HR tech has seen a resurgence in innovation, particularly around AI. There's also been a growing emphasis on support services to help organizations implement new technologies effectively. The cycle of innovation is expanding, with more focus on automation and augmentation of human-centric tasks like coaching and leadership development.
Consultants are essential for ensuring AI models are trained on clean, reliable data. They help build trust through strong data governance and ensure that the implementation aligns with the organization's long-term goals. Consultants also provide an independent perspective, helping organizations avoid pitfalls and achieve better ROI.
HR uses AI to handle repetitive tasks like scheduling interviews, updating calendars, and grouping candidates for panel interviews. AI can also assist with compliance-related tasks, ensuring consistency and reducing the risk of errors. By automating these tasks, HR teams can focus on more strategic, value-added activities.
Data governance ensures that AI models are trained on accurate and reliable data. Without proper data hygiene, AI outputs can be flawed, leading to poor decision-making. Effective data governance builds trust within the organization and ensures that HR data supports the needs of both HR and the broader business.
Biased data can lead AI models to perpetuate past human biases, particularly in areas like hiring, promotions, and pay equity. This can result in unfair practices and legal risks. To mitigate this, organizations must ensure their data is clean and representative, and they should actively work to avoid repeating past mistakes.
AI can handle many compliance-related tasks consistently and on time, reducing the risk of errors and legal issues. Examples include minimum wage audits and ensuring pay equity. These tasks are critical for HR but can be repetitive and time-consuming, making them ideal for automation.
AI automates repetitive, non-value-added tasks, freeing up HR professionals to focus on strategic activities. By handling tasks like scheduling and data entry, AI allows HR teams to engage more deeply with employees and managers, becoming better business partners.
商业世界比以往任何时候都更加复杂。人力资源和薪酬的世界也变得越来越复杂。欢迎收听 HR Data Labs 播客,这是您了解人力资源内外专家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,Salary.com 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。我们现在身处内华达州拉斯维加斯美丽的曼德勒海湾展览中心,参加 2024 年人力资源技术大会。我今天与我的好朋友 Susan Richards 在一起。Susan,你好吗?
你好,David。你怎么样?我有点累,但还不错。展会已经持续很久了,我们才过了 24 小时。是的,我知道。不过从展览的角度来看,明天就结束了。有点可惜。但是对我来说,已经过半了。是的,我们在短时间内做了很多事情。哦,这……节奏很快,非常快。所以……
正如你所知,因为你以前做过节目的嘉宾,我们总是会问,关于 Susan,有什么别人不知道的有趣的事情?大约一周前有人问我我的精神动物是什么,我当时没有答案。但我现在有了答案。是什么?我的精神动物是章鱼。真的吗?是的。是的。
是的。好的。这里有很多东西需要解释,但让我们从以下问题开始:是因为多任务处理吗?我认为这与章鱼能够适应任何事物的能力有很大关系。它们是解决问题的高手。好的。它们可以让
任何事情都按照它们需要的方式进行。很有趣。它们可以适应所处的任何环境。没错。我周末在蒙特雷水族馆花了大约 30 分钟观察章鱼。真的吗?是的。
我完全爱上了它,因为它从鲜红色、非常小的状态变成了伸出触手、在水族馆里四处移动,颜色从鲜红色变成有趣的灰色,当它进入海藻林时几乎变成了绿色。哇。我想,是的,我可以做到。
这对我来说很有意义。你提到这一点很有趣,因为 Apple News 上有一篇文章,实际上可能是今天,说章鱼喜欢指挥鱼,如果鱼不听话,它们会直接打鱼。我看过那个视频,每次看到它我都会笑出声来。太神奇了。绝对令人着迷。
但你仍然认同章鱼?我不认为我最近打过任何人,但我确实喜欢告诉别人该做什么。你是 Sapien Insights 的老板。其中一个老板。其中一个老板。是的。其中一个老板。所以你可以这样做。我可以。但不是打人的部分。不,我不会打任何人,除非他们真的让我很生气。
很高兴知道。非常高兴知道。现在所有收听 HR Data Labs 播客的人也会知道了。这是件好事。
那么,让我们过渡到可能最令人着迷的事情之一,与像你这样令人惊叹、才华横溢的人交谈。不,我不是想奉承你。我真的非常尊重 Sapien 的所有人,尤其是我的两个最好的朋友 Terry 和 Susan。但是……
即使你听 Stacey 谈论人力资源技术调查等等,你也会学到很多东西。这就是为什么我珍惜与你们所有人共度的时光。
所以很明显,如果我们环顾人力资源技术展,有很多主题。发生了很多事情。但最重要的主题之一显然是人工智能及其对人力资源世界的影响。是的。鉴于这里几乎每一个展位,除了 Omaha Steaks,他们实际上没有人工智能。再给他们一年时间。是的,他们会有。♪♪♪
所以我们想问的问题是这里的问题,它说,在过去一年或一年半的时间里,人力资源技术是如何发展和转变的?有趣的问题。而且,你知道,我们在与客户合作以及与供应商合作的过程中看到的是,你知道,
就像人力资源技术领域正在再次扩张一样。所以,你知道,我认为我们会经历这些周期,你会看到很多创新和许多很酷的新组织、很酷的新技术涌现出来,因为有一些问题需要解决。
你有很多伟大的思想家和能够将事物整合在一起并解决问题的人。还有很多精力和很多钱。很多精力和很多钱。我们现在看到的资金不像几年前那么多,但仍然有一些资金可以获得。所以你会经历这些周期,有很多创新,然后
这些组织被那些长期从事这项业务的朋友们收购。随着这种情况的发生,另一个创新周期开始出现。所以在过去一年中,我看到更多的是这种创新运动
围绕任何人工智能的东西。是的。围绕过去那些像
以人为本的事情的能量,并开始看到其中一些事情被自动化或增强。看到很多围绕辅导的能量。因此,BetterUp 是最早的在线辅导平台之一。我们现在开始看到 Cloverleaf 和 Hutrix 等组织出现,他们的评估平台是
然后使用这些数据来推动客户进行行为改变。我对这个特定领域非常兴奋。我们喜欢与从事领导力发展和辅导的客户合作。我们如何……
利用一些技术使这个过程更直接,并将其推广到整个组织。它不再仅仅局限于公司高层了。我本来想问你关于服务的问题,因为这里的所有技术都期望所有参与其中的人
能够购买这项技术并很好地实施它。情况并非总是如此。我指的是这方面的消费者方面。我指的是购买技术的公司,而不是招聘的公司,他们正在招聘来实施它,以及
销售它的公司。我说的是那些需要在消费者方面得到增强的人,因为他们没有人员,而人员正在做他们的日常工作。他们在做他们的日常工作。嗯,
这是我们在今年人力资源技术调查中发现的事情之一,服务现在非常重要。客户满意度水平已大幅下降。这并不是因为技术无法运行。而是围绕技术的服务没有满足客户的需求,而且
现在比以往任何时候都更期望客户用更少的人力做更多的事情。这指的是员工数量,也指的是预算。服务很贵。如果你已经花费数百万美元购买技术,你
你往往不会考虑我还需要花费多少钱用于服务?是的。这就是我在很多投资回报率分析中发现的漏洞,他们没有采取额外的步骤来确保他们已经准备好,并且拥有所有重要的见解或所有重要的见解。
基本上,能够使其在他们的环境中发挥作用的经验。对,对。我们必须非常小心,因为我们的销售人员,我喜欢销售人员,许多软件销售人员带来的价值主张之一是,你将能够用更少的人力做更多的事情。对。无论他们说多少次,我们仍然会相信。是的。现实情况是你可以做同样的事情
用更少的人力,但是当情况紧急时……
你会被期望做更多的事情。绝对的。随着你的客户或用户了解你正在部署的技术的更多信息,对更多技术的拉动将会出现。对。所以你做的越多,你实施的越多,你推出的越多,你将被期望做的越多。这种情况每次都会发生。好吧,我们相信了。这是非常优秀的销售人员,他们的推销,他们的
我们将其用作投资回报率的一部分。我们将其用作购买技术的理由的一部分。正如你所说,我们每次都会陷入这个陷阱,是的,我们可以做到。销售人员说,是的,是的,你不需要增加员工。你不需要获得服务。你不需要聘请顾问来做这件事。我们会为你做。我们的专业服务团队将帮助你完成所有事情。对,对。
专业服务很棒。很多时候他们非常了解他们正在实施的系统。他们可能不了解你的业务。这就是聘请业务顾问能够帮助你理清什么是真实的、什么是虚张声势、你现在需要做什么以及你需要优先考虑什么以及什么可以放在次要位置的地方。♪
喜欢你听到的内容吗?点击订阅,确保永不错过任何一期节目。本播客由 salary.com 提供支持。现在回到节目。
但是 Susan,不是……但所有这些专业服务人员都是。他们是订单接收者。他们不是顾问。他们不会问你,你在未来 5 到 10 年内将如何发展你的职能?因为当你实施它时,它应该对你有生命周期。我的意思是,你的许可证就是这么长时间,或者你的服务合同。所以你不应该聘请像 Sapien 或 salary.com 这样的服务或顾问来……或者两者兼而有之。
能够完成这些实施,并确保它们实际上实现了你在开始时设定的目标?很多时候,是的。你可以使用这些服务。咨询服务可以是轻量级的,也可以是对项目或程序的更重要的接触。获得独立的第三方服务
观点总是好的,嗯,来自你信任的人,嗯,来自那些经历过磨难、真正奋斗过的人,那些真正做过人力资源工作或做过薪资工作的人,嗯,你知道,这就是为什么,嗯,我喜欢我们所做的工作……
因为我们实际上可以与我们的客户合作,并从那些与我们的客户一起奋斗过的人的角度为他们提供建议。你做到了,再说一次,我们在这个项目中不销售。这都是思想领导力。所以这是思想领导力。Sapien 从选择到实施都提供帮助,对吗?是的。
是的。你帮助公司决定什么是正确的。是的。我们利用我们的研究来帮助组织找出哪些产品最能满足他们的需求。我们还与客户一起做一些工作,研究一些超出技术本身的事情。我可以告诉你人力资源管理系统产品的五大产品是什么。
而这五大产品可能不是你组织的五大产品。所以这取决于你组织中发生的事情。你有什么样的文化?你有什么样的 IT 策略?你将走向何方?你需要准备好扩展规模吗?
是你今天规模的两倍,也是你明天的规模的两倍。所以提出这些关键问题会有所帮助。然后从实施的角度来看,我们是不可知的,我们将就任何类型的实施为我们的客户提供良好的实践建议。例如
确保你有一位现场项目经理,例如将变更纳入实施,以便你确实认识到投资回报率。对。而且,
还要查看你的流程。很多时候我参与的项目中,实施人员会说,你想要它是什么样子?对。而对话另一端的人只知道它在最后一种情况下是什么样子,而不是……
什么是伟大的,什么会将他们带入下一个迭代。对。就像从人事行动变更表中取出纸质表格并将其放入你的系统中一样,而不是说,这里有什么可能性?我们可以做什么?是的。是的。
是的,还记得那个装有非常安全的红色线穿过的人事档案袋吗?哦,是的。我喜欢那些红线。是的。是的。是的。我通常会与人们一起咨询的另一件事是数据……
我不想说它被遗忘了,但很多时候人们会说,哦,好吧,我们只是将数据从旧系统移植到新系统,而不是利用一些真正很酷的新策略、功能或新技术的架构。是的。
例如,旧系统是扁平的层次结构,现在你可以做更多分层的层次结构吗?你也可以做更多矩阵层次结构吗?对。你知道,因为这对于系统能够适应来说是一种比较新的东西,但是
但是,你知道,很多时候他们只是说,不,我们只是把它从那里移到那里,然后我们最终会解决这个问题。但这种情况永远不会发生。你永远不会解决这个问题。所以你的新系统中只有旧系统中的内容。我会告诉你,这是在转向人工智能的过程中被发现的事情之一。
如果我的数据是垃圾,那么我正在训练的任何模型都会给我垃圾数据。绝对的。因此,对于那些正在进入人工智能领域的组织来说,请整理好你的数据,看看你的系统中有什么,并提出以下问题:这真的有意义吗?对。
我的数据组织方式是否满足我的业务需求?不仅仅是人力资源,还有我的真正客户,他们是那些经理和一线员工,他们正在为我们的组织做伟大的工作。并且渴望得到答案。想想如果数据不支持他们需要的答案,他们会得到什么垃圾。哦,我的天哪。那将是可怕的。
那将是绝对可怕的。对于那些以前没有听过这个节目的人,我们经常谈论糟糕的数据和……
不幸的是,数据卫生不是正常数据的一部分。数据卫生不是人们运行人力资源混乱的方式的一部分,但是你知道,我们会尽可能多地从山顶上唱出来。是的。我们最近启动了一个……一个关于人力资源系统战略的队列,并且……我们与许多人力资源技术……
经理、领导者、那些奋斗在一线的人们一起工作。我们与他们谈论的第一件事之一是确保他们拥有良好的数据。他们了解他们的数据。他们了解数据的来源。他们了解数据是如何使用的。他们了解数据将流向何处,并真正绘制出数据并清理
不好的东西。对。因为如果你这样做,它将为你提供很多关于你当前状态的信息,并且还会告知你需要填补哪些差距才能达到未来状态。我知道这听起来像一个……
繁琐的过程,但我们喜欢从数据治理的角度来谈论这个问题。是的。能够建立良好的数据治理策略,并拥有数据所有者和数据管理员。是的。这样招聘人员,你知道,虽然他们知道他们拥有招聘流程的所有权,但招聘流程中的某个人需要成为招聘数据的良好管理员。是的。是的。
等等。
继续构建一个。它们并不难构建。它们很难遵守。但我会告诉你,我上周与一位客户在一起,一位我多年未见的老客户。大约 10 年前,他们上线了一个新平台。
他们在上线时实施了数据治理。很好。他们在 10 多年来一直保持着它。所以不再是他们是否会这样做的问题了。当我转到我的下一个角色时,我需要将它转移给谁?
它并不完美,但它的效果比他们开始时好得多。这需要大量的纪律。但这减轻了很大的压力,并给了你更多的信誉和信心。所以当我的董事会来找我说,你知道,我们的意思是我们需要进行全面的……你知道,6% 的增长才能进入市场?是的。
我可以不仅用市场数据,而且用我们内部的数据来支持这一点。我可以以我可能没有的方式支持它。因为你相信你一直在做的事情不仅支持数据……
不仅是决策,而且每个人都理解这一点,因为他们现在,他们都是数据治理的签署者。他们都参与其中。没错。信任。我认为这建立了信任。是的。是的。而且,你知道,这种信任贯穿许多不同的领域,不仅仅是在人力资源内部,而是在整个业务中。嘿,你有没有在听这个,并心想,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/HRDLconsulting 以安排你今天的免费 30 分钟通话。
所以这是一个非常好的部分,我们现在可以过渡到讨论人力资源如何利用人工智能成为更有效的行政助理。而且,你知道,我们可以谈论代理、机器人和其他事情。因为现在你对你的数据有了信任,并且你问它某些事情……
它会做到,因为数据就在那里,并且已经准备好了。对。你不必在代理后面去验证所有数据是否正确,因为你知道它以正确的方式输入了。你以正确的方式训练了模型。你利用了你多年在组织中获得的所有经验,并了解你的员工会问什么样的问题。
因此,你能够更有信心地将曾经的一级任务转变为零级任务,真正释放人力资源团队的时间,让他们处理来自组织的所有新问题以及更高级别的询问,
现在我们有了良好的数据,现在我们有了良好的系统,现在我们已经向组织展示了我们必须提供的所有伟大的东西,组织会来找我们,并希望我们成为帮助他们解决问题的业务合作伙伴。绝对的。新泽西州有一家名为 Sims 的服装店有一则旧广告。
Cy Sims 是老板。这是一家拥有百年历史的服装公司。他过去常说,受过教育的消费者是他最好的客户。我知道这需要很长时间才能做到这一点,所以我道歉。但是,我的意思是,如果你在纽约大都市区,你可能会记得这一点,因为它让你感觉像……
我受过教育。我知道我在找什么。我知道如何买西装。我觉得我可以去看看,这是一个很好的纱支数。它看起来很适合我。
这就是他们的意思,对吗?所以在这种情况下,既然我们知道数据,我们知道我们可以问它什么,我们现在将变得勇敢,并开始问它新的问题。对。把它推向新的方向。绝对的。然后我们可以训练模型与我们一起进步。我认为这甚至可以追溯到我们的供应商,我们的软件供应商。所以如果我们的客户,我们的买家受过教育。是的。
他们知道他们在哪里。他们知道他们想去哪里。他们了解他们的差距在哪里。他们知道向供应商提出什么问题。供应商可以对他们说,是的,我们可以做到这一点。并且有一个扩展。让我们进行这样的对话,以便这些服务水平发生变化。
回到我们想要的地方,回到我们想要它们存在的地方。好吧,当你没有现实感,并且你没有掌握这种情况,你去找供应商,而供应商说,
我从未听说过供应商这么说。我不认为你已经准备好了。你的数据没有整理好。你的流程没有整理好。你没有数据治理策略。从未听说过。所以我们在这里可以提供很大的帮助。是的。因为我们是独立的第三方。我们没有参与其中。
我们有兴趣确保我们的客户做好准备并取得成功。我知道你们也是这样。如果客户没有准备好,那么我们可以与他们进行这样的对话,并为他们提供如何到达那里的路线图。对。并与供应商一起工作。
在我们的环境中,就像有人说,我想成为一家薪酬公平认证公司。我希望你为我们进行薪酬公平分析。然后咨询团队将开始调查他们的数据,并开始查看,你是否拥有所有这些工件等等。然后我们必须对我们发现的所有漏洞进行现实的评估。
然后采取这些步骤来纠正这个问题,然后我们才会转向,哦,我们看到了具有统计意义或不具有统计意义的重大差距。绝对的。这可以追溯到整个信誉对话。对。
因为如果我们不提出问题,并且我们不帮助填补差距,那么当我们用我们的分析和报告向我们的管理层汇报时,他们会问我们这些问题,而我们不会有正确的答案。因为如果他们感觉不舒服,他们没有问过这些问题,他们将不得不签字批准。
他们不会签字批准的。当然不会。是的。这很有趣。那么,让我们稍微谈谈那些人工智能机器人吧。我们如何才能达到他们正在做我们要求他们做的事情的舒适程度?现在,我今天已经多次谈到代理。我今天已经多次谈到机器人。我今天已经多次谈到生成式人工智能及其在适合所有人的企业环境中的地位。
对于人力资源来说,对人力资源有效。你看到公司如何采用人工智能,重点关注人力资源?是的,人力资源中已经有很多嵌入式人工智能。已经有很多自动化了,有时客户甚至不知道它在那里。
嗯,所以首先要做的事情之一是,找出你有什么,对。找出什么正在运行。嗯,然后,然后,你知道,做做梦,想想你想要卸载什么。什么,什么,
你可以一遍又一遍地做同样的事情,而不必占用人工的时间来做。所以你认为这真的被降级为……
非增值重复性任务,还是还有其他任务?不,不,不。合规性是人力资源的基石。我相信有很多与合规性相关的任务可以由机器人、其他人工智能功能来处理,并且
它可以非常一致地完成。它可以按时完成。它可以让我们免受各种麻烦,让我们免受麻烦,并做我认为是卫生方面的事情。
是的。在人力资源职能中。这是门槛。这是你必须做的事情。你必须做好。你必须始终如一地做好。对。因为当你搞砸了的时候,它总是会被发现,你最终会陷入一种情况,你必须支付罚款,或者有人被解雇。是的。我认为用例……
在我的脑海中立刻浮现出来,因为我是一个薪酬专家,就像最低工资审计,确保例如在美国各地的每个城市中每个人的有效工资率都符合最低工资要求,或者……
我的意思是,这是一个简单的例子。但我相信所有收听的人都在想,嗯,我有一个更好的例子。我的脑海中还有另一个例子。但是 Susan,让我们稍微谈谈那个助理,那个可以填补我们一直在处理的许多空白的人工智能助理。例如,对于招聘人员来说,能够安排……
面试。是的。安排面试,确保日历是最新的并且是空的。将候选人分组到小组面试的队列中。对。那里有很多机会。我不希望我的机器人筛选我的简历,但我可以接受他们进行安排。是的。
我可以接受他们确保我们所有需要回答的问题都被捕捉到并准备好了。转录?是的,绝对的。所有的事情……
我不必担心会引入偏差。我一直都很小心地用我们人类的偏见来训练我们的 AI。这是我担心我们数据中的另一件事,过去很多决定都是如此有偏见,尤其是在薪酬公平、招聘或晋升方面,
我担心它会将过去作为未来的先兆。对。对。一种方法是进行研究。
你知道,利用所有机会去学习更多关于薪酬公平的信息。让我们不要重蹈覆辙。是的,人类真的很糟糕,总是重复过去的错误,所以……我们会,但希望永存。确实如此。好吧。
让我们希望,当我们开始谈论人工智能世界时,我们不仅仅是为了降低成本而取代人类。我们正在为人们提供工具,让他们能够做更多的事情,就像你之前描述的那样,增值活动使他们能够做得更好。绝对的。我对下一代充满信心。我认为他们非常有创造力。我认为他们会想出我们从未梦想过的事情。我希望你是对的。我是。好吧,你是帮助设定公司如何使用这项技术的人。所以希望他们正在听你的话,尤其是在这个播客里。♪♪♪
苏珊,非常感谢你与我们在一起。你太棒了。我真的很期待每一次HR Tech,因为我有机会和你交谈。我喜欢和你一起玩,戴维。你总是让我思考。你总是让我学习。所以谢谢你。不,我真的很感激。我们是很好的搭档。是的,我们是。我们应该更经常见面。我认为我们应该。好吧,我会记住的。好的。再次感谢你。谢谢,戴维。保重,注意安全。
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,请把这个节目分享给他们。感谢您本周加入我们,敬请期待我们下一集节目。注意安全。