思路和方法被打破了。之前的模型设计思路通常是建立一个个假设，比如，正向激励与负向激励的抵消性、个人得失与他人得失的对比性、个人得失与环境公平性关系等，在此基础上，通过数据集的分类统计来验证假设的科学性，并调整参数来观察预测的可靠性。但是新的数据集所具备的特点，极大地颠覆了先前的结果，寻找新的解决方案迫在眉睫。
　　此时，基于神经网络的计算机自学习技术，即神经元自学习，是一个不错的解决方案。相比以前的人工智能培训工具，神经元自学习更为繁杂。为了让计算机高效地自主学习、识别行为模式，我们需要将调研结果解构成更基本的参数＂告诉＂计算机，从而得出对应的结果。
　　展开神经元自学习具有一个明显的优点，每当调研和统计结果有所更新，计算机就会自动对这些数据进行新的学习，对模型进行修正。这个过程是动态的，不需要人为干预。而且，当计算机再次遇到一个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设计，重新构建新的统计描述方式。神经元学习不仅节省了时间和精力，更能为沙盘推演参与者提供更深入的信息——通过选择处理事件，能够归纳出参与者的管理风格倾向性。这是传统培训和沙盘工具做不到的。
　　超越培训 为管理带来新思路
　　作为培训产品来说，人工智能培训工具已经足以彰显其魅力，它允许学员在虚拟环境中试错，让工作效率得以改进。我们认为，它更重要的意义在于，对现实世界的指导。
　　以我们的沙盘工具为例，一个实际使用者能从这个工具中得到许多培训之外的有价值的信息。他可以在遇到＂员工要求加薪＂＂员工消极怠工＂＂员工集体离职＂＂员工寻求晋升＂＂办公室政治＂等各种管理事件时，让系统给出各种模拟的结果，评估各种行为的可行性，尽量做到趋利避害。这个工具超脱了培训范畴的桎梏，真正在工作中产生价值。
　　我们一直在设想这样一个场景：在不久的将来，通过调研以及人工智能自学习的方式，可以在更多领域给使用者提供全方位的建议，包括工作、家庭、子女教育、爱情、社交，以APP为载体，成为每个人的私人心理顾问、人际关系顾问，帮助人们观察世界、预知周遭环境的变化。我们认为，未来应用人工智能进行调研和实验的方向之一，是在更大范围内搜集、整理数据和信息，比如对中国＂高领导力人群＂的研究、关于职场人士的家庭及情感模式研究、关于人才选拔实践研究等。
　　我们热衷于这样天马行空的幻想，并一直在进行多样性的人工智能尝试。其探索过程本身，就着实令人着迷。我们坚持一个原则，始终不曾改变：创新，或沦为看客。