当云计算遇上冠状病毒:云计算如何实现行业转型——特别在公共服务领域

当科技公司说数据在云端时,我们都知道此云非彼云。事实上,云端只不过是一个花哨的营销术语,相比直截了当地告诉用户,他们的数据存储在数据中心的服务器上,云端能带给用户一种奇妙的感觉。“云计算”这个词的使用最早出现在2006年,由一家大型科技公司在行业会议上提出,从此得到了广泛的使用。然而,基于网络计算的想法,可以追溯到20世纪60年代。[1]
长期以来,与使用云计算有关的风险限制了这项技术的广泛采用。然而,去年横扫全球的大流行病推动了云计算应用的发展,公司,特别是政府机构也在越来越多地投资于云计算解决方案。但使用云计算的风险依然存在,公司和政府机构需要意识到他们可能会失去对其重要战略数据的控制,并为这种情况做好准备。在一些国家,法律要求云服务提供商允许政府机构访问云端的数据,即使这些数据位于该国之外。这方面的一个例子是针对美国公司的美国云法案,而当前市场上最大的云供应商多数来自美国。尽管人们对云计算中的信息安全表示担忧,但云计算却成了帮助我们度过危机的 “最佳 “解决方案。
在线教育
《金融时报》报道,由于COVID引起的中小学和高校关闭,全世界有超过15亿学生被挡在教室之外。由于基于云的应用程序和工具,他们中的许多人已经能够继续使用在线课程。尽管面临着诸如在线资源获取不足和与传统课堂情况相比缺乏专注力等挑战,教育工作者普遍认为许多新的云技术仍将在大流行之后继续存在。现场和在线学习的混合方法极有可能会在未来几个学期继续下去。
随时随地工作
我们中的许多人都曾经在家里工作过,并意识到云应用程序和服务是远程工作的支柱。最大的软件开发者开源社区之一GitHub的首席执行官纳特-弗里德曼在一次采访中解释说,过去,世界上许多最有抱负的软件开发者必须到美国西海岸去实现他们的梦想,但现在只要到云端就可以做到。正如他所指出的,GitHub在美国的开发者社区在去年缩减了10%,而尼日利亚、孟加拉国、埃及和哥伦比亚等其他地方已经成为最强劲的增长点。
这进一步为企业解决人才短缺问题提供了一种新颖的方式。许多发达国家已经开始从国外雇用人员从事远程工作,特别是从那些来自平均工资较低的国家。但是,这场大流行病也凸显了离岸外包的风险。当印度的呼叫中心或数据标签公司关闭时,因为大量员工离开工作地点不具备电脑、互联网接入和安全许可,他们根本就没法在家工作。
加速公共部门的投资
在许多政府部门,安全问题一直是不愿意采用云计算的主要原因。然而,对大流行病的反应以及私营部门和公民对数字访问公共服务的需求不断增加,增加了对应用程序和基础设施现代化的压力。因此,可以看到在云的采用方面有更多的开放性和新的兴趣。
政府机构使用云计算因其可扩展性和节省成本、快速部署等优势。Gartner预测,到2025年,95%的新政府IT投资将是作为一种服务解决方案。尽管COVID-19给云计算供应商带来了重大机遇,但只有那些有准备的供应商才能处理这种意外的需求高峰。
在JANZZ.technology,我们通过云计算为公共就业服务部门(PES)提供综合劳动力市场解决方案。通过我们强大而独特的架构,我们可以成功管理任何突然增加的负载,并提供不间断的用户体验。通过利用嵌入式机器学习(Embedded ML)和人工智能(AI),公共就业服务部门可以通过最先进的解决方案获得强大的劳动力市场实时分析,即使在基础设施较差的国家。
作为一家瑞士公司,我们的监管制度不同于市场上大多数其它主要供应商。在JANZZ.technology,我们的解决方案主要以SaaS的形式在严格监管、符合ISO 27001、CCPA和GDPR的私有云环境中提供,通常也是在我们运营国家的境内。无论是否有2019冠状病毒的发生,我们早已认识到公共服务部门,特别是公共服务就业部门数字化转型的紧迫性。我们已经准备好支持任何规模的公共就业服务部门完成他们的数字化转型。
要了解更多关于我们为公共就业服务部门提供的基于云的SaaS云的解决方案,请访问我们的公共就业服务产品网站,或通过info@janzz.technology与我们联系。
 
[1] https://www.technologyreview.com/2011/10/31/257406/who-coined-cloud-computing/#:~:text=Part%20of%20the%20debate%20is,term%20to%20an%20industry%20conference  » 了解详情: 当云计算遇上冠状病毒:云计算如何实现行业转型——特别在公共服务领域  »

当云计算遇上冠状病毒:云计算如何实现行业转型——特别在公共服务领域

当科技公司说数据在云端时,我们都知道此云非彼云。事实上,云端只不过是一个花哨的营销术语,相比直截了当地告诉用户,他们的数据存储在数据中心的服务器上,云端能带给用户一种奇妙的感觉。“云计算”这个词的使用最早出现在2006年,由一家大型科技公司在行业会议上提出,从此得到了广泛的使用。然而,基于网络计算的想法,可以追溯到20世纪60年代。[1]
长期以来,与使用云计算有关的风险限制了这项技术的广泛采用。然而,去年横扫全球的大流行病推动了云计算应用的发展,公司,特别是政府机构也在越来越多地投资于云计算解决方案。但使用云计算的风险依然存在,公司和政府机构需要意识到他们可能会失去对其重要战略数据的控制,并为这种情况做好准备。在一些国家,法律要求云服务提供商允许政府机构访问云端的数据,即使这些数据位于该国之外。这方面的一个例子是针对美国公司的美国云法案,而当前市场上最大的云供应商多数来自美国。尽管人们对云计算中的信息安全表示担忧,但云计算却成了帮助我们度过危机的 “最佳 “解决方案。
在线教育
《金融时报》报道,由于COVID引起的中小学和高校关闭,全世界有超过15亿学生被挡在教室之外。由于基于云的应用程序和工具,他们中的许多人已经能够继续使用在线课程。尽管面临着诸如在线资源获取不足和与传统课堂情况相比缺乏专注力等挑战,教育工作者普遍认为许多新的云技术仍将在大流行之后继续存在。现场和在线学习的混合方法极有可能会在未来几个学期继续下去。
随时随地工作
我们中的许多人都曾经在家里工作过,并意识到云应用程序和服务是远程工作的支柱。最大的软件开发者开源社区之一GitHub的首席执行官纳特-弗里德曼在一次采访中解释说,过去,世界上许多最有抱负的软件开发者必须到美国西海岸去实现他们的梦想,但现在只要到云端就可以做到。正如他所指出的,GitHub在美国的开发者社区在去年缩减了10%,而尼日利亚、孟加拉国、埃及和哥伦比亚等其他地方已经成为最强劲的增长点。
这进一步为企业解决人才短缺问题提供了一种新颖的方式。许多发达国家已经开始从国外雇用人员从事远程工作,特别是从那些来自平均工资较低的国家。但是,这场大流行病也凸显了离岸外包的风险。当印度的呼叫中心或数据标签公司关闭时,因为大量员工离开工作地点不具备电脑、互联网接入和安全许可,他们根本就没法在家工作。
加速公共部门的投资
在许多政府部门,安全问题一直是不愿意采用云计算的主要原因。然而,对大流行病的反应以及私营部门和公民对数字访问公共服务的需求不断增加,增加了对应用程序和基础设施现代化的压力。因此,可以看到在云的采用方面有更多的开放性和新的兴趣。
政府机构使用云计算因其可扩展性和节省成本、快速部署等优势。Gartner预测,到2025年,95%的新政府IT投资将是作为一种服务解决方案。尽管COVID-19给云计算供应商带来了重大机遇,但只有那些有准备的供应商才能处理这种意外的需求高峰。
在JANZZ.technology,我们通过云计算为公共就业服务部门(PES)提供综合劳动力市场解决方案。通过我们强大而丰富的架构,我们可以成功管理任何突然增加的负载,并提供不间断的用户体验。通过利用嵌入式机器学习(ML)和人工智能(AI),公共就业服务部门可以通过最先进的解决方案获得强大的劳动力市场实时分析,即使在基础设施较差的国家。
作为一家瑞士公司,我们的监管制度不同于市场上大多数其它主要供应商。在JANZZ.technology,我们的解决方案主要以SaaS的形式在严格监管、符合ISO 27001、CCPA和GDPR的私有云环境中提供,通常也是在我们运营国家的境内。无论是否有2019冠状病毒的发生,我们早已认识到公共服务部门,特别是公共服务就业部门数字化转型的紧迫性。我们已经准备好支持任何规模的公共服务部门在这个数字化的旅程中。
要了解更多关于我们为公共就业服务部门提供的基于云的SaaS云的解决方案,请访问我们的公共就业服务产品网站,或通过info@janzz.technology与我们联系。
 
[1] https://www.technologyreview.com/2011/10/31/257406/who-coined-cloud-computing/#:~:text=Part%20of%20the%20debate%20is,term%20to%20an%20industry%20conference  » 了解详情: 当云计算遇上冠状病毒:云计算如何实现行业转型——特别在公共服务领域  »

人工智能,自动化和未来工作——我们需要跳出局限去思考

近年来,有许多关于人工智能和自动化将如何塑造未来工作的讨论、文章和报告。根据作者的出发点或目的,这些文章大致分为两种:要么新技术将抢走我们的工作,对劳动力市场产生破坏性影响;要么它将为我们创造一个更美好和光明的未来,不仅能替代我们完成那些无聊的工作,还能创造出更好、更有趣的工作。可能真相往往就在这两个极端之间。在本篇文章中,我们想通过讨论当下关于该话题最常见的论点和主张,并将其与事实进行比较,进而得到一个更全面的视角。但在此之前,我们想澄清什么是人工智能驱动的数字化转型这个概念。简而言之,它的落脚点是自动化,即使用人工智能技术来完成我们不希望人类自己执行的任务,或者人类自己无法执行的任务。就如同过去发生的第一次、第二次和第三次工业革命。

从织袜机到人工智能艺术

伴随着每次工业革命的发生,人们都担心着同一件事:人类作为工人会被淘汰。那么,我们为什么要实现自动化?尽管发明本身对一些发明者而言如同着魔一般,但更多时候,一项发明或突破的诞生是由商业利益所驱动的。企业除了为保持竞争力和提高利润外,很少以其它目的进行变革,之前的几次工业革命都如是。16世纪的长袜织机被发明出来,是为了替代人类劳动以提高生产力和降低成本。19世纪磨坊和工厂的蒸汽动力器以及农业机械的使用也是出于同样的原因,还包括20世纪下半叶车辆制造中的机器人 。无论是拖拉机、装配线,还是电子表格,其首要目的都是用机械动力代替人类的劳动,用机器的一致性代替人类的手工劳动,用数字计算代替缓慢且容易出错的 “人类软件”。但到目前为止,尽管许多工作因自动化而消失,一些新的工作确实有被创造出来。大规模生产要求对工作进行细致的分配。 随着汽车取代马作为交通工具,和马相关的职业逐渐减少,同时汽车提高了人的流动性,使得公路边食品和住宿业不断发展壮大创造了相关的就业机会。原本为了用来取代办公室里人工的机器计算能力得到突飞猛进的发展后,引发了全新的产品和游戏业的出现。伴随着这些发展,财富的增加和人口的增长导致了娱乐和消费需求的提升,进而推动了相关行业的发展并创造了就业机会——尽管不像人们想象的那样多,我们将在后面看到。然而,我们不能简单地认为,只因为过去的几次工业革命如此,当前正在发生的革命就会遵循同样的模式,即创造更多的就业机会和财富,而不是产生更大规模的破坏 。与机械技术和基础计算不同,人工智能技术不仅有可能取代廉价劳动力,例如,用清洁或 农业机器人。它们也已经开始超越昂贵的工人,如病理学家诊断癌症和其它医疗专业人员诊断和治疗病人,并且还在触及创造性的任务,如为 电影预告片选择场景或制作数字艺术。当然,我们也不应该简单地假设一个工作机会减少、财富沉沦的乌托邦式的未来。但我们必须牢记,目前,在许多情况下,用人工智能解决方案取代昂贵的工人,比雇佣廉价劳动力如孟加拉国的纺织工人更能显现成本效益。

因此,为了得到更全面的观点,让我们看看目前关于人工智能和未来工作最常见的说法,看看它们是否能够经得住审视。

声称一:人工智能创造的就业机会将多于/少于所破坏的就业机会

这是乌托邦式/歇斯底里式设想中提出的主要论点,包括 世界经济论坛的报告(到2025年,26个国家将有9700万个新工作岗位与8500万个被取代的工作岗位),普华永道(”从长远来看,自动化带来的任何工作损失都可能被创造的新工作岗位广泛抵消”),福瑞斯特(到2030年,工作损失为29%,只有13%的工作机会可以弥补)和许多其它报告。无论怎样,任何净变化都会带来重大挑战。正如波士顿咨询公司在最近一份关于该主题的 报告中所说,”失去或获得的工作岗位净数是一个人为的简单指标 “来估计数字化的影响。工作岗位的净变化为零,甚至增加,可能会造成劳动力市场的重大不对称,一些行业或职业出现巨大的人才短缺,而另一些行业则出现大量工人过剩和失业。另一方面,更少的工作岗位不仅仅导致失业——或是就业不足,还可能导致更多的工作共享,从而缩短工作周。尽管从理论层面上听起来不错,但它也提出了更多问题。薪酬和福利将受到什么影响?谁会获得大部分的金钱回报?公司?工人?政府?诚然,到目前为止,要看到人工智能的采用对整体就业或工资的影响还为时过早。但过去的工业革命所产生的影响,并不能直接套用到现在。更何况之前的结果显示,就业和财富增长并不像人们经常描述的那样辉煌。自1970年以来,经合组织国家的就业与工作年龄人口的比例一直保持相当稳定,仅从略高于64%上升到略低于69%。[1]这一增长大部分应归因于更高的劳动参与率,尤其是妇女。而财富的增加显然不是平均分配的,例如,在美国。

来源: 经济政策研究所, https://www.epi.org/publication/charting-wage-stagnation/

来源: 经济政策研究所, https://www.epi.org/publication/charting-wage-stagnation/

我们根本没有理由认为人工智能和自动化会自动使社会更富有,或者增加的财富会被平均分配。因此,我们应该同样准备好应对更多的负面情况,并讨论如何减轻后果。例如,是否应该同等对待人类劳动和人工智能?如果是,我们可以考虑对人工智能征税,以支持财富的再分配,或为被淘汰的工人提供培训或福利和退休金。

事实上,这些所谓的预测显然应该受到质疑。谁能保证某个工作会减少?我们怎么能知道未来会出现什么样的工作?这些预测都不是真正可靠或客观的——因为它们主要是基于一些人的意见。例如,世界经济论坛的《未来工作报告》, 这个在该主题最有影响力的报告之一,是基于雇主方进行调查的。相信有人能指出未来工作和技能的需求本就是天真的,更何况是一群武断的企业领导人。人们不应该对这一点抱有比算命更大的期望。只要看看19世纪初对汽车的预测,60年代对远程购物的预测,80年代对手机的预测,或40年代以来对电脑的预测。这么多的科技预测都是完全错误的,为什么要相信现在的预测?这些备受质疑的预测正是让我们对 “未来工作 “产生误判的重要原因。

然而,关于这个主题的科学合理的研究极其稀少。这一领域为数不多的论文之一研究了2007年至2018年人工智能对美国劳动力市场的影响。作者(来自麻省理工学院、普林斯顿大学和波士顿大学)发现,企业内部更多的人工智能接触与较低的雇用率有关,也就是说,到目前为止,人工智能的采用主要集中在对工作的替代,而不是增强。这篇论文同时还发现,没有证据表明人工智能的巨大生产力效应会增加招聘。有些人可能想说,这支持了二元论的观点。然而,我们也必须注意到,这项研究是基于在线空缺数据,因此应谨慎对待其结果,我们在另一篇文章中详细解释了这一点。此外,由于技术创新和采用的动态性,几乎不可能推断和预测这样的结果,对未来的发展做出准确的判断。

从更哲学的角度来看,如果我们大幅减少工作,对人类生存意味着什么?工作是根植于我们的本性,它是判定人类的一个决定性的特征。

声称二:计算机擅长我们认为困难的事情,而不擅长我们认为容易的事情

对谁来说难和易?幸运的是,我们并不都有相同的长处和短处,所以很明显,我们并不都觉得同样的任务 “容易 “和 “困难”。这只是又一个基于完全主观判断的极其概括性的说法。假如我们对于工作难易的判断趋同,想必大多数人会认为重复性任务肯定容易, 至少相对容易。这与下一个说法直接矛盾:

声称三:人工智能将(仅仅)摧毁重复性工作,并将产生更有趣、更高价值的工作

世界经济论坛指出,人工智能将使数据输入和流水线制造等重复性工作自动化,”使工人能够专注于更高价值和高接感的任务”,”对企业和个人都有好处,他们将有更多时间埋头于创造性、战略性和创业性的工作”。波斯顿咨询公司谈到 “从生产线上有重复性任务的工作转向生产技术的编程和维护工作”,以及 “取消法律、会计、行政和类似职业中的平凡、重复性任务,为员工承担更多战略角色提供了可能”。问题是,究竟谁能从中受益?并非每个能够完成重复性工作的工人都有潜力承担战略性、创造性和创业性的角色,或对生产技术进行编程和维护。事实上,并不是每个人都能被训练成上述角色。对于知识分子来说,更令人满意、更有趣的任务(例如由人工智能带来的更光明的工作前景)可能对于普通蓝领工人来说太具挑战性了,他们的工作–很可能是完全令他们自己满意的–刚刚被自动化了。而且,并不是每个白领工人都能或想成为企业家或战略家。此外,”更高的价值 “到底应该体现在哪里?谁会从中受益?到目前为止创造的新工作,如亚马逊的仓库工人,或Uber和Postmates的司机,并没有被支付体面、有保障的工资。而且,自20世纪70年代初以来,企业并无兴趣与工人共享由生产力提高所带来的附加值。

来源: 经济政策研究所, https://www.epi.org/publication/charting-wage-stagnation/

另一方面,大量已经出现的人工智能应用主要在数据挖掘、模式识别和数据分析的基础上执行高层次的技能任务:医疗范畴内的诊断和治疗,客户服务聊天机器人,作物优化和耕作策略,金融或保险咨询,欺诈检测,物流和公共交通的调度和线路,市场研究和行为分析,劳动力规划,产品设计,等等。这些应用对就业市场的深层影响还不明朗,但绝不仅仅是将无聊、重复的任务从我们的工作中删除。

声称四:我们(只)需要提高/再培训工人

我们当然不反对这种说法,但对于应对未来人工智能驱动的劳动力市场,并 “拥抱人工智能的积极社会效益”(世界经济论坛),它似乎是一种过于简单的补救措施。事实是,这里其中有多个值得关注的点,远非一个简单的解决方案能奏效的。

首先,我们反复强调,预测 “未来的工作”是不可靠的,特别是预测哪些工作在未来真的会有需求,哪些不会。此外,根据以往工业革命的影响和目前的研究,人工智能的广泛采用极有可能引入新的工作,其特征是我们目前无法判断的。这意味着我们需要让当前和未来的专业人员掌握我们目前一无所知的工作所需的技能。一个经常被建议来解决这个问题的方法是鼓励终身学习,促进更多适应性强的短期培训和教育形式。这当然是一个有效的选择,而且显然正在成为趋势。然而,有几个方面需要牢记。例如,15-20%的美国和欧盟成年人口[2]识字率低(PIAAC 1级或以下)。这意味着他们在填写表格或理解不熟悉的主题的文本等任务上有困难。如果这些人不能阅读教科书,不能浏览手册,不能写简单的报告,怎么能培训他们在 “更复杂和更有价值的项目 “中取得成功呢?此外,在美国和欧盟,大约10%的全职工人是穷忙族。[3] 这些人通常既没有时间、资源,也没有雇主对终身学习的支持,因此没有充分了解的机会获得高效、有针对性和负担得起的(再)培训。

当上面这些问题得到解决时,他们中的许多工人可能已经错过了时机。2018年,美国雇主估计,到2022年,超过四分之一的劳动力将需要至少三个月的培训,才能跟上他们当前角色的必要技能要求。 [4] 两年后,这一比例增加了一倍多,超过60%,全球各地的数字也差不多。 [5] 此外,即使在大萧条之后的时期,在2000年至2006年期间,每10名被解雇的美国工人中,只有大约6人在12个月内重新就业。 [6] 2019年,欧盟的这一比例也是如此。[7] 随着技能需求的变化越来越快,再加上在穷忙族和低文化水平工人等弱势群体缺乏时间和/或资源,以及保障系统的不完善和劳动力发展体系的不健全,这些工人的前景很难得到改善。

当前,COVID-19这一大流行病已经大规模地加速了许多部门在工作场所自动化和人工智能的采用。机器人、机器设备和人工智能系统在极短的时间内被部署到地板清洁、温度测量或食物订购等场景,它们替代了食堂、收费站或呼叫中心的员工,甚至包括巡逻闲置房产、增加医用品工业生产等工作中 。在过去,新技术是的部署是渐进式的,员工能有时间来过渡到新的角色。这一次,由于突然的封锁和隔离,雇主争相用机器或软件取代工人。这与之前的工业革命有着至关重要的区别。许多工人被解雇,根本没有足够的时间进行再培训。类似的破坏性事件很可能在未来继续发生——无论是另一种大流行病还是技术突破——作为一个社会,我们需要为这样的事件做好准备,并为受影响的工人提供迅速、有效和最现实的支持。

声称五:雇主应将提高和再培训视为一种投资,而不是一种支出

如果一家公司用机器人取代了所有的收银员,他们为什么要对被裁员的工人进行再培训?甚至政府也很难采取培训和再教育这种立场。许多国家主要关注年轻人的大学或相关教育,而不是重新培训求职者或雇员。例如,美国政府花了0.1%的GDP来帮助工人完成工作转型,还不到30年前的一半——尽管技能需求的变化比三十年前快得多。而绝大多数企业主要是为了实现利润最大化——这就是我们经济的运作方式。请记住:在我们生活的世界里,甚至连做三明治和遛狗的人都要被迫签署竞业禁止协议,以防止他们以到竞争对手那里工作能得到更高的工资为威胁而获得加薪。

表现良好的对话软件可以使一个公司把一个千人的呼叫中心,降低规模到百人加上聊天机器人。一个机器人可以在一小时内回答一万个询问,远远高于任何最有效率的呼叫中心员工能处理的实际数量。此外,聊天机器人不会生病,不需要请假,也不会要求津贴和福利。他们会做出一致的、基于证据的决定,不会偷窃或欺骗他们的雇主。因此,如果这个软件的质量足够好,价格也合适,没有哪个公司会拒绝,否则这很可能会在股东中引起骚动。毕竟,一个既能提高效率和生产力又能降低开支的解决方案是我们这个时代企业的理想选择。因此,即便这家公司不这样选,它的竞争对手就也会。 尽管我们不断从硅谷听到 “科技为社会服务 “的宣传,大多数公司对即将离职的工人的未来毫无兴趣。

突破局限

我们不能过度夸大或简单地自我安慰说会有足够的工作机会的,否则我们将不得不持续地追赶。当前,大多数列举的问题或解决方案的探讨往往局限在象牙塔里拿着高薪的学术研究者、科技企业家和政策制定者中,并且掺杂着大量的理想主义。这一次全新革命带来的变革,无论好坏,都蕴含着彻底改变当前劳动力市场和社会生活的巨大潜力,我们需要超越局限,根据事实和客观数据为未来设计现实的战略,否则,我们只能不停的追赶。

[1]    https://stats.oecd.org/Index.aspx?DatasetCode=LFS_SEXAGE_I_R#
[2]  美国: https://www.libraryjournal.com/?detailStory=How-Serious-Is-Americas-Literacy-Problem
       欧洲: http://www.eli-net.eu/fileadmin/ELINET/Redaktion/Factsheet-Literacy_in_Europe-A4.pdf
[3]  美国: https://www.policylink.org/data-in-action/overview-america-working-poor
       欧洲: http://www.europeanrights.eu/public/commenti/BRONZINI13-ef1725en.pdf
[4]   The Future of Jobs Report 2018, 世界经济论坛, 2018.
[5]   The Future of Jobs Report 2020, 世界经济论坛, 2020.
[6]   Back to Work: United States: Improving the Re-employment Prospects of Displaced Workers, 经合组织, 2016.
[7]   https://skillspanorama.cedefop.europa.eu/en/dashboard/long-term-unemployment-rate?year=2019&country=EU#1

打造人工智能时代的劳动力:由中央和地方政府共同推动的人工智能计划

本篇是我们进行的系列文章的一部分,该系列分析政府在建设人工智能劳动力战略方面的政策和做法。此前,我们分析了新加坡如何帮助职业生涯中期的PMET(专业人士,经理,执行人员及技师)转入科技领域(英文),以及在沙特阿拉伯,政府、科技公司和教育机构之间的共同努力(英文)。我们的第三站是中国。
在世界主要经济体纷纷宣布将发展人工智能上升为国家战略的时候,中国也在2017年发布了《新一代人工智能发展规划》。 这是中国在国家工作报告中第一次专门提及人工智能,中国的目标是到2025年建成价值超过4000亿人民币的核心人工智能产业,到2030年成为世界领先的人工智能大国。
中国工业和信息化部去年发布了一份关于人工智能产业人才发展的报告。该报告指出了中国目前人工智能人才库的三个主要问题:第一,在人才供应上,人才技能和需求之间的严重不匹配; 第二, 人工智能人才的质量满意满足需求;第三, 人工智能人才供需的区域不平衡。该报告指出,在未来几年内会有30万名人工智能劳动力的短缺。为了解决以上诸多问题,中央和地方政府共同努力,积极推出了一系列工智能人才建设的政策。
2018年4月,中国国家教育部为高等教育机构制定了一项关于人工智能创新行动计划。该计划敦促将人工智能课程纳入高等教育课程体系,到2020年建立100个 “人工智能+X “复合培养模式,培养专业领域的人工智能人才,到2020年建立50个人工智能学院、人工智能研究院或交叉研究中心,并在中小学阶段引入人工智能普及教育。根据中国国家教育部网站上的公告,目前共有215所高等教育机构为本科生提供人工智能专业。
2020年1月,中国国家教育部与中国国家发展和改革委员会和财政部宣布了一个联合通知,进一步发展 “人工智能+X “模式,促进人工智能领域的研究生培养。同年,教育部扩招了18.9万名硕士生,而人工智能是扩招的热门专业之一[1]。联合通知中的建议还包括鼓励人工智能龙头企业的发展和人才培养需求,提供双聘等灵活的聘用方式吸引企业和研究机构的人工智能专家到高校开展工作,以及资金支持,鼓励企业参与建设国家人工智能产教融合创新平台。
地方政府 在人工智能产业人才培养方面也作出了积极的探索和实践。京津冀地区、长江三角洲地区、粤港澳大湾区和川渝地区是中国人工智能产业的主要发展高地。重庆,中国的工业内陆城市,已于2020年初成为中国13个 “新一代人工智能创新发展试验区 “之一。作为中国人工智能战略的手段之一,新一代人工智能创新发展试验区将获得国家财政支持和有利的地方法规,以鼓励人工智能产业的扩张。根据重庆市政府网站,首批73个重大项目已获批准,总投资约296亿人民币。
与此同时,重庆市政府发布了多项政策措施,以扩大该市的人工智能人才库,包括发布人才需求目录,对产业人才进行需求统计和预测;财政支持大数据智能化企业在大数据智能化相关岗位开展一至两年的学徒培养模式;财政支持大数据智能化企业为高校毕业生提供不超过12个月的实习岗位。
受瑞士驻成都总领事馆和中瑞科技园的邀请,JANZZ.technology在2019年曾两次来到重庆,我们还有幸参加了每年在重庆举办的高标准科技活动——智博会。我们见证了这个传统制造业城市的巨大潜力。随着世界各国政府踏上数字化转型之路,他们的公共就业服务机构急需寻求合适的解决方案,以支持他们在工作匹配、提高就业能力、解决技能差距以及使教育产品符合市场需求方面发挥日益重要的作用。
要了解JANZZ.technology如何协助公共就业服务机构应对这些挑战,请访问我们的公共就业服务机构产品网站,或通过以下方式联系我们:info@janzz.technology
[1] http://www.xinhuanet.com/2020-04/28/c_1125917657.htm  » 了解详情: 打造人工智能时代的劳动力:由中央和地方政府共同推动的人工智能计划  »

Creative Associates International报道了UbicaNica.jobs的消息

Creative Associates International报道了UbicaNica.jobs——我们在尼加拉瓜开展的就业安置平台,它由人工智能驱动并且能实现无偏见 。Creative’s Development Lab总监Ayan Kishore在文章中说:“在尼加拉瓜,人们并没有太多的机会上网找工作,所以如果你在尼加拉瓜,你会看报纸或者依靠口口相传。而在世界其它地方,人们并不是这样找工作机会的”。得益于JANZZ提供的全方位技术以及该项目的其它主要负责人的共同努力,UbicaNica.jobs将为该国的求职者,特别是年轻人带来真正的改变。JANZZ.technology渴望继续为那些利用人工智能进行社会公益的项目做出贡献,并采用道德和负责任的原则,从而在更多地区产生更好的社会效应。

点击这里阅读该文章(英文)。

JANZZ被Gartner 技术成熟度曲线报告誉为2020 人力资本管理技术技能本体供应商典范

我们自豪地宣布,JANZZ.technology被Gartner 技术成熟度曲线报告誉为2020 人力资本管理(HCM)技术技能本体供应商典范。这一认可再次证明我们独特的多语言工作和技能本体,能为企业和公共就业服务解决方案提供创新方法。

什么是Gartner 技术成熟度曲线?

“Gartner技术成熟度曲线”以图形的方式展示了技术和应用的成熟度和采用情况,以及它们与解决实际业务问题和利用新机遇的潜在关联性。Gartner技术成熟度曲线让您了解一项技术或应用将如何随着时间的推移而发展,为您在特定业务目标的背景下管理技术部署提供了可靠的洞察力来源。[1]

JANZZ被Gartner 技术成熟度曲线报告誉为2020 人力资本管理技术技能本体供应商典范

技能本体被视为对HCM具有莫大的益处,目前正处于Gartner技术成熟度曲线五个阶段中的第一个阶段:创新触发器。Gartner将这一阶段描述为 “一个潜在的技术突破引发的阶段。早期的概念验证案例和媒体兴趣引发了大量的宣传。通常不存在可用的产品,商业可行性也未被证实。” 十多年前,即2009年,我们开始研发自己的技能本体。现在,它是全球最全面的多语言技能本体,并在过去几年中反复得到验证,被成功部署在不同规模的多个系统中。

什么是技能本体?

技能本体在数据结构中组织了大量有关能力、胜任力、知识和经验的概念集合,以及它们之间的关系。它为人工智能在人才获取、人才发展和劳动力规划等领域的应用提供了基础。众多供应商声称他们拥有本体,但实际上,他们只有一个分类法或一个资源库。[2] 在JANZZ,我们拥有一个真正的本体,JANZZon! 它不仅仅包括技能,它还包含了职业、职称、工作经验、培训和资格、行业等等,可以说它是一个工作和技能本体。我们认为,仅仅匹配技能而不考虑职业/角色等其他信息,会导致极其不准确的结果。一个零售收银员和一个零售药剂师会有共同的技能,例如客户服务技能,但他们的关键技能,即他们的专业知识和他们的资格有很大的不同。所以,即使其他列出的技能都是匹配的,但如果建议收银员去做药剂师的职位,那就完全是无稽之谈。语境是必不可少的,也是我们的工作和技能本体产生的关键信息类型之一。

此外,与市场上的其他技能本体不同,JANZZon!区分了技能水平及其上下文。例如,初级职位所需的技能水平与高级专家的技能水平不同,用开发项的技能集合与室内设计项的技能集合也不尽相同。这些差异在我们的工作和技能本体JANZZon!中得到了体现,这也是我们的职位与候选人匹配以及职业规划工具有着惊人准确性的驱动因素之一。

请观看关于JANZZ本体的视频(英文)

为什么不继续使用分类法或资源库呢?

许多技术提供商仍然依赖的技能或工作库,主要是由专家(通常是心理学家)分析和分类与工作类别或职能相关的技能和技能水平而建立的。这些方法需要耗费大量的人力,而且局限性很大,往往只关注跨职能的技能或数量有限的特定岗位技术技能。此外,在瞬息万变的职场中,这些库一经完成,几乎同时也变得过时。

然而,这些库的关键问题是,对于一个特定的职业来说,并不存在一个标准的技能档案。这意味着,基于技能库的搜索和匹配结果只能是令人失望。另一方面,如果有了正确的技能本体,您就可以得到一个不断更新的综合数据库,为 “改变用户对工作搜索的相关性、候选人与工作角色的匹配以及学习内容的推荐”提供技术基础。[3]

与技能库或分类法相比,技能本体的关键优势在于它将同义词以及类似和相关的技能联系起来。通过将不同的参与者、招聘信息和候选人/员工简历中的不同词汇转化为一种共同的语言,并赋予搜索术语上下文,这极大地改善了搜索和匹配。因此,经典的基于关键字的方法可以被语义搜索所取代,在语义搜索中,系统能理解搜索术语的含义,而不是固执地比较字符串。[4] 例如,当输入术语CEO时,基于本体的系统将排除诸如CEO助理的结果。或者,当输入术语技工时,系统会建议更精确的术语,如汽车技工轮船技工。这样一来,就可以更准确地识别出最适合该工作的人才——排除不合适的候选人,也不漏掉顶尖的候选人。

此外,我们基于本体的系统可以识别从广告牌画家安全等各种职业的隐性技能,并利用这些技能提供更令人满意的结果–不仅是工作和候选人,而且还包括剖析、差距分析和职业路径。我们的技能本体中存储的上下文知识也是我们高性能工作和简历解析器的关键技术。

HCM技术的先锋解决方案

目前市场上大多数基于本体的HCM应用还相当粗糙,没有一个放之四海而皆准的解决方案。相反,需要多种模式和方法的结合。在JANZZ.technology,我们已经拥有完善的技能本体,以及高精准的语义搜索和匹配、差距分析、剖析、职位和简历解析的技术。然而,我们的动力是不断改进和扩展我们的解决方案,因此我们非常积极地投入研发,不断开发先锋技术以应对新的挑战。我们的使命是通过提供高效和高性能的解决方案,帮助改善人力资源管理的体验。

为什么我们的本体比在Gartner技术成熟度曲线中认定的遥遥领先?因为我们在2008年就开始了研发,早在有人谈论人工智能和知识表示之前,早在谷歌和市场意识到没有本体,先进的人工智能解决方案根本不可能实现之前。这就是为什么我们今天有早于对手多年的先发优势。

如果您也想领先于对手,通过我们简单的API将我们的工作和技能本体集成到您的应用程序中。通过 info@janzz.technology联系我们,了解我们如何利用基于本体的前沿解决方案来改变您的体验。

 

[1] Gartner Methodologies,”Gartner Hype Cycle”,2020. https://www.gartner.com/en/research/methodologies/gartner-hype-cycle
[2] 为了更好地理解本体和分类法之间的根本区别,请阅读我们的文章:请不要再把ontology和taxonomy相提并论
[3] Poitevin, H., “Hype Cycle for Human Capital Management Technology, 2020”, Gartner. 2020.
[4] 如需了解更多相关信息,请通过电子邮件联系表格索取我们的白皮书”对比关键字匹配与基于本体的语义匹配”