美国企业正在引入“数字经理”

美国企业正在引入数字经理

疫情来临，美国一些企业开始推行混合办公，允许员工在家上班，但如何监督员工呢？有些难，AI与机器学习也许可以派上用场。

根据IDC提供的报告，2024年之前全球20000强企业80%将会引入数字经理（DigitalManagers），用于招聘、解雇、训练员工，它会不断评估员工。

尽管如此，想在不让人参与的前提下通过AI/ML（机器学习）获得真实价值，目前或许5家企业中只有1家能做到。

远程办公趋势下，基于AI/ML的员工数字管理软件流行起来

在远程办公的驱使下，企业需要在管理、领导、组织方面寻找新方法。41%的企业将管理远程或者混合办公员工视为内部招聘的关键技能。

现在一些基于AI/ML的数字管理软件已经流行起来，企业用它扫描简历，挑选应聘者、评估绩效、优化培训、确定某职位何时需要员工及需要多少员工。

IDC研究人员AmyLoomis认为，企业会用AI/ML技术聘请、解雇员工，但它有更广泛的用途，也就是用于人力资源循环。他说，企业会用算法Stackranking员工，看看谁适合聘请，谁应该炒掉。

所谓Stackranking，就是对员工强制排序、强制分流，用统计学方法将员工与团队其它成员比较，然后判断员工的绩效。有了Stackranking软件，企业可以引导员工培训，炒掉未达门槛的员工。例如企业可以炒掉排名最后的10%员工。

亚马逊已先行，利用软件算法或机器人招聘、管理及解雇员工

去年就有不少报道说亚马逊用软件算法或者机器人聘请员工，在没有人监督或者监督极少的条件下炒了很多人。不过亚马逊新闻发言人KellyNantel证实，大多数员工是因放弃工作而被解雇的，只有少部分因为绩效问题解雇。

亚马逊有140多万名员工，KellyNantel声称解雇员工时不会单纯用算法，强调说技术不会替代管理者，它们只是提供数据和信息让管理者做出更好的决策。

IDC研究人员ShannonKalvar认为，虽然企业不会单纯依赖软件解雇员工，但做决策时会高度依赖AI/ML技术。在大流行之前亚马逊已经引入数字管理软件，主要用来管理卡车车队、零售员工、服务员及其它以任务为中心的员工。

2015年亚马逊开始推出零工性质的Flex配送服务，它用合同司机取代全职员工。合同工的表现由软件算法监控，算法会追踪合同工的行驶路径，记录配送时间。

Kalvar说：许多组织已经拥有数字经理，大家的兴趣越来越大，现在开始向办公室员工及其它人渗透。今天，以任务为中心的工作的确是个问题，但是你必须意识到我们都在向以任务为中心的工作挺进。

分析机构看好，使用AI/ML管理软件的企业会越来越多

未来几年使用AI/ML管理软件的企业会越来越多，投资者和分析师认为AI软件市场规模未来几年会从1500亿美元增加到5000亿美元以上。

IDC认为，2021年AI市场（包括软件、硬件、服务）的规模约为3275亿美元，2024年会增加到5543亿美元，年复合增长率为17.5%。ForresterResearch的观点保守一些，它认为这一市场在2025年之前会增加到370亿美元。

为什么数据与IDC有如此大的差异？ForresterResearch说一些应用虽然添加了AI功能，但并没有赚到多少钱，定制AI应用也没有多少营收。

ForresterResearch在白皮书中说：AI正在快速成为软件的基础，就像软件成为企业的基础一样。最终，现有软件开发商会越来越多将AI软件嵌入到现有软件中。最终AI在软件产品中将会变得无处不在，就像分析、工作流、数据成为软件的组成部分一样。

ForresterResearch还谈到了BuildPlatforms和BuyApplications的区别，前者帮助用户、厂商利用AI技术开发融入AI技术的应用，后者则是提升企业效率的融入AI技术的软件。

用AI/ML管理员工并非万能，但它是通往未来的必由之路

如果企业引入自动员工管理软件，就要重新评估企业与员工的关系。Kalvar指出：今天我们仍然陷在工业时代的思维之中。将办公室看成工厂，这样的思维有些过时了。

以前大家推崇独裁领导方式，强调员工要为管理者带来利益，为企业创造利润。今后这种认识可能要改改，变为对员工技能的监督，AI/ML技术会派上用场。

不过AI/ML管理员工也不是万能的，没有互动，员工就很难有团体感，对投入缺少兴趣。没有人类监督，企业可能会失去符合资格的候选人，因为算法扫描简历时可能设置不合理，被AI解雇的员工很难再被选上。

一些企业已经意识到这个问题，比如软银也用AI/ML技术筛选简历，但被拒绝的求职者会由人类再审查一次，这样做可以避免错过合适者。

Kalvar强调：到目前为止还没有最好的办法，对于管理者来说这也是一大挑战，我们要快一点找到方案。谁能快一点找到，谁就能建立高度互动、高度忠诚的团体，让大家协作。

TAG标签：