-
职业
2024年人力资源和招聘系统的十大重要趋势
在充满活力的人才与人员成功技术领域，2023 年已被证明是在经济逆风中仍能保持韧性和增长的一年。Fosway Group 的 " 9-Grid for Talent & People Success "揭示了 10 大市场趋势，揭示了该行业的发展轨迹、挑战和新兴机遇。
1. 技能智能正在崛起
随着领先雇主寻求更加以人为本、包容、公平、智能和灵活的方法，传统的人才管理实践正在停滞不前。根据 Fosway 的最新报告，技能智能和人才市场因其提供透明度和灵活性、增强组织内个人能力的能力而受到越来越多的关注。
2. 个性化的关键作用
个性化是将人才管理转变为人才与人才成功的核心支柱。人工智能通过自然语言处理分析情感，将人才体验的创新提升到了一个新的水平。这种创新加速了团队、个人和领导之间的大规模对话，强调了进一步个性化以解决战略性人力资源问题和个人/团队层面支持的必要性。
3. 人工智能是一场变革
尽管人工智能被炒得沸沸扬扬，但事实证明，人工智能对于关键的人员体验，包括技能、参与、职业、学习和内部流动性，都具有变革性。人工智能能够推断技能、将人们与导师联系起来、将个人与项目或工作联系起来，并对职业抱负做出回应，这正在改变员工体验和人力资源生产力的游戏规则。
4. 将人才流程嵌入工作场所工具
人们期望人力资源解决方案能将人才流程嵌入日常工具和工作空间（如 Microsoft Teams 和 Slack），这已成为标准配置。这种 "无头 "集成已成为买家的基本要求，可增强绩效支持、人才流动、技能发展和员工参与度。
5. Copilot 的出现
随着微软为Microsoft Office 365推出Copilot，在日常软件中引入协同驾驶功能有望推动对协同驾驶人力资源功能的需求。员工如何应对工作应用程序中的嵌入式人工智能支持将可能成为一个决定性的时刻，特别是对于员工体验中的接触点而言。
6. 劳动力战略决策是关键要素
虽然人才与人员成功解决方案的重点往往是员工能力的提升，但人才与人员成功、劳动力智能和组织战略决策之间的关系至关重要。全面的劳动力智能是人力资源部门在行政领导层中获得一席之地的关键所在，有助于制定业务战略并调整劳动力的能力以支持业务战略。
7. 数据连接的挑战
尽管同类最佳解决方案在分析方面取得了进步，但人力资源孤岛之间缺乏数据连接仍然是一个重大挑战。在问题得到解决之前，全面数据洞察力的全部价值可能无法实现，从而给组织带来风险。
8. 可解释的人工智能日益重要
随着人工智能相关法规的成熟，透明度和可解释性变得至关重要。人工智能和嵌入式智能的发展需要无偏见和透明的运营证明，尤其是英国、欧洲和美国政府对监管的态度越来越积极主动。
9. 激发参与（和奖励）
在大流行病以及向混合和远程工作转变之后，企业正在重新思考员工的参与和绩效问题。人才解决方案在实现持续绩效、优化团队内部关系和参与度方面发挥着至关重要的作用。不断变化的人口结构和新一代员工的期望进一步强调了对创新解决方案的需求。
10. 证明人力资源的增值作用
整合整个人才和人力资源生态系统的数据和工作流程仍具有挑战性，而将商业智能与人员智能相结合则是缺失的一环。随着经济形势的恶化，人力资源的投资和战略也备受关注。展示对底线的实际业务影响是一项重大挑战，而将人员智能和劳动力智能与业务成果联系起来，则成为人力资源部门在高管会议上获得一席之地的关键。
-
职业
重度学习者在工作中更容易获得成功
文/Josh Bersin
译/杨喆
我们刚刚用LinkedIn完成了一些有趣的研究，结果表明：如果你想真正享受你的工作，那就要花更多的时间去学习。主动学习的员工感受到的压力比其他人低47%，高效和成功比普通人高39%，也越愿意承担额外责任，事实证明，学得越多你就越快乐。
我们调查了2400名专业人士，并向他们提出了一系列问题，比如“在工作中，你们将时间花在了哪里”“什么让你在工作中感到满足“。
从中发现了七个震惊又直观的结果：
1.工作本身和成长机会是最好的激励
其实你仔细想想就会明白，最鼓舞人心就的是工作本身以及成长的机会，而非免费的午餐。
我经常在员工体验研讨会上提到这一点。当然，我们希望工作环境很好，但归根结底，员工的经验就是工作本身。(注:在中东、东南亚、巴西、印度和德国，“学习和成长的机会”高于工作本身的性质。)
2.离职是因为无法学到更多
“什么会让你离开现在的工作?”在调查中，人们表示提供学习机会和成长比加薪重要的多，也比与经理的关系重要得多。
这也加强了我在过去一年里一直在强调的观点“学习曲线就是收入曲线”，一旦你觉得自己不再成长，就该找份新工作了。
3.工作时间很长，所以在工作中学习并不容易
正如我在之前的文章中谈到的，专业人士没有太多的业余时间。三分之二的人每周工作超过40小时，近四分之一的人每周工作超过50小时，所以如果你想学习和进步，最好在工作流程中就能进行学习。
4.电子邮件占据了很多时间
我们必须努力摆脱电子邮件和短信。根据这项研究，超过四分之一的人每周浪费一天的时间在与工作无关的信息上，这意味着我们需要跳出工作去学习，在流程中学习，在项目和指导中学习，否则我们将无法腾出时间。
这些显然阻碍了我们的成长和学习，所以必须强迫自己远离。
5.尽管如此，许多专业人士还是会抽出时间来学习
我们研究了专业人士在工作中学习的时间，数据非常惊人。
在这2000多名专业人士中，有很大一部分(7%)每周花5个小时甚至更多的时间学习：他们读书，上课，看课程，或者做其他事情来提升他们的技能和职业。
为何他们愿意花如此多的时间去学习？因为非常值得。
6.重度学习者比同龄人更投入、更有效率、更成功
这些重度学习者表现如何?看看数据，你会大吃一惊：他们更快乐，压力更小，更有效率，更自信，也更愿意成长。
当你观察中度学习者和轻度学习者时，也能看到相似的结果，所以即使是花一点点时间学习也很重要!
我还想指出-多学总比少学好。数据显示，重度学习者比轻度学习者的积极效果多3倍。(乌德米的新研究也证明了这一点)所以你必须抽出时间集中精力学习。
7.这不仅对你是件好事，对你的公司也是件好事
在麻省理工学院和德勤对数字转型的最新研究表明(逾4300名高管参与了这项研究)，最成功、增长最快、具备数字能力的公司都有一个共同点：它们改变了个人和组织的学习方式。
这意味着要持续学习，而非一年学一次，这些表现优异的公司中，73 %的员工每六个月更新一次技能，44%的员工在不断更新技能。换句话说，今天成功的公司是那些学得快、且持续学习的公司。
如果你想拥有一个快乐、充满活力的职业，那么就需要把学习放在首位
如果你是一个专业人士，请打开你的日历，每周抽出几个小时来阅读，参加一个在线课程，或者做一个你自己的发展项目。例如，我经常在周末花时间阅读和自学一些新东西，有了LinkedIn Learning这样的工具，你几乎可以找到任何你感兴趣的话题的视频。
如果你是研发部门的领导或经理，请在你的战略中考虑这项研究。你的工作不仅仅是“教导”，还要创造一个让人们学习的环境、促进和奖励发展、寻求新的学习平台，让人们在工作的过程中学习。
正如Thomas Picketty在《21世纪的资本》一书中所说“在300多年的经济史上，促使财富分配均衡与减少不平等的最主要、最持久的机制便是技能和知识的传播。”
学习是你职业生涯的关键，它也会让你变得更自信快乐。
原文来源：New Research Shows "Heavy Learners" More Confident, Successful, and Happy at Work
-
职业
李开复：未来“有惊无险”的10种工作，其中包括人力资源
人工智能并不是一场普通的技术变革，在人类历史上，可与其比肩的只有蒸汽机和电力的推广使用。由于人工智能算法会渗透到每个行业、每个工作，它甚至会改变人类做事的许多方法，对于个人、企业和社会带来的变革，比之前的互联网革命来得更剧烈、影响力更大。人工智能对个人和社会带来的改变，将超过之前发生的所有工业革命和技术革命。
人工智能带动了科技发展，提升了生产力，这些好处固然引人关注，但是比起全球各地将产生的严重失业问题，以及分配不均的加剧（国内与国家之间），就不足为道了。随着深度学习应用的普及，人工智能势必会冲击全球经济，整个经济体系上上下下数十亿的就业机会如会计师、流水线作业员、仓储作业员、股市分析师、质检员、货车司机、律师助理、放射科医生等，都会受到冲击，并且上述工作只是其中的一部分。
人类文明过去曾经成功地消弭了科技对经济造成的冲击，例如在19世纪和20世纪，有数亿的农民成功地转为了工厂员工。但是，先前的那些重大科技变迁，从诞生到发展的速度没有人工智能这么快。照目前科技发展和应用的趋势来看，我预估在未来15年内，人工智能将会减少美国40%到50%的就业机会，但实际的就业损失还会延迟若干年，因为必须考虑到很多现实因素，例如雇主相信人工智能的程度、法规限制等。但我预测，人工智能对就业市场的冲击将会非常大，而且冲击很快就会到来。
有朋友跟我探讨：我经过多年学习培训才获取足够的技能从事的工作，未来应该会比“蓝领工人”安全吧？
实际情况并非如此。分析人工智能取代工作岗位，不能仅仅用传统“低技能”对比“高技能”的单一维度来分析。人工智能既会产生赢家，也会产生输家，这取决于具体工作内容。尽管人工智能可以在基于数据优化的少数工作中远胜人类， 但它无法自然地与人类互动，肢体动作不像人类那么灵巧，也做不到创意地跨领域思考或其他一些需要复杂策略的工作（因为这些工作投入的要素和结果无法轻易量化）。一些人类看上去很难的工作，在人工智能看来可能是非常简单的；一些在人类看上去很简单的工作，可能确实人工智能的死穴。我们可以用以下两张图来说明：
对于体力劳动来说，X轴左边是“低技能、结构化”，右边是“高技能、非结构化”。Y轴下边是“弱社交”，上边是“强社交”。脑力劳动图的Y轴与体力劳动一样（弱社交到强社交），但X轴不同：左侧是“优化型”，右侧是“创意或决策型”。如果脑力劳动的重点是将数据中可量化的变量最大化（例如设置最优保险费率或最大化退税），就归类为“优化型”的职业。
这几条轴将两张图各分为四个象限：第三象限是“危险区”，第一象限是“安全区”，第二象限是“结合区”，第四象限是“慢变区”。工作内容主要落在“危险区”的工作（如卡车司机等）在未来几年面临着被取代的高风险。“安全区”的工作（如心理治疗师、理疗师等）在可预见的未来中不太可能被自动化。“结合区”和“慢变区”象限的界限并不太明确：尽管目前不会完全被取代，但工作任务的重组或技术的稳定进步，可能引起针对这些工作岗位的大范围裁员。
在左上角的“结合区”中，大部分计算和体力性质的工作已经可以由机器完成，但关键的社交互动部分使它们难以完全自动化。所以，最可能产生的结果就是幕后优化工作由机器完成，但仍需要人类员工来做客户的社交接口，人类和机器形成共生关系。此类工作可能包括服务员、理财顾问甚至全科医生。这些工作消失的速度和比例取决于公司改造员工工作内容的灵活程度，以及客户对于与计算机互动心态的开放程度。
落在“慢变区”的工作（如水暖工、建筑工人、美术设计师等）不依赖于人类的社交技能，而依赖灵活和巧妙的手工、创造性或适应非结构化环境的能力。这些仍是人工智能的短板。由于不断发展的技术会在未来几年中慢慢提升这些短板，所以此象限中工作消失的速度，更多地取决于人工智能能力的实际扩展。
在我看来，警告、悲观、恐慌是“不识庐山真面目”的杞人忧天。以下是我整理的看似很危险，其实很难被AI取代的10种工作。
人力资源
人力资源、特别是员工招聘和猎头工作，都要涉及大量的人际互动。说服某人放弃现有工作、考虑其他工作是相当不容易的，这需要建立在对对方的长期深入了解和互相信任的基础上。当然，随着人力资源工作变得更倾向于以人为中心，人力资源行业也会利用AI完成常规的问答工作（比如回复雇员的邮件）、监督雇员工作表现、发起招聘启事、筛选求职者并进行工作匹配等。
健身教练
尽管未来总会有更高质量、更智能的健身器材帮助我们锻炼，但健身教练无可取代的地方在于，他们能为我们每个人量身打造健身计划，在旁陪练指导，还能敦促我们坚持锻炼，避免犯拖延症。其次，随着社会财富增多，出行方式变得更高效（如智能型、甚至是自动型电动平衡车），我们对于锻炼的需求将大大超出以往。最后，AI时代会给我们带来更多的社会财富和闲暇时间，自助、娱乐和健康将成为发展的主题。
养老护理员
到2030年，麦肯锡医疗保健类工作岗位将在全球范围内猛增5100万个，总数将高达8100万个。这类工作包括养老护理员、家庭健康护理员、私人护理员以及护士助理，不过最大的岗位空缺将出现在与养老护理相关的领域。考虑到人类寿命延长、老年人对医疗保健的大量需求以及填补此类工作空缺的难度，这一需求还会不断攀升。AI固然可以实现老年人的医疗监护、安全保障和移动辅助等基本功能，但像是洗澡、穿衣以及更为重要的聊天和陪伴工作，都是AI是无法胜任的，只能交由人类完成。
房屋清洁工
像房屋清洁、园艺以及其他需要在非固定结构空间内进行、且所在环境较为多变的工作，对于机器人而言难度太大。虽然像伦巴扫地机器人（Roomba）这样的智能设备会承担部分工作量，但整体而言，这类工作的就业水平有望得以维持。此外，我们预测，各类移民服务岗位将大量增加（在法律允许的前提下），因为AI将进一步拉大贫富国家之间的差距。
护士
护士、保育员、心理健康辅导员以及戒毒治疗师是最难被机器替代的工作类型之一，这类工作涉及大量的人际互动、沟通和信任的培养。例如，治疗情绪不稳定、有抑郁症状的病人需要娴熟的沟通技巧，治疗师需要先了解造成病人情绪困扰的根源。这些都远远超出了AI技术目前的能力范围。
楼房管理员
楼房管理、酒店管理、定制服务等其他高端服务将是财富新贵群体的高需求所在（如AI企业家和工程师）。在互联网（旅游网站）和AI（自动化快餐和咖啡）提供标准化服务的同时，那些具有人情味、个性化以及能够构建长期关系和信任感的优质服务将具有更高的价值。在AI时代，休闲和娱乐产业将成为强劲的增长领域。
运动员
虽然未来机器将比人类更擅长比赛，但体育运动不会因此而受到丝毫的影响。这些都是需要人类参与的娱乐活动。运动明星与知名歌手、演员并无二致。随着人们闲暇时间的增加，拥有非凡天赋和个人魅力的运动员将有更强的吸金能力。
保姆
保姆是最讨喜的工作之一，甚至可能会被当成家庭成员来看待。保姆的许多体力工作会实现自动化（比如除尘和洗碗），如此一来，他们的工作会逐渐转向“关爱和个性化”服务，比如悉心烹饪一顿孩子爱吃的饭菜，或是朗读孩子最爱听的故事。保姆将花更多的时间去陪伴、照料家里的孩子，和他们玩耍。能够成功转型的保姆是AI无法替代的。
导游
优秀的导游是擅长讲故事的人。他们将个人经验和百科知识巧妙地融合在一起，并以戏剧化的方式呈现给游客，从而打造出独一无二的旅行体验。优秀的导游还能挑起趣味横生、内容丰富的谈话，创造出一段令人怀念的旅程。当然，那些照本宣科、一味重复的导游，在AI取代人类工作的大潮中就没那么走运了。
数据处理和标签
最后来个大惊喜。虽然每个人都认为数据录入和处理会因机械化而被淘汰（甚至不需用到AI）。但在未来二十年内，AI进行的训练会用到规模庞大且不断增长的数据。这些数据需要经过初期的人工筛选、处理、贴标签和分类。亚马逊土耳其机器人（Amazon Mechanical Turk）就是个很好的例子。不过，可别期待能从这类工作中获得高薪。
原文来源：李开复：未来“有惊无险”的10种工作
-
职业
全球区块链人才现状：缺口巨大，百万年薪无人能领
文 | 木樨
来源| 一本区块链
“区块链的领先者们，正在竭尽所能争夺行业的顶尖人才。”早在2016年，美国杜克大学福库商学院金融教授Campbell Harvey就这样表示。
领英数据显示，在他说这话的一年之前，全球对于区块链人才的需求量开始猛增，并在2016-2017年经历了爆发式增长。
然而，区块链人才增长的速度，远远赶不上行业发展的速度。
目前，区块链的人才缺口越来越大，国内外都面临着百万年薪无人能领的尴尬局面。
01 全球区块链人才紧缺
IDG Connect在今年5月中旬发布的调查显示，截至2017年，在分布式账本技术创业公司中，至少有115家有近2000个岗位需求。
而国外的大型企业，例如IBM、微软、四大（普华永道、德勤、安永、毕马威）、三星、埃森哲等，已纷纷开始提供区块链相关业务，或着手研发自己的区块链平台。
IDG Connect在调查中还提到，在英国有1000多个区块链招聘信息，而美国则有2000多个。
除了企业方人才需求增加，世界各地的高校也纷纷开设了区块链课程。
据“链塔智库”统计，截至今年4月，美国已有8所高校开设了区块链相关课程，包括斯坦福、麻省理工、普林斯顿等一流大学。
在英国，已有5所大学开设了区块链相关课程，包括牛津、剑桥、伦敦帝国理工等老牌名校。
但缺乏相应师资，却成为高校区块链教育的一大障碍。
纽约大学斯特恩商学院金融系主任David Yermack就曾无奈地透露：“很难找到非常优秀的教师，并将他们留在大学。”
而课程难度过大，是区块链人才培养中的另一大难题。
清华-阿尔山区块链联合研究中心副主任陈文光曾表示，由于清华的分布式课程难度太大，每学期结束，都会有三分之一的学生放弃。
如此大量的人才需求，供给端却显得有些心有余而力不足。主要原因，是掌握区块链相关技术的人才着实稀少。
02 技术类人才需求最大
根据全球自由职业者求职网站Upwork在今年发布的报告统计，2018年第一季度中，掌握区块链技术，成为增速最快的一项技能。
在Upwork上，对于区块链人才的需求，依然是以技术类为主。
熟悉C++、以太坊智能合约、Solidity语言、Python等相关知识的人才，就是各大企业争相抢夺的“种子选手”。
不过，由于区块链是个新兴领域，要想直接找个全能型人才，在当前几乎无法实现。
因此，在人才市场上，不同类型的企业有各自的需求偏好。
有些创业公司只需要应聘者掌握C#编程，之后公司会再花费3-6个月的时间对其进行培训；有些专注于加密货币分析的创业公司，只需要应聘者懂得构建传统的数据库。
实际上，大型的咨询公司也意识到，全能型人才并非是企业的刚需。
这种“大神”都可遇不可求，想要留住他们，企业方还要拿出年薪数百万的诚意。
IDG Connect 的调查还显示，对于拥有企业所需技能的人才，时薪至少100美元；在美国，一个区块链开发人员的年收入中位数是13万美元，远远高于一个其他软件开发人员的平均薪资。
然而，这些人才大多已是身价百万，对财富没那么在意，他们更愿意自主创业、研发项目，而不是为某家公司打工。
03 印度成为人才新战场
印度对于区块链人才的需求与日俱增，成为当前人才抢夺战中强有力的竞争者。
2017年，印度以40%的优势领先于第二名澳大利亚，成为亚太地区最大的区块链人才储备国。中国、新加坡和日本紧随其后，分列三~五名。
根据印度招聘网站Belong的调查显示，印度的班加罗尔、德里、孟买、海德拉巴、浦那、金奈，都是区块链需求重地。
然而，在印度约200万个软件开发人员中，只有0.25%的人才能称得上“区块链人才”。
不过，Belong的联合创始人Rishabh Kaul也表示，印度有10000名开发人员有望在区块链领域谋求一席之地，只要他们有金融科技领域的从业经历。
如此巨大的人才需求缺口，直接推动了印度的区块链课程发展。
在印度，班加罗尔是首个创办区块链学院的邦。之后，喀拉拉邦的印度信息技术及管理研究所与区块链教育网络，共同在喀拉拉邦成立了印度第二个区块链学院，该学院还在今年4月宣布加入了超级账本区块链联盟。
除此之外，印度的安得拉邦政府也宣布和一家新加坡初创公司，以及美国加利福尼亚大学合作，共同建立一所区块链技术学院。
目前，区块链行业巨大的人才缺口，是机遇也是挑战。
没人能准确预测，区块链会何时迎来爆发，何时陷入沉寂，是否会泡沫破灭，是否会再次复苏。
区块链这个新兴行业，确实需要更多的探路者。
-
职业
唯有认知计算，才能让你的企业有未来，绝对！
TA被誉为下一个“美达斯点石成金的手指”；
TA被认为“与魔法无异”；
当TA从尖端科技走进商业领域，所有人都说“未来，这个世界将发生巨大变化”。
TA，究竟是谁呢？没错儿，TA就是牛X闪闪的“认知计算”。
认知计算正以颠覆性姿态，创造着真正的商业价值。不懂认知计算，还谈啥未来？！
过去数年，我们频繁从CEO的口中听到：他们所经营的公司正在经历着数字化变革：运营、决策、营销、战略等方面都因为新兴技术而发生着颠覆性变化。根据IDC的分析，到2018年，将有一半的消费者会基于认知技术定期开展服务互动。采用高级预测性分析技术（包括机器学习）的应用在2016年将出现加速增长。采用这些应用的企业收入增速将比不采用的企业高出65%。
本文在总结5年来与百余家企业的合作基础上，提出了进军认知商业的3大前提条件：制定认知战略，完善云平台等相应的基础设施，以及进行管理变革。
产品与服务
认知型互动体验的服务
近年来，问答互动的机器人大量进入公众视野：同用户进行开放主题对话，作为精神陪伴、情感慰藉而存在；也有些可以进行事务查询，如天气、定位、通话、日程提醒和搜索；还有一些是满足用户有关产品或服务的咨询服务，以降低客服成本。
事实上，大数据系统已经能够帮助客服人员搜集客户的基本信息，并快速找到客户所需的资料。与大数据分析系统最大的不同，认知型互动，是能够直接处理自然语言形式提出的问题，并提供基于逻辑推理的预测。认知型互动更加注重个人体验，能够设计正确的谈话内容，找到正确的时机，正确理解上下文语境，调整正确的语气。
认知型产品
认知技术植入智能产品中，可以让产品本身获得理解、推理、学习用户及周围世界的能力。它们能不断改进，使产品提升到以往想象不到的水平。很多的汽车、医疗设备及家用电器等均已开始部署认知技术。
IBM与日本软银合作，共同开发了“情感机器人”Pepper，它能够判断人类的面部表情和语调，“读”出人类情感。雀巢公司购买了第一批Pepper机器人，作为免费雇员在日本的电器店里售卖咖啡机，Pepper还在日本74家手机专卖店做客服，收集客户反馈。Watson作为很多机器人产品里的“大脑”，在中国网球公开赛上也展示了它对网球技术、球员、球迷的深入分析能力。
再造行业与职业
认知型人才
布莱恩约佛森和麦卡菲在《与机器赛跑》一书写道：随着技术发展，人类正与机器形成一种对抗，结果是，人类一定会输，因为人类需要吃饭和休息，有情感需求，厌恶重复性劳动。所以，作者提出未来人类需要转换思路，与机器合作。我们将这种想法扩展开来，人的智慧不仅应该局限在建立更好的社交网络，而且可以与机器连接起来，建立一种人机合作关系。
各个行业和职业专业知识的累积速度已经达到了无法有人能够穷尽的地步——学术期刊、新协议、新法律法规、新的业务模式……培养专业能力所需的时间成本和经济成本骤增。2012年，美国企业在员工培训方面开销高达1642亿美元；但90%的新技能在一年内就会毫无用处。在美国，医生拿到行医执照需要11–16年，律师需要7–10年的工作经验才能进入律师事务所。 在这样情况下，认知系统的优势就体现出来，帮助专业工作人员掌握新知识、获得新技能，作为研发伙伴，他们提高研发效率。
认知型流程与运营
据估计，在美国，因供应链合作伙伴之间无法密切合作而导致企业每年浪费300亿美元；资产是10亿美元级的企业每周平均投入近1000个工时来管理供应商。在工作流程上融入认知能力，能够提高预测能力和经营效率。
例如，对半导体制造业来说，供应链的控制能力就是公司的生命线：一方面，如果不了解市场趋势，消费类电子产品厂商更改订单周期、产品功能或设计、甚至取消订单，都会给半导体制造公司带来巨大的损失；另一方面，如果不能准确控制上游供应商的进度，就会导致占用大量资金的囤货，或因影响订单进度、赔偿客户损失。Jabil半导体公司与IBM一同做的事情，就是打造一条有预知能力的认知型供应链，同时优化财务管理、动态调整公司的财务平衡。
革命性认知型企业
最终，认知计算将助力认知型企业获得超越竞争对手的“不断发现”的能力。各行各业的领导者都被迫在颠覆与被颠覆之间挣扎，而传统的可编程系统，无法快速走上“发现之旅”。Watson正将发现的能力扩展到发现新的药物、新材料、新金融投资模型以及新商业模式等多个领域。
在石油行业，最大化开采现有油田和收购新的油田之间的平衡，是非常重要且极具风险的商业决策。因其涉及到静态地质数据、实时的地震检测数据、历史勘探数据、研究报告，还要综合考虑国际政治、经济环境、地区战争和国际油价等信息。Repsol和IBM联合创建了“认知环境实验室”，“训练”Watson在油气行业的解决方案。首先，Watson要利用已知的地质统计数据、前期勘探的有限可用数据，比如地层岩石的几何特征和表面化学特性、与流体的关系，“发现”同类油气藏，并用可视化界面展示出来。再用机器学习的方法，分析勘探可行性，量化预测生产的不确定性，比如断层活动、地震事件等。最后评估备选油气藏的经济潜力，结合净现值设计最优的投资组合。
认知型服务、产品、认知型专业助理、认知型流程和运营以及认知型企业，目前，这五个方面只是我们有限的实践。谈及这五个方面里的很多案例，都会触及今天热议的话题“机器人取代人类工作”，事实上，这一天远未到来。恰恰相反，真正的问题是如何利用机器与人类协作，让更多的人平等享受技术发展、平等地获取资源。一名顶级的器官移植手术医生其成功率是一般手术医生的6倍，如果没有认知技术的发展，最好的器官移植手术医师和高水准的律师服务并非为一般人群、底层人群可以企及，属于金字塔顶部的财富。但Memorial Sloan-Kettering医院的顶级肿瘤医师的专业能力却可以通过认知系统让东南亚的医生为上百万人提供治疗。同样，基于认知技术加拿大的ROSS Intelligence律师事务所可以为付不起律师费的客户提供免费的、相当于顶级律师团队撰写的申诉材料。
当认知计算技术成熟到可以从尖端科技进入到商业领域时，这个世界将发生巨大的变化。开放、平等和共创，取代了封闭、零和竞争，IBM没有选择把认知技术置于自己产品的内部，而是选择开放开发工具，将认知技术和能力变成了API平台，请各行业最了解他们客户的企业家、创业者，用他们的创造力，想象如何利用认知计算进行变革、创新。
为此，我们总结了100多家企业部署认知商业的方法和步骤，归纳为3个关键行动。
制定认知战略。
确定认知计算提供的差异化价值，认知系统和认知能力绝不只是为了节约成本，所以需要建立一个认知计算的战略路线图。认知解决方案适合已经确定的挑战，对特定的问题进行分析。
完善基础设施。
为成功的认知商业的实施打下基础，需要做好数据分析能力、云平台、IT基础架构、安全以及人才投资5方面的工作。
推进管理变革。
认知系统会对公司流程、人们的工作方式，产生巨大的影响。认知系统是一个全新的事物，保证高管参与到整个认知旅程，也要把认知愿景传达到公司各级，不断提高公司的“认知度”，让人们接受和采用认知技术。
认知计算是下一个“美达斯点石成金的手指”，关键在于你要点哪一块石头，可能是市场的某种需求而产生了新的产品和服务，可能是变革企业管理的某个职能、价值链的某个环节，或是全新的商业领域、商业模式……
科幻作家阿瑟·克拉克说，“任何足够先进的技术都与魔法无异。”认知的魔法画卷才刚刚展开。
陈黎明 | 文
陈黎明是IBM 大中华区董事长。
钮键军|编辑
扫一扫 加微信
hrtechchina
