极客网·极客观察1月12日 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”（Digital Managers），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Amy Loomis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Stack-ranking员工，看看谁适合聘请，谁应该炒掉。
所谓Stack-ranking，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Stack-ranking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Kelly Nantel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，Kelly Nantel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Shannon Kalvar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%。Forrester Research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？Forrester Research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。
Forrester Research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。”
Forrester Research还谈到了Build Platforms和Buy Applications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。”（小刀）
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
