Kasara Weinrich - The Anthropology of Generative AI in the Workplace
41:00 Share

欢迎收听HR Data Labs播客，这是您了解人力资源领域内外最新趋势的直接来源。

收听我们探讨薪酬策略、数据和人员分析如何影响您的组织。本播客由Salary.com赞助，它是您获取薪酬及其他方面数据、技术和咨询服务的来源。现在，让我们欢迎主持人David Teretsky和Dwight Brown。

大家好，欢迎收听HR Data Labs播客。我是主持人David Tretzky，与我一起的是我的联合主持人、最好的朋友、天才、犯罪伙伴，还有很多其他的形容词，我的朋友，来自Sari.com的Dwight Brown。我四处张望，看看你在说谁呢。

当我失去你最好的朋友时？等等，什么？好吧，当我听到“天才”时，我想，是的，一定是在说我身后的人。达西先生，真聪明。我们必须回顾一下这段录音的文字记录。是的，没错。我们可能需要重新录制这段录音。但我们确实请到了一位天才，因为在ADP的世界里，有很多聪明人。

这个人比ADP的大多数其他员工都高出一头。我知道这一点，因为其他人也告诉我这一点。我有机会在会议和网络研讨会上听到这个人发言。这个人散发着智慧的光芒。

我说的就是Kassara Weinrich。Kassara，你好吗？我很好，尤其是在……我的意思是，我已经到达巅峰了。一天中的这个时候就到达巅峰有点早，但谢谢。好吧，来吧。我的意思是，当你看到我所看到的你为ADP所做的工作成果时，我认为我低估了它。

不，不，不可能。我认为ADP给了我一个绝佳的机会，让我能够将雄心壮志和决心与很多“天时地利人和”结合起来。这里有很多开放的大门，我有很多机会穿过正确的大门。所以我是一个幸运儿。那么，你能不能告诉我们这些大门的情况呢？我的意思是，告诉我们你在ADP做什么，也告诉我们一些关于你的情况。

现在，我有一个非常棒的机会，在全球商业运营部门工作，为我们的整个销售团队设计和开发人工智能和生成式人工智能驱动的技术。哇。所以，除了设计和创建这些技术，当然也与很多人跨部门合作之外，

才华横溢的人们，我还能够向市场讲述这些激情。太酷了。你实际上处于一家以处于领先地位为荣的技术公司的领先/前沿地位。这是真的。顺便说一句，我已经不是股东了，所以我可以谈论它。好的。但有一件事我们要求所有客人，Kassara，

你有什么不为人知的有趣的事情吗？我想我会说，这直接关系到我现在能够公开演讲的事实。所以，早些时候，我出生时听力非常有限。

我开始说话非常早，这让我父母非常苦恼，从那以后我就没有停下来。但是在我生命的前13年里，我一直有口齿不清的问题，就像这样。

所以，我的名字是Kisara。我的名字里有一个S。所以，你知道，这几乎是一种残酷的命运。但在我生命的前13年里，我的口齿不清和说话障碍非常严重。现在我走上舞台发言，我听到人们谈论我的声音多么动听。想到我从哪里开始，我就忍不住想笑。我很高兴听到这个消息，因为我认为我们很多人都是从克服困难的地方走过来的。

那些问题。我不会称它们为问题，我会称它们为挑战，因为它们是，我们很多人克服了这些挑战。事实上，最近Dwight和我一直在与那些谈论我们克服过去一些事情的人交谈，他们变得非常情绪化。是的。我们不想走得太远。是的，我们又要需要纸巾了。对，没错。但我们喜欢在这个节目中谈论的一件事是，你知道，

每个人都是人，我们都有自己的缺点，我们都克服了这些缺点。很高兴知道像你这样一位取得如此成就的杰出人士能够做到这一点，而这只是你面临的挑战之一。再说一次，你是他们最好的公开演讲者之一。

你绝对出色地克服了这样的事情。所以，向你致敬。太棒了。非常感谢。是的，除了那些13岁以前认识我的人之外，没有人真正知道我的情况。现在听众们，希望全世界的人们都能听到。每个人。他们现在会更加欣赏，当他们看到你说话时，它已经不存在了。谢谢。

所以今天的主题是这个播客经常谈到的一个主题，那就是生成式人工智能。但我们将通过人类学的视角来探讨生成式人工智能，看看它如何影响工作世界。♪

所以第一个问题是，当今的工作世界有什么问题？为什么生成式人工智能会出现？工作世界有什么问题？我认为生成式人工智能是……它给了组织一个机会，让他们意识到

你知道，它非常依赖于数据。它非常依赖于拥有一个以学习敏捷性为核心的组织，拥有一个已经准备好、历史上具有适应性和好奇心的组织。所以，我认为随着这项新兴技术的出现，以及

组织文化的结合，甚至，我应该说，我不知道是否提到了这一点，但我们从人类学的角度谈论这个问题的原因是，这是我目前在攻读博士学位期间学习的项目。所以我正在学习以人为本的人工智能。所以，不仅仅是人工智能的影响和冲击，

以及生成式人工智能对组织文化视角的影响，还有人类的文化和他们接受的倾向。所以组织实际上面临着，他们已经被生成式人工智能照亮了镜子。然后我还想很快地说，由于这个领域的指数级增长，在某种程度上，出现了一场竞赛，即成为第一名，

许多组织希望成为最快采用和创新的人。所以现在我们看到，你知道，我喜欢称那些人为“最小风险采用者”，那些人就像，“我们自己建立了一个封闭的实例”。

这个GPT平台。所以我们做到了，我们进行了创新，但他们并没有真正理解更广泛的益处和应用。所以我们看到很多这样的项目失败了，原因就在于此。但我认为好消息是，虽然

这已经表明了工作世界的一些问题，但也存在着让很多事情变得非常顺利，并将此转变为正确的事情的巨大机会。所以让我问你一个关于这个问题的问题。是的。我们当然会谈到正确的那部分。但在此之前，我的问题是，

到底出了什么问题？我们解决的是什么问题？对那些早期采用者的推动仅仅是为了成为采用者吗？还是他们追求的目标不仅仅是节省成本、裁员和取消职位？

出了什么问题？我想这就是我最初问题的出发点。工作世界或工作世界有什么问题，我们需要引入机器人？是的。所以我想如果我们从这个角度来看，这一切都归结为。

人类和他们喜欢做的工作与他们长期以来被迫做的工作。所以我们看到，朝九晚五的日子已经过去了。本周我在一个会议上与某人交谈，他说，你会相信有人问我吗，

当我退休的时候。他说：“我无法相信我已经到了职业生涯的这个阶段，其他人认为该是我了，对吧？这就是我心里想的。”他说：“但我不想退休。我喜欢我的工作。我喜欢我正在做的事情。我不想退休。”所以，我认为我们在这里看到的是，在某些行业，对于某些工作，

生成式人工智能可以介入并消除那些可以被增强和自动化的东西，同时将人性化和人类技能提升到顶峰。但是，再次强调，只有在战略性地完成这项工作，而不是仅仅因为可以完成这项工作的情况下，才能做到这一点。嗯哼。

这其中是不是有点“闪亮的东西”呢？百分之百。松鼠？是的。对不起。我生活中的故事。是的。我认为是这样的。所以，你知道，作为一个人类学家，在很多方面，它使我成为一个历史学家，对吧？不仅仅是研究当代文化，还有过去的文化，我们是如何走到今天的。

当我研究人工智能和生成式人工智能时，我也在研究这些技术的历史。在人工智能的历史上，每一次我们都看到能力的巨大提升，然后是预期的巨大提升。如果这些预期没有实现，我们会看到急剧下降，对吧？完全失去兴趣，缺乏资金，它已经进入所谓的“人工智能寒冬”。对。

我们现在正处于一个可以绝对避免这种情况发生的时刻，如果我们不允许“闪亮的东西综合症”发生，并且我们确实以最充分和最战略性的方式实施这项技术。但我认为，也还有，再次更正我，如果我错了，因为你之前已经说过一点，有一些懒惰，一些人工智能的关键挑战，比如数据，对吧？

以及过去的决策、历史以及互联网上的垃圾。它们都是事实，对吧？这些东西需要，如果不是围绕它们做出假设，就需要纠正或调整，因为如果我们正在查看人工智能、生成式人工智能，以查看所有这些东西，以便能够帮助我们完成你正在谈论的这些流程，

它们需要变得好得多，因为它们很糟糕。我的意思是，我只是说实话。我的意思是，我们正在谈论的很多数据，它还不够好，对吧？是的。我认为我有，你知道，我工作的组织允许我对

对数据有非常高的标准，对吧？不仅仅是数据质量，还有数据治理、道德使用、隐私和安全。所以所有这些事情都需要成为实施这项技术的组织的首要考虑因素，但他们也需要准备好提出正确的问题，你知道吗？所以，我把组织分成三类。他们已经

他们要么决定承担最小风险或根本不承担风险。他们只是，你知道，他们厌恶风险，他们只是在观察正在发生的事情。他们说，好吧，如果它影响到我，如果我已有的合作伙伴把它带给我，那么我会考虑一下。但与此同时，我只是让它发展下去，看看会发生什么。然后是那些我们已经谈论过的人，他们承担了一些风险。他们建立了一个封闭的实例，但这只是他们旅程的开始和结束。然后是这些人

我的组织属于这类人，你知道，我们是谨慎的风险承担者。所以我们知道这是一条我们想要走的路。

我们知道这些技术的更广泛的益处和广泛的应用。他们认为它是一个横向的。所以，这不仅仅是我们新兴技术孤岛。新兴技术、人工智能和生成式人工智能需要被视为我们关注的每件事中的一个线索。用例在哪里？影响在哪里？

所以我认为，还有两个，你曾经不需要成为你将永远成为的人。所以，如果你只是在观察，

目标是更具战略性。如果你已经建立了这个封闭的实例，并且你认为你已经完成了，你并没有完成。你可以做得更好，变得更好。所以，我认为如果我们看到组织努力承担这种谨慎的风险，并找到用例，优先考虑正确的用例，这可能是卓越的，就像我们历史上一个非常酷的点。所以，当你回顾人工智能的历史时，你谈到了人工智能的赢家

一路走来。是的，我认为很多时候，当人们想到人工智能时，他们认为它是一种全新的东西。而实际上，人工智能从60年代就开始存在了。但事实是，这是第一次真正将它交到最终用户手中

这是否产生了不同的影响？让我给你一些我问这个问题的背景。我想，有一段时间，流行语是机器学习。所有的一切都是机器学习，机器学习，等等。

然后是数据科学。而且，你知道，每个人都想成为一名数据科学家，所有的一切都是数据科学。那是流行语。现在我们处于人工智能阶段，实际上机器学习、数据科学都是它的组成部分。但它是，你知道，当它是数据科学时，并非每个人都能做到。你必须有专门的学习。你必须有专门的知识。你必须能够编程和编码，所有这些东西。

而现在，它掌握在最终用户手中，他们能够用它做一些有影响力的事情。这如何真正影响了它在此刻的历史地位以及它对工作世界的影响以及工作世界的问题？啊，Dwight，这是一个如此有力的问题和观点。我认为，根据你的组织，它以两种方式中的一种呈现。所以，

对于那些非常厌恶风险的组织来说，将这种类型的工具交到最终用户或其员工和同事手中可能会与非常高的风险相关联，对吧？所以，虽然他们可能会更高效，他们可能会，你知道，能够使用这个工具完成更多的事情，但这些新兴技术仍然存在很多风险。所以，你知道，

如何教育？如何确保他们知道负责任和合乎道德的使用？我们如何确保他们理解？我的意思是，我看到一张图片，但我再也找不到它了，尽管我可能会要求生成式人工智能……

但我看到一张图片，上面是一群人在走路，他们拿着手机，你知道，他们在做这件事。然后有两个机器人像跪在长凳旁一样，拿着，你知道，一张涂色纸，他们在涂色。所以这张图片对我来说的意思是，我们是否把技术交出去了？

太多实际上让我们感觉良好或我们允许它创造的任务。现在我们允许它写作、创作图像和创作视频，对吧？我们是否真的放弃了那些带给我们快乐并让我们对内容和创造力产生所有权感的事情？所以，是的，

我们如何确保这种平衡？我们如何确保我们不会放弃太多，并且继续做那些让我们感觉良好、让我们感觉自己像人的事情？然后我认为另一方面，虽然很简短，

这项技术非常出色。如果以正确的方式完成，你知道，作为一个女人，作为一个母亲，我最早做的事情之一就是说，哦，我的天哪，我可以让这个东西为我的孩子们制定一周的膳食计划、购物清单和食谱。我现在不必每周花三个小时做这件事了。

你知道，无论是在个人方面还是在专业方面，都有很多用例可以提升我们，可以减轻我们实际上并不喜欢的一些事情。你知道，这里有很多东西。在工作世界中的适用性在于，人们讨厌行政工作。人们讨厌规则。他们讨厌所有废话……顺便说一句，很多都属于人力资源，显然。但是……

这就是我回到人力资源的所有编码以及人力资源数据的地方。让我们只谈谈规则和政策等的编码。在某些情况下，我们或许能够赋予人工智能主管制定这些，如果不是建议，就是关于人工智能的决策的能力。

是的，我们可以进行晋升或加薪。这可能没问题，因为我们可以制定规则和其他所有东西。就像你到目前为止听到的一样？点击订阅，确保您不会错过任何节目。本播客由salary.com提供支持。现在回到节目。我认为这个问题回到了你之前关于封闭系统与开放系统的一个观点。

这些数据都不能泄露，对吧？所以它必须是一个封闭的系统。我想我在这里要说的意思是，我们没有谈论到很多技术的细微之处，这使得它非常复杂。但在人力资源领域，这些复杂性伴随着其他问题，如法规、法律和人员。

因此，这些东西的采用方式必须非常谨慎，因为我不知道你是否熟悉《公平信用报告法案》(FCRA)，其中，你知道，当你开始对人们创建算法时，你实际上必须向联邦政府报告这些活动是什么以及这些算法是什么。

我不是益百利，我也不想成为益百利，但其中一些事情实际上可能属于此类。所以，当我们开始将人们纳入等式时，事情就会变得更加复杂，我想这就是我的出发点。这如何适应这样一个世界，在这个世界里，我们的法规还没有赶上我们今天在技术上的发展，更不用说我们未来的发展了？我认为有两件事，所以我认为这个答案是双重的。首先，如果你还没有完成了解你组织对所有这些的准备情况的基础步骤，你就无法考虑

监管环境，对吧？所以我们稍后可以深入探讨一些这些准备指标。我知道我们已经谈到了数据和一些这些内容，但这里有很多内容。但是

另一方面，责任现在非常重大。这不仅仅是组织的责任，也不是组织高管的责任。这在很大程度上也是他们与适当的人员合作的责任，与那些将此作为其发展的核心主题的组织合作，

而且如果你知道你与那些长期从事这项工作或……的人合作，感觉风险要小得多。我想我知道你要说什么了。是的，也许是75年左右。类似的东西，是的。或者真正运营全球的组织。所以，如果你在世界上管制最严格的地区都符合规定，

那么你将在其他任何地方都符合规定。所以，我认为这里的关键是伙伴关系。我认为最终技术，尤其是在美国，技术总是超过监管环境。但我认为它也将回到

无论是企业社会责任，还是我们称之为ESG，无论我们想关注什么，这几乎就像将你的利益相关者、股东和消费者的需求放在你的ESG清单的首位一样。如果你这样做，那么合规性和法规试图实现的所有事情，你都已经做到了。不过，我认为……

有时存在差距。例如，我将回到交易系统，它们一直处于这些事情的前沿，对吧？它们一直处于使用数据寻找信号、寻找机会的前沿。有时它们会出错，会失控。我不会，我不想谈论这些事情在某些公司脱离控制并导致公司倒闭的一些领域。但是

但正如你所说，当你为最终结果或为风险缓解的目标而设计时，你正在按照你的观点，这是一个很好的观点。你正在选择合适的合作伙伴，你正在选择合适的技术，你正在选择正确目标。你从一开始就适当地设定你的目标，这就是我们试图做什么？我们试图去哪里？

不仅仅是节省成本。所以，对我来说，你必须，我们必须以最终目标为导向来创造目标，然后像我们一直做的那样使用这些技术来推动它。但现在这是一个新的、新的基础工具。

是的，我认为这，你知道，也许是，我确实，我经常被告知我戴着玫瑰色眼镜看待世界，我当然对此很满意。但我确实认为这是一个也许，也许不再是一生一次的机会，因为指数级增长意味着我们将以更快的速度看到事物。但这对人力资源来说是一个非常独特的机会。它在很多方面都是独特的，但我看到的方式是，

人力资源一直在努力变得越来越有战略性，越来越依赖于企业提供，无论是人员数据还是战略指导、建议。

人力资源纯粹被视为行政职能的日子早已一去不复返了。所以，如果下一阶段，如果这场技术革命能够意味着，现在首席人力资源官或人力资源领导层正在与首席信息官、首席技术官、首席信息安全官合作，如果我们正在组建这个跨职能团队，并且我们正在重新构想

我们的工作，我们正在重新构想我们的员工队伍，我们正在重新构想工作的方式，并利用这个机会，你知道，完全解构盒子，并看看事情，并说，我们是否需要继续这样做？我们为什么还要这样做？

我认为长期以来，数字化转型只是将手动流程转换成能够在计算机上执行相同手动流程的技术。这不是转型。这是复制粘贴，对吧？你只是在拿一个东西。所以现在是真正转型的时候了，对吧？深入研究

什么可以被增强和自动化，什么人类技能现在可以上升到顶峰，真正帮助你的员工参与到他们的工作中并获得授权？这可能是卓越的。但这意味着要让你的员工和组织准备好采取这种策略，因为你可能需要你的领导团队同意。

但如果你需要解雇所有员工并雇用全新的员工，首先，这永远不会发生。但我们在这个节目中一直在谈论再培训和技能提升。所以这就是机会，不是吗？利用你所拥有的，改变它们。

并能够赋予他们这些技能来完成这项工作，对吧？是的。而且不仅仅是为了再培训和技能提升。我的意思是，我参加了一个哈佛教授的研讨会，她正在讨论他们进行的一项非常长期的关于再培训和技能提升以及结果的研究。这是在生成式人工智能发布之前。但她正在讨论……

你知道，谁得到了技能提升，为什么？最后，我问她，我说，在再培训和技能提升计划之前，组织是否坐下来明确确定他们需要哪些技能，为什么他们在某些领域进行技能提升和再培训？她说这根本不是战略性的。研究中的许多个人只是在查看

他们Excel文件上的低技能，并说，好吧，我们需要让他们更有技能一点。也许是软技能或计算机技能、技术技能，但他们只是在墙上扔飞镖来决定这些技能应该是什么。所以，我认为，是的，再培训、技能提升百分之百，但要与你的战略一起。而让我

在所有这些技术发布之前能够谈论的事情是数据素养。这是一种经常为数据团队或分析师保留的技能，现在在某些情况下是领导层。

但它并不经常贯穿组织的每一层。这是未来至关重要的事情之一，拥有一个数据素养的组织，评估你的员工，确定他们使用、阅读、处理数据的能力，对吧，用它做出决策。对。

这只是我们历史下一阶段组织准备情况的众多指标之一。嘿，你是否在听这个，并自言自语，伙计，我希望我能和David谈谈这个？好吧，你很幸运。我们为HR Data Labs播客的听众提供了一个特别优惠，与我进行一次免费的半小时通话，讨论我们在播客中涵盖的任何主题或你想到的任何事情。

访问salary.com/HRDL咨询，立即安排您免费的30分钟通话。所以这为我们设定了，那么组织如何做好准备？这意味着我们现在需要，

创建具有与数据素养相关的技能的正确职位架构和职位描述？这意味着我们需要开始评估人们吗？我们去哪里？我们做什么？我们如何采取下一步措施才能到达那里？所以我认为有很多不同的框架来衡量准备情况，但是

从我的角度来看，我在市场上和谈话中一次又一次看到的是，是的，数据素养是可以衡量和培训的。

所以这是一件非常棒的事情。这是一个非常好的起点。我认为很多这些事情确实需要同时进行。所以，你知道，让员工和领导了解数据，能够访问适当的数据并知道如何使用它，这是一回事。

功能，甚至是对你的技术基础设施进行分析。你是否有支持这些工具和系统的必要基础？你是否已经建立了数据分类体系？你知道你所有的数据都存储在哪里吗？它们是否分散在许多彼此无法通信的不同系统中？进行深入分析，并对你的整个组织的技术基础设施状况进行一些了解。

然后，我想说的是，这可以分为三个部分，但最终都指向相同的结果，那就是文化适应性。如果我不谈到这一点，我就不能称自己是这场对话中的驻地人类学家。因此，只是他们适应和真正拥抱变化的能力。你的文化准备好了吗？它得到了支持吗？同样，一些简单的事情，比如……

你在硅谷工作吗？那里的人们习惯了创新、风险和循环

尝试、迭代、失败，对吧？或者你在全球运营，你可能在亚洲有一个团队，他们有时会优先考虑和谐和等级制度，而这项技术的实施可能会对他们产生过大的破坏性影响，以至于他们不愿意采用。你是否了解这些情况？这是你可以衡量、观察和评估的另一件事，对吧？

最后是领导支持和员工参与。领导者将推动对这些新兴技术的认知。这种认知是基于恐惧的，认为它会抢走你的工作吗？还是基于兴奋、尝试的愿望、好奇心和学习敏捷性？你的领导者正在推动这一点。所以领导力

他们是否清楚地了解你的成果和计划？然后，你的员工为此做好了准备吗？对。不仅仅是数据素养，他们需要认同这些举措。很多时候，他们是最后一组不仅要认同它，而且要从根本上理解它的存在。而且。

我们甚至看到，项目已经全面推出，已经向所有领导团队进行了沟通。然后他们开始与员工交谈，员工们说，等等，什么？这是从哪里来的？所以，是的。所以你的意思是不要把它当成事后才想到的与员工沟通的事情，要尽早让他们参与进来。是的。

是的，组建一个跨职能的利益相关者团队。有时情况正好相反。员工最终比领导更了解这项技术。你最终会得到一个关于如何推出和实施它的倒退循环。领导者朝着一个方向前进。员工们看着它说，你们在想什么？这甚至不是……

你们根本不知道这项技术是什么以及它能做什么。这可能取决于组织，哪种情况会发生。是的。回到你之前，你第一个关于工作世界出了什么问题的问题。

高级领导对问题的看法与员工对问题的了解之间往往存在严重的不一致。因此，如果你要寻找用例，并且你去找你的员工，首先教育他们（如果他们还不了解这项技术是什么、它能做什么以及它是如何工作的），然后说，好吧，在你的职能中，

这项技术如何用于改善你的工作环境？他们将拥有最好的用例，以及对哪些可以彻底改变其职能以及哪些可能产生微小影响和效果的优先排序。因此，是的，尽早获得认同并首先向他们寻求意见可能会产生巨大的影响。对。

只要文化是关于信任的，而不是关于，“嘿，我们的目标是降低成本。我们将与你讨论你在工作中所做的事情。”

是的。你会给我们用例吗？不，没有用例。告诉我们你做什么。你想记录你所做的一切。给我们一份你所做一切事情的任务清单。这里的一切都是手动的。我不，我无法解释。你需要参与每一个决定。你不能自动化这个。在这里被看到，继续前进。继续前进。事实上，我认为那边那个人，他有一份工作。是的。

我们当然可以将机器人外包。但我认为自我保护将会深入其中，因为人们看了太多该死的电影，他们会说，是的，我的意思是，看看赛博人。看看他们做了什么。

对不起，《太空堡垒卡拉狄加》。不，但说真的，他们会说，你知道的，如果我们引进机器人，除非他们接受教育，否则机器人只会继续接管。听着，我们所有人……对不起，我不应该说我们所有人……我生活在一个工作中没有电脑的世界里。然后有了电脑，人们害怕失去工作。

现在，有些人过去是接待员，过去是秘书，过去是行政助理，他们不得不继续做其他事情，因为每个人都自己安排日历以及所有其他在那时非常有价值的事情。我认为我们必须经历这种转变，不是吗？我的意思是，作为一名人类学家，你难道没有看到这种从某些任务、某些角色和某些事情向其他方面成熟和迁移吗？是的。

哦，当然。我认为我本周实际上说过，我不相信有任何现有的技能组合不能以某种方式应用。例如，如果一个组织希望将工作外包给技术或通过技术提高效率，因此可能减少人员数量，例如数据分析师的角色。对。是的。

数据分析师的技能和职能并不仅仅限于进行数据分析。然后你可以将这个人调到数据治理部门。当涉及到这些技术时，你可以将这个人调到成为合作伙伴和供应商关系的关键组成部分或顾问。如果他们对数据有深入的了解，哦，顺便说一句，数据就是黄金，对吧？这是推动这一切的因素。所以是的，我认为……

可能会有很多恐惧，但这真的取决于组织来减轻这种恐惧，然后对他们的计划保持透明，并且，你知道，承担学习和发展。我认为，你知道，ADP研究机构最近发布了一些情绪，对吧？80%的人知道他们的工作可能会

以某种方式受到人工智能的影响。而且，你知道，人们仍在争论它主要是积极的还是消极的，它会发展，会改变，但这真的取决于组织要保持透明。我认为我们应该做的是，卡萨拉，让你回到节目中

两年后。然后说，嗯，我的意思是，甚至明年。他们会回来的。是的。我们实际上一直在讨论，德怀特和我一直在讨论，你知道，事情是如何变化的以及变化的速度有多快。回来看看，我们做对了吗，还是做错了？是否有反弹或其他什么？

它是否让我们所有人都感到惊讶？它的采用速度比我们实际预期的要快得多。现在，一些人工智能实际上将被内置到像你公司正在开创的解决方案中。

但也有一些公司将其用于后台，而不是将其带到前台，也不是将其带到，你知道，每个消费者面前。而是将其保留在后台，完成大量工作，然后提高周围其他人员或技术的生产力。我认为，你知道，当自动取款机发布时，这条消息是这样的。

大规模恐慌和骚动。我将永远无法再走进银行与人交谈。我只能与这个机器人合作，对吧？现在我们知道这不是真的。虽然我们可能可以看看，特别是你的组织，我们可能可以看看关于这个具体的，比如一个出纳员

它在数量上发生了变化，对。但你仍然可以走进银行看到一个人。如果你想的话。如果你想的话。不，说真的，因为你可以存支票和现金。是的，你可以选择。是的。就是这样。就像在人类历史的每一个阶段一样，拥有工具的人类最终会取代没有工具的人类，对吧？就像石头被锤子取代一样。背包被独轮车取代了。这只是一个工具。那些愿意尝试并用它来工作的人最终仍然会在这里。说得太好了。

我认为我们就此结束吧，因为正如我所说，我认为下次我们邀请你时，我们应该看看事情进展到哪里以及采用速度有多快？所以我非常希望如此。卡萨拉，谢谢你。我们感谢你。非常感谢你们的时间和谈话。这太棒了。我很荣幸。德怀特，谢谢你。谢谢你。感谢你今天与我们在一起，卡萨拉。感谢大家收听。保重，平安。

这是HR Data Labs播客。如果你喜欢这一集，请订阅。如果你认识任何可能想听的人，请将它发送给他们。感谢您本周加入我们，敬请期待我们下一集。平安。