Using AI to evaluate employee performance with Rippling’s COO Matt MacInnis
31:28 Share

嗨，各位听众，欢迎回到《No Priors》节目。今天，Elad 和我将带来一个精彩的访谈。我们邀请到了 Rippling 的首席运营官 Matt McInnis，Rippling 是一个庞大的员工管理平台，它整合了人力资源、IT、财务等多个方面。他们正在推出一个新的 AI 产品，该产品会分析员工的工作产出并生成绩效管理信号。听起来很可怕？让我们来讨论一下。

很高兴见到你。谢谢你们的邀请。我想很多听众都了解或使用过 Rippling。是的。但对于那些不了解的人来说，贵公司是做什么的？是的，它是一个一体化的平台，涵盖了人力资源、IT 和财务。我们处理所有枯燥但重要的事情，以帮助你运营公司。我们希望消除运营公司的行政负担。这是官方说法，但大多数

人来找我们是因为他们需要工资单，而我们提供工资单服务。他们需要设备管理解决方案，我们也有。所以我们做所有这些事情。据传闻，你们有数亿美元的收入，并且发展迅速。你还能谈谈规模吗？发展势头良好。我们大约有 3500 名员工，数万名客户正在使用该平台。所以我想我们做得不错。我想你们真正开创的一件事是

重新引入复合型初创公司或跨不同领域的捆绑式产品。你们现在提供多少种不同的产品？增加新产品的速度如何？我们大约有 25 个独特的 SKU，客户可以从我们这里购买。产品形式各异，因此我们每个季度都会发布一些小的新品，然后我们肯定也会发布一些大的产品

每隔几个季度左右。我们即将发布排班功能，这听起来虽然不性感，但实际上非常酷。我们为招聘发布了申请追踪系统，将这些功能添加到我们的 HCM 套件中。我们之所以这样做，部分原因是我们公司有很多创始人。我们有超过 150 位创业者现在在 Rippling 工作。这是一种明确的策略，旨在

尝试要么给那些创业想法不太成功的有才华的企业家一个机会，说：“嘿，举手，我经历过。”一个安全的地方来继续追求他们感兴趣的事情，或者在 Rippling 做一些新的事情。这对我们发布新产品的速度非常有效。复合型初创公司这个概念显然在硅谷有点流行。这显然对我们来说是一个巨大的顺风，因为企业通常希望尽可能多地将他们的软件整合到一个平台上。所以我们将继续追求这一目标，继续招聘优秀的有才华的企业家，并

不断发布新产品。说得对。我想，思考你们业务的一种方式是，与其说是一家公司以一定的速度增长，不如说是 25 家初创公司都从较小的基础上复合增长，我认为就潜在的上升空间而言，这非常令人兴奋。如果你是……我作为一名企业家，早年职业生涯中希望学到的一件事就是基本的公司财务知识。例如，了解损益表和资产负债表，以及这些东西是如何结合在一起的，以及投资者在这种情况下关注什么。

我现在明白了，记录在案。我认为我已经基本弄清楚了这些东西。但是，当你查看 Rippling 的损益表时，当你考虑这 25 个业务或主要的业务产品套件（如 IT、财务和支出）时，它们在某种程度上本身就是规模较小的业务。然后总的来说，你就会看到一张漂亮的顶线图。但从效率的角度来看，例如……

现在还可以，但随着时间的推移，随着这些不同的套件相互作用，我们的效率显然会提高。在 SaaS 软件中，大多数人并不完全理解，对于规模化企业来说，其业务的单位经济效益会趋同

于交叉销售行为。你的新客户销售行为非常重要，但是当你将你的产品销售给不断增长的客户群时，你的经济效益开始看起来更像那样，而不是新客户销售行为，因为你总是在交叉销售方面有很多东西。因此，对我们来说，复合型初创公司也具有这些美好的财务动态，我们可以随着时间的推移向现有客户群销售很多东西，这给了我们很大的帮助。

而你们今天要谈论的事情之一实际上是一个新产品，它在某种程度上将许多其他产品结合在一起。你想更多地谈谈它是什么，以及你们是如何开始涉足人工智能的吗？是的，我的意思是，向整合倾斜的钟摆具有这些显而易见的表面优势，对吧，例如更高的销售效率和客户能够通过不支付多个销售团队来获取他们而节省资金。但这就像超级……

超级基础，就像它真的只是表面上的。真正的魔力在于，你正在构建的所有这些不同的应用程序下都有一些共同点，这些共同点为你提供了规模优势或我称之为“振金优势”。

因此，你的平台核心有一些超级能力，让你能够做其他公司只能看看并想的事情，例如，他们是怎么做到的？为什么他们能够做到这一点？而我们不能。对我们来说，这就像我们对员工图谱和员工数据的深刻理解。因此，我们构建的所有内容都基于对业务中员工数据的深刻理解的共同轨道。所以问题是，当你开始在一个平台上整合所有这些数据时会发生什么？例如，你可以用它做一些很酷的事情吗？然后你提出人工智能的问题，例如，大型语言模型可以用这些数据以及对其结构和历史的真正理解来实现什么？几年前，我们开始问自己这些问题，并开始投资于这项新技术。因此，我们刚刚发布了一个名为 Talent Signal 的新产品。

该系统能够阅读员工的工作成果，并将我们掌握的关于你何时以什么职位被录用到公司的数据，以及你所知道的所有关于他们工作历史的基本数据，与他们产生的实际工作成果结合起来，从而洞察这些员工的工作情况，并

你知道这显然将非常强大和有用，这是一种我认为每个人都知道在某种程度上即将到来的事情，即人工智能将在某种程度上帮助评估员工绩效，所以我们知道这里有一个机会，这就是 Talent Signal 将要实现的目标，它实际上感觉像是相当大的突破，因为……能够查看你所说的工作成果，因为传统的人力资源和 IT 系统并不一定包含这些工作成果数据，无论你是否担任过一段时间个体贡献者的工作，向中层经理汇报工作。而且，嗯，我在苹果公司早期的职业生涯中做过一段时间，而你与经理关系的真正

关键点出现在绩效评估的时候，你对自己的表现有一些看法，你的同事和周围的人对你的表现也有看法，你的经理对你的表现也有看法。每个人都进入一个房间，在他们写完反馈后，你知道，他们会做一件叫做校准的事情，经理们试图让自己遵守一个共同的标准，他们都试图让彼此对评估的标准方式负责

根据标准。但事实是，经理并没有真正地坐在那里查看你所做的一切，特别是如果这是超过 6 个月或 12 个月的时间范围，他们根本没有足够的时间这样做。因此，如果你有许多关于这方面的非常有趣的文章，在许多不同的来源中都有。我最近在 HBR 上读到一篇，他们谈到了经理的氛围。所以

所以，如果经理对员工有良好的感觉，并且在审查过程中对他们的表现存在歧义，那么这就会为这种感觉成为绩效审查的基础打开一个巨大的缺口。同样，如果你对员工有负面感觉，并且对他们的表现存在一些歧义，那么他们就会像卡车一样将这种消极情绪通过这个裂缝传递过去。

问题是如何避免这些根本上是人为过程中的这种倾向？答案是，我们回到源头。你将事实带入讨论。因此，Talent Signal 只根据工作成果进行推理。它无法访问人口统计数据。它不知道你的种族、民族、年龄或工作地点。它只知道……

这是你编写的源代码，或者是你作为支持代理进行的客户互动。然后它会生成一个名为信号的东西，

它基本上是一个印章，表示这个人是高潜力的，这个人是典型的，或者这个人需要关注。我们称之为“注意”，但他们实际上处于危险之中，并指示经理去花时间与他们相处。但它会显示所有这些具体的员工工作成果示例，经理可以使用这些示例与员工进行良好的指导谈话。个体贡献者可以看到吗？当经理允许他们时，个体贡献者可以看到。这实际上是我们已经讨论过的事情

相当多。Talent Signal 不会做出就业决定。它只是向经理发出关于员工表现的独立信号。一个经过校准的信号。是的，它是经过校准的，这实际上非常重要，因为我们提供给模型的数据之一是某人的职位级别。然后我们尝试实际在所有训练数据的公司中进行校准。它最终是否显示出相对于单个公司和整体池的校准？我们不会将其分开。我们只提供本地化数据

版本。因此，你往往会看到一个伪标准化分布。因此，你会看到，在一组 50 名工程师中，你总是会看到一些被标记为高潜力的员工，你总是会看到一些需要关注的员工，即使在全局模型中，你知道，他们都非常优秀。是的，完全正确。你知道，因为否则它就没有什么特别有用的地方。而所有这些都是我们正在进行的早期访问计划的一部分。我想说几件事，因为我认为

你们的听众现在会明白，哇，这其中的风险相当高

做对这件事很棒，但做错听起来有点危险。我们正在将其作为早期访问计划的一部分进行。该产品的工作方式是，它会为一名员工在其 90 天期限内生成一次信号。即使是那些在你们公司工作了三年的人，我们也可以生成一个信号，但我们只会根据他们前 90 天的工作成果来进行评估。我们之所以这样做，是因为查看此内容的公司可以看到，好的，这个东西在第 90 天实际上做出了相当不错的评估。我们花了大约

12 个月的时间才发现这个人不适合我们的公司，或者这个人将成为团队中杰出的成员。这会随着时间的推移建立对模型的信任。我认为，我不知道你们是否听说过奥弗顿窗口的概念，对吧？就像这种想法，人们只准备好对他们如何看待某个问题进行一定程度的改变。对我们来说，在产品设计中考虑不要过度扩展奥弗顿窗口实际上非常重要，例如，

而且，通过将其限制在前 90 天，我们可以与员工和经理建立信任，并让他们了解这件事的影响，以及它是否适合他们的特定情况。随着时间的推移，我们可以扩展其应用方式。这些都是我们在前进过程中考虑到的各种问题。但是，如果有人在他们身边待了三年，而我们有一个 90 天的信号，这对于已经在公司待了三年的人来说仍然相关吗？不。

很可能在那时不会是像增量信息那样有用的信息。那里的想法是，嘿，这就是我们在第 90 天对这个人所说的。这是回测。是的，这是回测，并为模型建立一定程度的可信度，因为我们显然已经对此进行了一系列测试，并认为它相当准确，并且当然让我们相信它是一个有用的信号。因此，它的许多用途实际上是针对新员工，而不是那些在公司工作了

这个产品的 V1 版本，当我们采取这些小步骤时，就是为新员工提供 90 天的信号。因此，你雇佣的人越多，它就越有用。因此，高增长公司最初将从中获得更多价值。但显然，随着这个东西的发展以及我们对模型的信任度越来越高，天空才是极限。我还想谈谈风险，但你对这将如何改变绩效管理有什么期望？

对我来说，这背后的动力，说实话，是糟糕的经理。如果你是一名员工，并且正在组织的深处处理棘手的问题，你的经理有点懒惰，没有认识到你贡献的质量，在校准会议上对其他人表现出更好的感觉，而他们获得了晋升。Talent Signal 会进入这样的环境

并将你的工作成果拍在桌子上，说：那又怎么样？我可以给你一个例子，在我们构建这个产品时，Rippling 中一个代表性不足的员工。她是一位在印度的工程师，正在处理我们最棘手的问题之一，她被选为高潜力的员工。事实上，她在公司任职的时间还很短。

我们注意到了这一点，并与经理进行了交谈。这是一个令人惊讶的时刻，她被模型从默默无闻中提升出来，就像，我不知道你对这个人的感觉如何，但我的天哪，他们似乎正在高水平地做出贡献。以下是如何做到这一点的具体示例。因此，当他们通过此工具查看整个组织时，那些不喜欢以应有的方式代表员工的懒惰经理将受到其经理的追究。

它更好地代表了员工。显然，我可以整天谈论将人们从默默无闻中提升出来，但它也具有团队绩效影响，即表明某人需要支持。如果他们表现不佳，如果他们没有很好地适应，

向经理及其经理发出信号具有巨大的价值，这对于整体团队绩效也很有价值。因此，这里的愿景是拥有一个独立的，当我说是独立的时候，它是独立于经理的偏见，它是独立于公司中存在的所有噪音，并且只关注员工的一个方面，即他们的工作成果。

并给他们一个展现自我的机会。你可以想象，这是绩效管理概念在公司中的近期历史上第一次出现一个正交输入，它可以真正地扰乱

用事实来衡量人们的表现。你在 Rippling 的内部测试中学到了什么？我们很久以前就开始在内部讨论这个问题。随着产品越来越成熟，随着我们与员工讨论得越来越多，员工的反馈对我们制定的政策起到了非常有用的作用。我给你举几个例子。例如，没有人被允许单独使用该模型做出任何重大决定。因此，每当你谈到就业决定、晋升等问题时，你都不能仅仅指着 Talent Signal 说：“它说 X。”你必须对

输入进行独立评估。因此，这就像经理根据 Talent Signal 指出的工作成果进行推理。Talent Signal 就像一张备忘单，但经理必须做一件根本上是人为的事情，那就是评估整个人的情况。我们在内部制定的政策禁止盲目遵循 Talent Signal，并要求

经理表达他们对研究中所见内容的判断。而且，看，我们在 Rippling 对所有东西都进行了彻底的内部测试。我们的首席执行官 Parker，他负责公司的工资单。每次工资发放都会经过他。他还批准每笔超过 10 美元的支出。很多。我们可以谈谈，我们想整天谈论这个。有时我只是吃掉这 10 美元，你知道，有什么意义吗？与 Parker 就支出政策发生争执？是的，完全正确。太棒了。是优步舒适型而不是优步 X 型。但是，无论如何……

人工智能方面，他显然非常接近于此的发展。员工们可以说，在平衡作为内部测试人员的好运动员的同时，也确保他们在开发这项技术时自己的权利得到体现，这方面做得非常出色。我可以想象到的最大的反对意见之一，特别是当你开始评估那些工作可能像，你知道，

典型的中层经理，我让其他人取得成功。这是关于协作或将人们的注意力集中在未在具体工作成果中捕获的任务上。你对此有何回应？我的意思是，首先，Talent Signal 侧重于个体贡献者来发展信号。因此，对于销售人员、支持代理和个体贡献者工程师来说，它只会为他们提供信号。

我们还没有进入管理人员的领域。这对我们来说将是一件很有趣的事情，或者对某人来说是一件值得深入研究的事情。但是，确实存在这样的问题，即它在关注什么？它是否有点像，你知道，这个主管在查看我所做的一切？我们在产品开发中需要做的是找到最高的相关性，例如找到最佳的 R 平方。你可以提供给模型的输入是什么，最能预测输出，即他们是否被提升？

他们是否因绩效问题而被解雇？你知道，他们在同一级别待了很长时间吗？总的来说，他们在研究期间的职业生涯结果如何？当我们进行这些初步研究时，最明显的信号是工作成果。你知道，如果你想知道某人是否是一位优秀的工程师，请查看他们的贡献，例如查看他们的源代码。而不仅仅是查看，你知道，绝对不要仅仅查看

他们做了多少，而是真正地思考代码贡献的质量。考虑安全问题。查看拉取请求。查看拉取请求上的评论。这些基础模型在思考源代码和编写源代码方面做得非常出色。因此，它们实际上是评估质量的非常优秀的引擎。我认为看到演示时最酷的事情之一是，当它查看评估时，例如，可维护性、可扩展性，对吧？因为这需要代码推理。

是的，它对此有自己的看法，并且能够非常清晰地表达出来。然后经理必须进入并使用他们自己的判断。我再举一个例子。这是一个来自使用该产品的客户的例子。因此，一家阿尔法测试公司的首席技术官进入并看到他认为不是一位非常优秀的工程师的人被标记为高潜力人才。他就像，

好的，这与我的先验知识不符。他有先验知识。这与他对这位员工的感觉不符，对吧？这与我对这位员工的感觉不符。所以他进去查看源代码，他说，

我明白了。他就像，我写了所有这些源代码。我们就像，嗯？多说说。他说，好吧，这位员工一直在努力。所以我一直在与他们肩并肩地工作，编写代码并指导他们完成这些事情。模型所捕捉到的是这种真正高质量的贡献，只有在我坐在这个人旁边时才会发生。这就像，啊哈，好的，很酷。所以它有点像……

一个不可知的错误归因。你如何更普遍地看待经理？你提到你目前没有评估他们。安迪·格罗夫过去总是谈论经理的产出就是他们团队的产出，这就是你应该如何评估他们的方式。因此，在某种程度上，你可以争辩说你有一些可以汇总的信号。因此，当你查看该产品时，它会在经理级别进行汇总，以显示高潜力、典型和需要关注的员工的分布情况。这部分，我们对客户说，将其作为信息来使用，以发现可能存在热点的地方。

但不要完全根据……来判断经理。所以问题是，这是招聘的反映，还是执行的反映？所以我想有时很难区分这些事情。但现在你明白为什么我们称之为 Talent Signal 了，因为它是一个信号。就像，“嗯哼，好的，这里的小黄灯亮了。”所以我很想知道，你们是如何将此作为你们将要为人工智能做的事情而融合在一起的？

这是一次大规模的探索吗？还是更像，嘿，我们实际上在这里有一些我们已经汇总的数据。这种人工智能似乎擅长解释某些类型的数据。是的，我只是很好奇你们是如何在所有可以使用基础模型做的事情中最终选择这个的。我们考虑了许多显而易见的人工智能用例。我将暂时放大一下，并可能吹嘘一下公司。你有一美元。

你可以用它做很多事情。回到这个公司财务主题。例如，你可以用这美元做很多事情。如果你将这美元投资回机器的前端，然后从后端出来两美元，例如，不要拿走这两美元。将这两美元放在前端。从后端取出四美元。将四美元放在前端。从后端取出八美元。这就是为什么 SaaS 软件企业在其

早期会面临如此严重的现金赤字。现在，如果你不能这样做，因为你不知道接下来要构建什么技术，如果你不知道如何将其投资于销售和营销以获取下一个客户，如果你不知道如何将其投资于研发以构建将产生增量收入的下一个产品，那么你可能会做一些股票回购的事情。这意味着你可以想到的用你的业务产生的这笔现金所能想到的最有创意的想法

就是提高股价。更糟糕的是分红。因为我现在甚至不能这样做。我只是会，我不知道该怎么用这笔钱。我只是把它还给你。例如，我会用这笔钱做什么？如果一家公司所能想到的最好的事情就是分红，那么这对于这家公司来说是一个非常糟糕的信号。相比之下，像 Rippling 和硅谷的许多公司

不仅知道该怎么做，或者认为他们知道该怎么做，而且他们想要比他们所能获得的更多的钱，因此他们使用股权资本来获得更多现金，他们可以使用这些现金来投入机器的前端，并从后端获得更多现金。你看看硅谷一些表现最好的公司，他们实现了盈利，或者，你知道，其中一些公司至少实现了盈利。

它仍然围绕他们已经非常成功地扩展的一个想法或一个产品展开。Rippling 的一些非常独特的事情，对于我们团队来说，很容易认为这是理所当然的，那就是我们有一个庞大的项目清单，如果我们去构建它们，它们将转化为收入。

例如，我们知道我们想要构建的下一个产品，以及下一个产品，以及下一个产品。唯一的挑战是，我们能否雇佣足够的工程师并且不会用完钱？你知道，因为我们知道从长远来看，这一切都会奏效。哦，等等，我认为在经典的非 Rippling 硅谷中，做好一件事类型的公司的一个常见反对意见是，专注于这么多事情真的很难。做好这么多事情真的很难。很难保持其凝聚力。你如何教销售团队这一点？你如何看待凝聚力？你只需要更努力地工作。

你知道，就像你只需要将合适的人安排到合适的工作岗位，并将足够的领导者带入公司，他们能够处理这种复杂的分形。这也是 90 年代传统的企业销售策略，对吧？我认为这几乎就像我们在 2000 年代经历了 10 年的时代，我们忘记了这一点，每个人都变成了单点产品。然后是你们，是 HubSpot，是 Datadog，各种各样的人已经构建了这些捆绑式产品，以及围绕单个核心产品的交叉销售行为。

无论是记录系统还是身份类型或其他东西。所以，我的意思是，有网景时代网景公司的一句老话，

所有的创新都是捆绑或解绑，或者某种变体。所以现在我们又回到了捆绑的时代。是的，历史会重演。历史不会重演，但它会押韵。就像我们肯定处于 90 年代大型平台故事的押韵阶段一样。但 Talent Signal 看起来不像捆绑。它看起来像一些非常不同的事情。这就是它不会重演，但会押韵的原因。因为在这种新的情况下出现的技术提供了新的机会。因此，对我们来说……

我们有很多想构建的东西，但指导原则始终是：我们自己能做什么？我们能用这个新工具独一无二地做什么？振金。振金。我们在这个底层平台上有振金。人工智能加上振金等于什么？它会产生什么？我对其他正在开发人工智能产品的公司要说的是，长期以来，他们的路线图很糟糕。他们不知道下一个会产生收入的近端功能是什么。

他们没有另一个SKU的想法，该想法有100%的机会产生增量业务。他们不断添加额外的功能，让现有客户满意，并可能为他们提供了边际交叉销售机会，但他们没有下一个可以附加的大事件。人工智能横空出世，突然之间，每个人都成了人工智能公司，因为它给了他们一个至少伪装成知道如何处理下一个近端研发资金的公司。我们从未遇到过这个问题。

所以猜猜我们没做什么？我们没有构建聊天机器人。我们没有构建副驾驶。我们没有构建任何这些表面上的明显功能。我们会构建它们。它们会在某个时候出现。谁在乎呢？它不会销售任何额外的软件订阅。我们说，我们要跳过这个。我们要快进。我们要让这些非常昂贵的人工智能工程师（他们很难招聘，很容易留住，因为这是一个非常棒的工作场所，但很难招聘）来构建一些有可能

其机会成本肯定是值得的。因为把他们放在聊天机器人上的机会成本

与我们原本可以继续构建的东西相比，根本不存在。你们还有什么其他类型的新人工智能产品在研发中吗？我们在人工智能领域正在开发很多东西，但把这个做好就像，你知道的，我们不会，我们不会从这个项目中抽调人员去从事第二个项目。我们真的想让这个项目一开始就做好。公司有一些新的东西即将推出，这些东西与人工智能没有直接关系，而是关于真正规模化的数据，比如超大规模的数据。我们已经在Rippling之下构建了这个非常

非常漂亮的数据平台。它有点像我们的AWS，我们会在未来一个季度左右的某个时候迎来我们的AWS时刻。但我们在这里讨论的是Talent Signal。它位于这个数据平台上。当你想为你的工程团队安装Talent Signal时，你需要做的就是安装GitHub应用程序。

在Rippling上，它会将你的源代码存储库复制到这个安全、受保护的环境中，但它会在那里对源代码进行分析。

你知道，当你插入Salesforce时，我们正在复制你Salesforce实例中的大量数据，这非常繁重。我的意思是，我们的Salesforce实例的大小是巨大的。所以实际上，问题是如何将HRIS数据与规模化数据平台结合起来，在这个平台上，一切都被精美地构建，特别是所有员工数据都被优雅地反向引用。换句话说，我们总是知道在所有这些其他系统中谁是谁。

然后说，好吧，现在我们可以用它来解决什么业务问题？这很明显是一个机会，因为我们在这些工作流程产品中看到了

GitHub做不到这一点，因为GitHub不知道你晋升了谁。他们不知道谁表现出色。他们不知道你因为绩效原因不得不解雇了谁。Salesforce也不知道。所以我相信，许多这些工作流程系统中都会内置非常酷的代码质量评估工具，但没有一个会像我们这样了解从人的角度发生的事情。这就是为什么这是我们独特的才能。

你认为你需要某种特定的文化或领导力才能成为Talent Signal的早期采用者吗？或者说，就你的alpha合作伙伴而言，是否有准备信号？哦，当然。我的意思是，看看，我们已经与之合作的一些公司已经看过它，并表示，我们不会成为这个项目的早期采用者。当然，我们完全尊重这一点。我觉得，在关于人类绩效的讨论中，人工智能的成功率只有0.1%。

你知道，这方面还有很多事情要做。我知道，说大型语言模型最终会参与许多不同情境下的人类绩效评估，这是一种必然趋势，我对此感到相当自在。是的，你知道，这很有趣。我的一位朋友，一家上市公司的CEO告诉我，他有时会使用一些与聊天相关的产品来讨论员工问题，他会聊天说，嘿，我正在努力解决与员工的这个问题。我应该做些什么？我应该如何考虑这个问题？

所以你已经开始看到这种未来出现的点点滴滴。你认为人们应该根据哪些原则进行构建，以确保他们以一种深思熟虑的方式来处理这个问题，或者按照你的说法，他们不是仅仅将决策推迟给人工智能？我认为首要任务是理解，你可能会对这类事情对人们生活的影响麻木。我认为，如果你不在人工智能领域，

你听到像我这样的人谈论人工智能的风险或人工智能安全或伦理问题，这听起来很奇怪，你会想，他们为什么谈论伦理和风险，就像它回答了我关于如何将半杯油换算成盎司的问题一样，因为这是大多数人的经验，他们认为人工智能是一个非常良性友好易于接近的东西

但是，当你在这个背景下思考它时，你不需要太长时间就能想到，好吧，所以，你知道，如果一个经理纯粹根据这个做出决定，那么任何幻觉或错误归因实际上都可能对人们的生活产生非常严重的后果。这就是Rippling采取这种方法的原因，对吧，我们正在将其作为早期访问计划进行。我们将其限制在最初的90天内。信号很棒。看起来它对人们来说非常有用。而且，我们也非常清楚可能会被放大或后来引入的偏差风险。

在整个过程中，所以当你问到那些想在这些情况下开始使用这些工具的人，你可能会给他们什么建议时，就像第一点，你必须了解风险，第二点是，即使系统可以说是防弹的，你也必须脚踏实地，仍然做好你作为经理的工作，你必须检查上下文，不是吗？

不要让我之前描述的关于那些从他们的经理那里得到很多指导的人的错误归因影响你对他们的看法。只看它是什么。不仅仅是Talent Signal，而是更广泛的人工智能。只看它是什么。你必须对这些系统的基础有一些了解，才能能够判断其输出的质量。我认为，说

所有潜在使用这些工具的人都已经为此做好了准备，这可能要求太高了。那么，就选择现在这样做的CEO、人力资源领导者或其他任何人而言，情况如何？很明显，已经与我们合作开展这项工作的公司具有相当的业绩导向性。

非常有兴趣寻找新的工具来竞争。我认为很容易回到体育类比，如果我可以告诉你，你是一名教练，你有一支球队，你正在争取奥运金牌，

这是一个评估你在球场上的状态的测试版，或者取决于我们正在谈论什么运动，你非常渴望尝试一下，看看它是否可以帮助你提高团队的绩效。如果你小心谨慎，并减轻了负面风险，那么它可能会让你在竞争激烈的环境中占据优势。有很多业务人士、CTO、以及这项工作的工程方面。

对这项感兴趣的销售领导者，我的意思是，销售竞争非常激烈。因此，如果他们能够获得优势，这只是销售军备竞赛的一部分。然后是支持团队，他们已经非常注重辅导。支持团队通常非常关注规则遵守情况以及与员工的每周空气检查，以确保他们以正确的方式沟通新产品或使用正确的语气。他们已经拥有这些文化。所以

而且，我想，我们在这方面做对的一件事是，当我们选择销售工程和支持作为构建第一个版本的领域时，这些组织已经拥有竞争文化和寻找下一个增量优势的文化。然后我认为它会上升到公司文化，一些公司表示他们将等待这一轮，而一些更强硬或竞争激烈的环境中的公司则表示他们想参与其中。我认为这三个学科也是有很多辅导的学科。所以有一些像Gong这样的产品，我看到人们分享

电话，以便人们可以互相学习。当然。客户支持，显然有很多培训。是的。你知道，代码，有时人们会结对编程。所以它也感觉像是你谈到的辅导方面可以变得非常有价值的地方。是的，100%。这似乎是人工智能人群对你发起攻击的一个明显的导火索。是的。我会说，

我很感谢那些持反对意见的人，我很感谢那些将追究我们责任、批评或评论我们正在用这个产品发布的工作质量的人，因为很容易沉迷于自己的成就并对潜力感到兴奋，而不一定了解全貌，所以当有人向我们提出关于偏差的难题或提出关于

你知道，将人工智能纳入如此重要的决策中的意外后果，我们将倾听，我们将学习。反馈是一份礼物，这是一件真实的事情。所以我相信，有些人会对我们正在做的事情表示怀疑。然后我只能说，我们真的致力于向他们学习，并确保我们使这个工具对每个人都有用。很好。非常感谢你今天加入我们。我很高兴你们让我这样做。谢谢，马特。

在Twitter上关注我们@NoPriorsPod。如果你想看到我们的脸，请订阅我们的YouTube频道。在Apple Podcasts、Spotify或你收听节目的任何地方关注该节目。这样你每周都会收到一集新节目。并在no-priors.com上注册电子邮件或查找每集的文字记录。