-
OpenAI
Josh Bersin谈：企业人才智能来袭，颠覆人力资源技术市场
在我们看到的劳动力领域的所有人工智能创新中，最重要的可能就是人才智能。按照我们的定义，人才智能是指利用海量的员工和劳动力数据来了解技能、工作适应性、绩效、领导潜力、职业发展路径、薪酬公平性和组织能力。
在今天介绍新的研究成果时，我们的立场是，这是几十年来人力资源技术领域最具存在意义的变革之一。
人才智能究竟是什么？这项技术以人工智能为基础，允许公司分析员工的大量数据，将其与外部劳动力市场的数据相匹配，并了解他们以前不知道的事情。
在许多方面，它与广告技术类似，Meta、TikTok 和谷歌等公司通过分析个人数据，为个人消费者提供量身定制的广告。
在商业和人力资源领域，人才智能让公司深入了解员工的技能、兴趣、职业轨迹、地域偏好、认证、所掌握的技术，以及他们在领导力、行业和公司类型方面的经验。
过去，我们使用工业心理学、评估和面试来确定这些信息。如今，在人工智能的驱动下，公司可以利用这一庞大的语料库，让人工智能模型来识别其中的关系。
让我举个例子。在招聘中，每家公司都面临着同样的问题：这个候选人是否适合这份工作、这个团队、我们使用的工具以及公司的文化？
招聘人员通过面试、测试和背景调查来评估。然而，尽管采取了这些方法，仍有近 20% 的候选人没有成功。利用人才智能，我们可以分析成功胜任这一职位的人，并让人工智能找出适合的质量。这不仅没有偏见，而且非常准确，我们收集的数据越多，它就越聪明。
我还记得自由保险公司（Liberty Mutual）的汽车保险团队面临人员流动率高的问题。他们花了几个月的时间研究那些表现出色的员工，看看哪些教育背景或技能与成功相关。他们的分析发现了一个秘密：业绩最好的保险销售人员都是那些热爱汽车的人。再多的心理评估也无法发现这一点。
我刚刚与一家投资银行进行了交谈，他们正在努力了解年轻员工的高流失率。Talent Intelligence（人才智能）可以了解哪些人留下，哪些人离开，并立即帮助寻找更合适的候选人。
如今，这类分析非常困难。使用传统的人力资源技术，我们所掌握的唯一数据就是员工的简历或工作经历。这些数据往往还不如 LinkedIn 上的数据多。
利用人才智能，公司可以利用大量的公开信息，了解一个人以前的工作经历、与他们共事的人、他们在不同工作中使用的时间段和技术、他们写过的文章、他们经历过的组织变革，以及他们的教育背景、地点或其他我们甚至不了解的信号的影响。
这减少了偏见，为我们提供了前所未有的信息。
直到去年，人才智能技术还主要用于招聘。Eightfold、Seekout、Beamery、Gloat、HiredScore、Phenom和Paradox等供应商建立了模型，用于预测谁会适合某个职位或公司。现在，随着这些工具的成熟，人才智能可以做得更多。
正如您在我们的研究报告中所看到的，企业人才智能可用于内部流动、技术技能开发、领导力评估和绩效评估。通过将内部运营数据与同级人员进行比较，并扣除任期和级别因素，它实际上可以帮助确定个人的绩效。
它还可用于薪酬公平分析（将整个员工的薪酬与经验技能和其他证书进行比较）。它还可用于组织设计和工作分析（查看个人或团队的技能组合，以及这些技能与公司其他工作和其他团队的比较）。
还有更多。利用 Lightcast、Draup、Revilio 和 Skyhive 等公司提供的外部数据，可以对公司的技能和能力与竞争对手进行竞争性评估。你可以看到行业中的趋势技术和技能。您可以按地点定位技能，并决定在哪里建立下一个工厂或工程设施。你可以看到以前看不到的影响企业的人口变化。您还可以了解竞争对手与您相比所拥有的技能和能力。
试想一下，通用汽车或福特汽车将自己的工程师与特斯拉或 Rivian 的工程师进行对比评估，会有多么强大。仅这些数据（我们即将发布汽车行业全球劳动力智能研究报告）就价值数百万美元。
对人力资源技术供应商的颠覆性影响
直到最近几年，企业才有机会获得这些信息，因此他们没有发展团队或内部技能来使用这些信息。现在有了这些信息，我们在人力资源领域有了一个新的职业和领域--人才智能专家。目前，全球已经有两千多名人才情报专业人员，如果考虑到从事人员分析和劳动力规划的人员，人数还会更多。
这些人有分析背景，但本质上是业务人员。他们可以研究这些数据，并做出管理者无法独立做出的决策。正如我们的研究报告所指出的，他们正在公司内部创造出突破性的解决方案。使用这些系统的公司正在从根本上改进招聘工作，发掘更深层次的领导人才库，找到埋藏在组织内部的关键技能，让员工有机会找到过去从未有过的新工作和新机会。
人才智能对现有的人力资源技术提供商也是一种颠覆。上个月，Workday 收购了 HiredScore，这只是即将发生的颠覆的一个小小迹象。几乎所有人力资源技术供应商都必须考虑这一领域，因为这是一个利用人工智能超大规模改进的市场。
通过下图，您可以了解这些供应商的发展方向。如果你不相信我，请阅读 BusinessInsider 最新发表的关于 Workday 问题所在的文章（我仍然是 Workday 的粉丝）。
当 OpenAI、谷歌或 Meta 推出新的大型语言模型时，人才智能产品会变得更快、更高效。随着新人工智能算法的开发，这些供应商可以立即加以利用。传统的 HCM 平台对外部数据一无所知，不可能跟上洞察力的步伐。
但这并不容易。这需要时间和工程专业知识，因为它将人力资源软件公司变成了数据公司。
大多数人力资源技术公司都没有管理如此海量数据的经验。随着时间的推移，许多公司将别无选择。就像我们现在通过互联网购买计算机一样，我们中的大多数人很快就会不愿意购买没有数据和基准的软件。
如果我考虑一下我们的公司以及我们如何使用财务和客户关系管理系统，我会很高兴我的财务系统能为我提供基准和直接建议，从而更好地经营我们的公司。我希望我们的客户关系管理系统能告诉我，我是否获得了正确数量的潜在客户，并自动优化数据集。现在还没有这样的系统，但我打赌 Intuit 和 HubSpot 正在努力。
就人力资源而言，我们的报告描述了这个新市场是如何爆发的。这是我们不能忽视的。
-
OpenAI
【伦敦】AI面试记录工具Metaview 获得 700 万美元 A轮融资，用 AI 革新面试记录，省去面试官写面试记录
Metaview 在招聘领域取得了一项重要成就，成功获得了 700 万美元的 A 轮融资。这一成就不仅反映了新老投资者对 Metaview 创新策略的认可，更标志着招聘流程革新的新篇章。这次融资由 Plural 领头，同时获得了 Zach Coelius、Vertex Ventures US、Seedcamp、Village Global 等知名投资者的支持，以及来自 Barney Hussey-Yeo (Cleo)、Kyle Parrish (Figma) 等业界领袖和众多 Metaview 客户的热情助力。
自 2018 年成立以来，Metaview就致力于解决招聘过程中存在的各种低效问题。该公司发现，招聘过程中产生的大量非结构化的环境数据蕴含着优化团队建设的巨大潜力。虽然初期在数据利用上遇到了挑战，但 OpenAI 在 2022 年底推出的 GPT-3.5 成为了 Metaview 的游戏规则改变者，帮助公司从数据中提取有价值的洞察，进而全面转向以 AI 为核心的战略。
这一战略调整为 Metaview 带来了爆炸性的增长，客户数量和用户参与度分别实现了 20 倍和 23 倍的年度增长。通过 AI 洞察驱动的策略，Metaview 大幅降低了客户获取成本，成功地将用户转化为品牌的忠实倡导者，并在招聘领域树立了新的里程碑。
展望未来，Metaview不仅计划将 AI 作为优化现有工作流程的工具，而且还打算以 AI 为基石，彻底重塑招聘流程，特别是在至关重要的招聘环节上。凭借新一轮的资本注入，Metaview 正在积极扩充其产品、工程、营销和销售团队，寻找那些渴望在这场革命中发挥重要作用的有志之士。
Metaview 的发展轨迹标志着招聘方式的一次大胆创新，展现了一个未来愿景：在这个愿景中，AI 驱动的洞察将简化并优化招聘流程，使其更加高效和有效。在投资者的强力支持和团队的全力投入下，Metaview 正在朝着重塑招聘流程和决策、为数百万客户带来创新解决方案的目标稳步前进。
关于Metaview
Metaview 是一家提供自动化、AI驱动的面试记录服务的公司。它旨在帮助招聘人员节省时间，专注于与候选人和招聘团队的高质量互动。Metaview自动记录面试过程中的对话，生成笔记，使招聘人员可以更专注于面试本身而非记录过程。此外，Metaview的服务与现有的视频会议平台、移动通话等工具兼容，不需要改变现有的工作流程。它还考虑到数据安全和隐私保护的需要，遵守GDPR和CCPA等法规。Metaview特别为招聘过程设计，不仅仅是一个通用的摘要工具，能够理解招聘对话的细微差别，并与其他数据源（如ATS）结合使用，以合成最相关的笔记。
-
OpenAI
【法国】提供GenAI平台公司Adaptive ML获得2000万美元种子轮融资，帮助企业打造独特的GenAI体验
Adaptive ML是一家能让公司根据用户的互动情况不断改进其生成式人工智能模型的初创公司，公司宣布已获得由Index Ventures领投的2000万美元种子轮融资。ICONIQ Capital、Motier Ventures、Databricks Ventures、IRIS、HuggingFund by Factorial以及许多著名的天使投资人也加入了本轮融资。
Adaptive的愿景是让各地的企业都能利用不断学习的生成模型的优势，并提供直观的体验来提升关键业务指标。公司已经推出了企业平台的第一个版本，并将利用这笔资金继续投资于研究和产品开发，并迅速壮大巴黎和纽约的团队。
"Adaptive ML 首席执行官Julien Launay说："在 Adaptive ML，我们正在简化通往更直观、更有粘性的 genAI 应用程序的道路，直接推动用户体验和业务成果的改善。"从长远来看，我们设想永久学习模型吸收每一次交互，为每一位用户提供独一无二的体验。
企业对使用大型语言模型（LLM）的需求很高，然而，目前在通用现成模型与使其适用于特定生产用例之间存在很大差距。
只有当模型与用户的目标相一致时，才能产生吸引人的体验。实现这一目标是一个复杂的过程，涉及高度技术性和专业化的技术。这种复杂的偏好调整过程推动 OpenAI 成为像 ChatGPT 这样的世界性现象。Adaptive 将释放这些技术的威力，并让世界各地的企业都能使用它们。
Adaptive 平台抽象了微调和强化学习的技术细节，加快了基于 LLM 的产品的发布速度。为了实现这一目标，Adaptive 在工程设计、数据和部署方面采用了创新方法。
"对齐是用户体验大型语言模型的基础，"Index Ventures合伙人Bryan Offutt说。"预训练教会模型如何思考，而对齐则教会模型如何交流。我们很高兴能与Adaptive合作，将对齐的力量带给各地的企业，使他们能够建立适合其业务的生产就绪模型。
关于 Adaptive ML
Adaptive ML公司成立于2023年，由Baptiste Pannier、Julien Launay和Daniel Hesslow创立，是一家提供Gen人工智能平台的公司，旨在构建解决方案，帮助客户建立更准确、更高效的专业人工智能模型。公司利用公司数据以及用户互动和反馈，提供有助于获得反馈的机器学习模型。其愿景是让各地的企业都能利用不断学习的生成模型的优势，提供直观的体验，提升关键业务指标。
-
OpenAI
Josh Bersin谈：如何创建人才密度？
在这篇文章中，我想谈谈一个新概念--人才密度。当我思考这个概念时，我认为它代表了管理中更重要的话题之一。因此，我希望你和我一样觉得它很有趣。
首先，人才密度的概念很简单，它是由 Netflix 首创的。
人才密度是指公司拥有的技能、能力和业绩的质量和密度。
因此，如果你的公司 100%都是高绩效人才，那么你的人才密度就非常高。如果你的公司只有 20% 的高绩效人才，那么你的人才密度就不高。这很容易理解，但很难实施，因为它涉及到我们如何定义绩效、如何选聘人才、如何决定谁会得到晋升、如何决定谁会参与哪个项目以及如何分配薪酬。
因此，在解释人才密度之前，我们先来谈谈大多数公司的基本信念。大多数企业都认为，他们的绩效是呈正态分布或钟形曲线的。我不知道为什么这种统计模型会被应用到组织中，但它几乎成了一项标准政策。(学术界已经证明它是错误的，我将在下文中解释）。
利用钟形曲线，我们可以确定 "平均值 "或平均绩效，然后将绩效分为五个等级。1 号是向右两个标准差，5 号是向左两个标准差。
在第一级工作的人可以获得大幅加薪，在第二级工作的人可以获得中等加薪，在第三级工作的人可以获得平均加薪，在第四级工作的人可以获得低于平均水平的加薪，而在第五级工作的人可能需要离开。在这个过程中会有很多政治因素，但通常就是这样。
正如我在《钟形曲线的神话》一书中所描述的，这些绩效和薪酬策略已经沿用了几十年。由于统计数据限制了 "1 "的数量和价值，这些策略在规模上造成了以平庸为中心的组织。如果你的绩效是 1，而你得到的是 2，你就会辞职。如果你的业务水平是 3 级，你很可能会被淘汰。你明白我的意思。由于公司大部分员工都被评为 2 级或 3 级，因此大多数经理都处于中间水平。
俗话说，A 级经理雇佣 A 级员工，B 级经理雇佣 C 级员工。因此，随着时间的推移，如果不不断调整，我们的组织几乎注定只能处于中等水平。
我并不是说每家公司都会经历这样的过程，但如果你看一下大型组织的员工人均生产率，几乎总是低于小型组织。为什么呢？因为随着组织的发展，人才密度会下降。(以 Netflix 为例，其每名员工创造的收入接近 300 万美元，是谷歌的两倍，迪士尼的 10 倍。他们是唯一盈利的流媒体公司，员工人数不到 2 万，市值 2400 亿美元）。
传统模式在工业时代还算不错，那时我们人才过剩，工作定义明确，大多数员工都以 "生产了多少小部件 "来衡量。在那个时代，我们可以把 "表现差的人 "换成 "表现好的人"，因为就业市场上有很多人。
我们不再生活在那个世界里了。我们现在生活的世界，失业率低于 4%，关键技能持续短缺，劳动力日益短缺。而由于自动化和人工智能的发展，人均收入或价值已经飙升，几乎比 30 年前高出一个数量级。
因此，我们需要一种更好的方式来考虑绩效问题，在这个世界上，人员较少的公司可以超越那些规模过大的公司。看看 Salesforce、谷歌、苹果这些本质上都是创意公司的公司，是如何随着规模的扩大而放缓创新能力的。看看规模很小的 OpenAI 是如何超越谷歌和微软的。
如今，大多数企业都是通过创新、上市时间、客户亲密度或知识产权来实现超越的，而不是通过规模或 "更努力的工作"。
在公司不断发展壮大、大量招聘员工的情况下，我们如何保持高水平的人才密度？在这方面，Netflix 写了一本书，让我来给你讲讲。
首先，招聘过程应注重人才密度，而不是人满为患。我们招聘的不是 "填补空缺 "的人，而是对整个团队有增值或倍增作用的人。我们要招聘的是能够挑战现状，带来新想法、新技能和新理念，超越 "工作 "定义的人。例如，Netflix 重视勇气、创新、无私、包容和团队合作。这些都不是关于 "做好本职工作 "的表述。
Netflix 的想法是，每一次递增式招聘都应该让公司里的其他人和团队里的其他人都能做出更高水平的业绩。现在，这对缺乏安全感的经理人来说是个威胁，因为大多数经理人都不愿意雇佣可能夺走自己饭碗的人。但这就是我们遇到这个问题的原因。
其次，我们需要围绕帕累托分布（也称为幂律）而不是正态分布来管理或创建某种类型的绩效管理流程。在帕累托分布或幂律中，我们有一小部分人创造了超常的绩效水平，你可以称之为 80/20 法则或 90/10 法则。(20%的人做了 80% 的工作）
研究表明，公司和许多人群都是这样工作的，这是有道理的。想想运动员，少数超级运动员比同龄人强 2-3。音乐、科学和娱乐界也是如此。销售和许多商业领域也是如此。
Ernest O'Boyle Jr.和 Herman Aguinis 在 2011 年和 2012 年进行的研究（共 198 个样本中的 633263 名研究人员、艺人、政治家和运动员）发现，这些群体中有 94% 的人的表现不符合正态分布。相反，这些群体属于所谓的 "幂律 "分布。
在人类的每一个群体中，都有少数人拥有上帝赋予的天赋，在工作中表现出色，他们似乎天生就比其他人优秀得多。
比尔-盖茨曾对公司的人说，他认为有三个工程师成就了微软公司。我在许多其他公司也听到过这种说法，一个软件工程师和合适的角色可以完成其他 10 个人的工作。
现在，这并不是说每个人都会陷入帕累托分布的某一层次。在你职业生涯的某个特定时间点，你可能处于 80% 的水平，而随着时间的推移，随着你的学习和成长，随着你发现自己天生擅长的事情，你最终会处于 20% 的水平。但在一个特定的公司里，这是一个不断发生变化的动态过程。这就是 Netflix 的做法--不断提高人才密度。
这对绩效管理意味着什么？这意味着，为了照顾到这样一个群体，我们必须以不同的方式进行招聘，避免钟形曲线，并为高绩效者提供高薪。不是比其他人多一点，而是多得多。体育和娱乐界如此，商业界何尝不是如此。
如果你看看谷歌、微软等公司，这些公司中有些人的收入是同行的两到三倍。只要这些决定是根据业绩做出的，人们就会接受。
显然，如果赚大钱的人是最好的政客、最帅的人或最受欢迎的人，那就行不通了。
这就引出了第三点： 在 Netflix 文化中，有大量的授权、360 度反馈、坦诚和诚实。你可能读过 Netflix 的文化宣言：人们需要诚实、讲真话、相互反馈，并注重判断力、勇气和责任感。Netflix 最近才增加了职位级别：他们多年来一直没有职位级别。
给人反馈是一项挑战，因为这让人不舒服。因此，这必须从高层开始，而且必须以发展、诚实的方式进行。这并不意味着人们应该相互威胁或诋毁，但我们都需要知道，在项目结束或会议结束时，有人可以告诉我们 "这里有什么好的地方，这里有什么不好的地方"。
作为世界上最重要的机构之一，美国军队的生老病死都离不开这个过程。如果你在军队里搞砸了什么事，你可以保证有人会告诉你，你会得到一些帮助，确保你不会再犯。在公司里，我们没有生死关头，但我们肯定可以利用这种纪律。
人才密度的第四个要素是领导力和目标设定。阻碍高绩效公司发展的真正原因之一是个人目标过多，项目和责任各自为政，人们看不到全局。
如果你的目标设定和绩效管理过程完全基于个人绩效，那么你的公司就没有达到最佳状态。这不仅不利于团队合作，而且公司中确实没有一件事是任何人可以单独完成的。因此，我们的绩效管理研究不断表明，人们应该为自己和团队的成就获得奖励。(以下是研究解释）。
为什么现在人才密度很重要？让我来谈谈几个原因。
首先，我们正在进入一个低失业率时期，因此每次招聘都将充满挑战。而且，由于人工智能的出现，公司将能够以更小的团队进行运作。还有比这更好的时机来考虑如何 "裁员"，让公司发挥最佳效能吗？
其次，人工智能带来的转型需要公司具备很大的灵活性和学习敏捷性。您需要一个高度集中、步调一致的团队来帮助实现这一目标。虽然人工智能将帮助每家公司不断进步，但您快速利用人工智能的能力将转化为竞争优势（回想一下网络、数字和电子商务是如何做到这一点的）。
(我坚信，人工智能应用最巧妙的公司将颠覆竞争对手）。我仍然对 Whole Food 的手部识别结账流程感到惊讶： 我可以预见，自助式咖啡、杂货以及其他零售和酒店服务业将会出现）。
第三，后工业时代的商业世界将开始贬低庞大、笨重的组织。许多大公司只需要很多人，但正如西南航空公司很久以前教导我们的那样，小团队才会有好业绩。因此，如果你不能把公司分解成高绩效的小团队，你的人才密度就会受到影响。
当苹果公司价值 100 亿美元的汽车被写入书中时，我打赌其中一个问题就是团队的大小和规模。我们很快就会看到。顺便说一句，我仍然推荐大家读一读《The Mythical Man-Month》，在我看来，这本书堪称小型团队组织的圣经。
如果你是一家医疗保健提供商、零售商、制造商或酒店管理公司呢？人才密度适用于你吗？当然适用！去好市多（Costco）看看那里的员工有多开心，有多投入。然后再去一家经营不善的零售商，你就会感受到其中的差别。
我在《无法抗拒》一书中举例说明了一些公司，它们都接受了我所说的 "人类精神永不熄灭的力量"。没有人愿意感觉自己表现不佳。只要正确地关注责任和成长，我们就能帮助每个人超越他们的期望。
现在是重新思考我们的组织如何工作的时候了。我们不仅要提拔和奖励表现优异的员工，帕累托法则和人才密度思维也鼓励我们帮助中层员工学习、成长，并将他们改造成超级明星。
让我们抛弃钟形曲线、强制分布和简单化绩效管理的旧观念。追求永恒高绩效的公司是充满活力的工作场所，它们能提供卓越的产品和服务，对利益相关者来说也是巨大的投资。
-
OpenAI
【伦敦】数据分析平台Fluent获得690万欧元种子轮融资，以实现其AI驱动的数据分析仪横扫整个工作量的目标
改变决策者获取和使用商业数据方式的数据分析平台 Fluent 宣布完成由 Hoxton Ventures 和 Tiferes Ventures 领投的 690 万欧元种子轮投资。新投资将用于加速 Fluent 突破性技术的开发，并扩大其在欧洲的人工智能和机器学习专家团队。
Fluent 公司成立于 2021 年，是一家由人工智能驱动的数据分析师公司，它能让非技术团队成员用简单的英语直接向数据提出问题，在几秒钟内获得洞察力，并让数据团队免于手动回答临时数据请求的痛苦。
Fluent 公司首席执行官Robert Van Den Bergh说： "数据团队平均有 40% 的时间用于回答来自业务部门的问题。对数据团队来说，这些问题很多都很容易回答，但却使他们无法进行更深入、更具战略性的分析，而这些分析可能会改变他们的业务。借助 Fluent 的自然语言界面，我们可以帮助团队成员自助回答他们的数据问题。
在过去两年中，Fluent 赢得了包括贝恩公司在内的旗舰客户，实现了数据访问的民主化。
贝恩公司合伙人Ian Weber评论说： "Fluent 的平台帮助我们利用 LLMs 对大型复杂数据集进行分析并提供见解。Fluent 允许我们的非技术用户快速、高效、准确地获得所需的答案，尤其是对于预建数据仪表盘而言过于复杂或具体的问题。我们很高兴能探索 Fluent 未来如何帮助我们的客户更好地获取数据和见解。
Fluent 首席技术官Cameron Whitehead补充说："我们的客户已经采用了 Tableau 和 Looker 等商业智能工具，希望他们的非技术团队成员能够自行查询数据，但很快就发现这些工具技术性太强，导致只有一小部分团队成员真正使用它们。Fluent 就是为了满足那些非数据专家的团队成员的需求而打造的。
自2022年OpenAI的ChatGPT推出以来，各组织一直在对该技术进行测试，以了解在哪些方面可以提高工作效率，而分析Excel文件一直是比较受欢迎的应用之一。然而，能够与组织一起扩展的企业就绪解决方案仍处于萌芽阶段，准确性和信任度方面的担忧限制了该技术的采用。Fluent 弥补了这一缺陷，提供了一个企业就绪的解决方案，让数据团队可以轻松地整理、管理和信任数据。
Hoxton Ventures 合伙人 Charles Seely 评论说： "在一个数据驱动的世界里，目前的数据分析方法是企业的短板，在他们的组织中造成了永久性的瓶颈，拖慢了每个人的速度，阻碍了决策。Fluent 的方法不仅具有创新性，而且是企业迫切需要的，我们很高兴能参与他们重塑企业与数据交互方式的旅程。
Tiferes Ventures管理合伙人、InVision联合创始人Clark Valberg补充说："Fluent通过在每个组织层级实现实时访问数据驱动的洞察力的民主化，实现了协作智能的全新模式。我相信这是现代企业内部发生的最重要的战略和文化演变。
-
OpenAI
OpenAI正在测试ChatGPT的上下文自定义记忆功能
OpenAI正在测试ChatGPT的新记忆功能，允许它跨对话记住用户的讨论，以增强未来的互动。用户可以完全控制此功能，包括命令ChatGPT记住或忘记特定细节或完全禁用记忆。这次更新旨在在不重复信息的情况下个性化体验，提供了通过设置管理记忆的选项。此外，临时聊天提供了不使用记忆的对话选项，自定义指令进一步定制了ChatGPT的响应。随着这些功能的发展，隐私和安全标准也在进化，确保敏感信息得到适当处理。
我们一起来看看OpenAI的官方博文内容：
我们正在使用 ChatGPT 测试记忆。记住您在所有聊天中讨论的内容可以使您不必重复信息，并使以后的对话更有帮助。
您可以控制 ChatGPT 的记忆。您可以通过对话或设置明确地告诉它记住某些内容，询问它记住了什么，并告诉它忘记。您也可以完全关闭它。
本周我们将向一小部分 ChatGPT 免费版和 Plus 用户推出，以了解它的有用性。我们将很快分享更广泛推广的计划。
记忆是如何运作的
当您与 ChatGPT 聊天时，您可以要求它记住特定的内容或让它自行获取详细信息。使用越多，ChatGPT 的记忆力就会越好，并且随着时间的推移，您会开始注意到改进。例如：
您已经解释过，您更喜欢会议记录在底部总结标题、项目符号和行动项目。 ChatGPT 会记住这一点并以这种方式回顾会议。
您已告诉 ChatGPT 您拥有一家附近的咖啡店。当为庆祝新地点的社交帖子集思广益时，ChatGPT 知道从哪里开始。
你提到你有一个小孩，她喜欢水母。当您要求 ChatGPT 帮助创建她的生日贺卡时，它会建议一只戴着派对帽的水母。
作为一名有 25 名学生的幼儿园老师，您更喜欢 50 分钟的课程以及后续活动。 ChatGPT 在帮助您创建课程计划时会记住这一点。
由你掌控
您可以随时关闭记忆（设置 > 个性化 >记忆）。当记忆关闭时，您将无法创建或使用记忆。
如果您希望 ChatGPT 忘记某些内容，只需告诉它即可。您还可以在设置（设置 > 个性化 > 管理记忆）中查看和删除特定记忆或清除所有记忆。 ChatGPT 的记忆会随着您的互动而演变，并且与特定对话无关。删除聊天记录并不会消除其记忆；您必须删除记忆本身。您可以在我们的帮助中心找到更多详细信息。
我们可能会使用您向 ChatGPT 提供的内容（包括记忆）来为每个人改进我们的模型。如果您愿意，可以通过数据控件将其关闭。与往常一样，我们不会使用来自 ChatGPT 团队和企业客户的内容进行训练。在我们的帮助中心详细了解我们如何使用内容来训练模型以及您的选择。
使用临时聊天进行无记忆对话
如果您想在不使用记忆的情况下进行对话，请使用临时聊天。临时聊天不会出现在历史记录中，不会使用记忆，也不会用于训练我们的模型。在我们的帮助中心了解有关临时聊天的更多信息。
自定义指令也让 ChatGPT 更有帮助
自定义指令继续允许您向 ChatGPT 提供直接指导，了解您希望它了解您的哪些信息以及您希望它如何响应。如需明确的信息或说明，您可以将其添加到您的自定义说明中。对于通过对话共享的信息，ChatGPT 可以为您记住相关详细信息。
不断发展我们的隐私和安全标准
记忆带来了额外的隐私和安全考虑，例如应该记住什么类型的信息以及如何使用它。我们正在采取措施评估和减少偏见，并引导 ChatGPT 避免主动记住敏感信息，例如您的健康详细信息 - 除非您明确要求这样做。
团队和企业客户可以更高效地工作
对于企业和团队用户来说，使用 ChatGPT 进行工作时记忆会很有用。它可以了解您的风格和偏好，并以过去的互动为基础。这可以节省您的时间，并带来更相关、更有洞察力的回复。例如：
ChatGPT 可以记住您的语气、声音和格式偏好，并自动将它们应用到博客文章草稿中，无需重复。
编码时，您告诉 ChatGPT 您的编程语言和框架。它可以记住后续任务的这些偏好，从而简化流程。
对于每月业务回顾，您可以安全地将数据上传到 ChatGPT，它会创建您喜欢的图表，每个图表包含三个要点。
与任何 ChatGPT 功能一样，您可以控制组织的数据。关于您工作空间的记忆和任何其他信息均不包含在我们的模型训练中。用户可以控制他们的记忆在聊天中的使用方式和时间。此外，企业帐户所有者可以随时关闭其组织的记忆。
作为我们更广泛部署的一部分，企业和团队用户将有权访问记忆。
GPT 也有记忆
GPT 将有自己独特的记忆。构建者可以选择为其 GPT 启用记忆。就像您的聊天一样，记忆不会与构建者共享。要与支持记忆的 GPT 交互，您还需要打开记忆。例如：
图书GPT可帮助您找到下一本读物。启用记忆功能后，它会记住您的偏好，例如最喜欢的类型或热门书籍，并相应地定制推荐，而无需重复输入。
每个 GPT 都有自己的记忆，因此您可能需要重复之前与 ChatGPT 共享的详细信息。例如：
如果您使用Artful Greeting Card GPT为您的女儿创建生日贺卡，它不会知道她的年龄或她喜欢水母。您需要告诉它相关的详细信息。
当我们更广泛地推出 GPT 记忆时，它就会可用。
以下是ChatGPT记忆功能更新的10个关键点概要：
记忆功能测试： OpenAI正在测试让ChatGPT记住用户在对话中提供的信息的能力，以在未来的交流中利用这些信息。
用户控制： 用户可以控制ChatGPT的记忆功能，包括命令ChatGPT记住或忘记特定信息，或完全关闭记忆功能。
隐私与安全： 引入记忆功能时，OpenAI特别强调了隐私和安全的重要性，确保用户信息的处理方式安全合规。
临时聊天模式： 为了进一步保护用户隐私，提供了一种临时聊天模式，允许用户进行对话而不留下任何记忆。
个性化体验： 记忆功能旨在提供更加个性化的聊天体验，让ChatGPT能够根据用户的历史交流提供更加相关和连贯的回答。
自定义指令： 用户可以通过自定义指令来精细控制ChatGPT的行为和记忆功能，包括指定记忆的内容和持续时间。
企业级应用： 记忆功能也针对企业用户进行了优化，支持团队合作和信息共享，提高工作效率和协同作业的能力。
测试与反馈： OpenAI正在进行广泛的测试，收集用户反馈来不断改进记忆功能，确保它既实用又符合用户期望。
技术改进： 除了用户界面的改进外，OpenAI还在技术层面上不断优化，以提高记忆功能的准确性和效率。
未来发展： OpenAI计划根据用户反馈和测试结果继续扩展记忆功能，包括更多个性化选项和改进的隐私保护措施。
-
OpenAI
【美国】企业用量计费解决方案提供商Metronome获得4300万美元B轮融资
总部位于加利福尼亚州旧金山的企业用量计费解决方案提供商 Metronome 获得了4300万美元的 B 轮融资。
本轮融资由 NEA 领投，此前的支持者 Andreessen Horowitz 和 General Catalyst 也参与了本轮融资。在融资的同时，NEA 风险合伙人 Hilarie Koplow-McAdams 加入了 Metronome 董事会。
公司打算利用这笔资金扩大运营和业务范围。
Metronome于2019年创办，在首席执行官 Kevin Liu 和首席技术官 Scott Woody 的领导下，Metronome 为现代软件公司提供了一个基于使用量的计费平台。有了它，团队可以快速推出新产品和定价，简化收入工作流程，并为客户提供实时的消费透明度。
我们相信 SaaS 公司不应该在打造产品和将产品推向市场之间做出妥协。我们在整个职业生涯中都看到了这个问题：在我们之前的初创公司、在 Dropbox，以及在我们设计 Metronome 时与之交谈过的数百家公司。尽管在工程和运营方面投入了大量资金，但团队还是受到计费系统的束缚。我们创建 Metronome 的初衷是提供一个更好的选择--一条不费吹灰之力就能实现世界级计费的道路。
这显然引起了我们客户的共鸣。对于初创企业来说，今年是充满挑战的一年，而 Metronome 却幸运地实现了巨大增长。我们已经建立并部署了一个计费系统，如今，包括 Databricks、OpenAI、Anthropic、英伟达（NVIDIA）等在内的 SaaS 领域发展最快的公司都在使用该系统。初创公司选择 Metronome 以最小的工程开销提供一流的计费体验，而企业则与我们合作，加速向云收入和基于使用量的定价过渡。
在2024年，我们将更轻松地构建和维护数据管道集成，以释放更多的工程时间。我们将简化数据进出 Metronome 与数十个业务系统的流程，以更好地满足用户的工作需求。我们正在全面调整核心数据模型，以实现复杂的报价到现金工作流程的完全自动化和更大的定价灵活性。我们正在扩大对对账、收入确认和审计用例的支持，使 Metronome 成为财务团队的世界级工作流程工具。
关于Metronome
Metronome 设计为从数据到收入的完整计费平台，因此计费永远不会成为瓶颈。快速启动并运行计费系统，与您共同成长。Metronome 的实时数据基础设施可将原始使用事件转化为计费指标，无需复杂的数据管道。我们的惰性保证和数据回填功能可确保您的发票始终准确无误。
-
OpenAI
美国初创公司Sema4.ai获得3050万美元融资，将开源人工智能引入关键任务企业工作中
Sema4.ai 是一家位于加利福尼亚州旧金山的初创公司，致力于将开源人工智能技术应用于企业关键任务中，筹集了3050万美元的资金。
支持者包括 Benchmark 和 Mayfield Fund。
在首席执行官 Rob Bearden 的领导下，Sema4.ai 正在构建智能代理，以改变知识工作者与人工智能协作的方式。公司实现了有意义的人机协作，支持并简化了知识工作者的复杂决策。客户现在可以在其最敏感的工作流程中安全可靠地利用 LLM 的强大功能，从低水平、低价值的自动化转向原生的、基于人工智能的代理。
公司还宣布推出基于 Python 的新 AI Actions 框架的社区版本，该框架可直接与 LangChain 和 OpenAI 集成。
公司正利用这笔资金收购开源自动化公司 Robocorp。Robocorp 的创始人兼首席执行官 Antti Karjalainen 成为 Sema4.ai 的联合创始人。
对于全球数十亿知识工作者来说，人工智能的承诺尚未实现。大型语言模型（LLM）可以总结大量信息并与人类对话，但却难以支持和简化知识工作者复杂的端到端工作流程。现有的企业自动化解决方案仅限于简单、重复、点对点的任务，因为它们缺乏知识工作的基本能力，例如管理模糊性的智能和推理能力，以及适应不断变化的企业环境并采取实时行动的能力。
Sema4.ai的创始团队由久经考验的行业领袖Rob Bearden、Ram Venkatesh、Suds Menon和Paul Codding组成，他们在数据管理、分布式系统、应用程序开发和开源领域拥有深厚的专业知识和数十年的丰富经验，包括Cloudera、Docker、Hortonworks、SpringSource和JBoss等公司。通过此次收购，Robocorp 创始人兼首席执行官 Antti Karjalainen 也加入了创始团队，进一步丰富了公司在开源和自动化领域的经验。
"Sema4.ai首席执行官Rob Bearden表示："我们的创始人都拥有建立重要企业软件业务的丰富经验。"我们之所以收购 Robocorp，是因为我们深信，没有行动的智能是不完整的，而没有智能的行动充其量是非战略性的。通过合作，我们完全有能力打造定义类别的智能代理，将上下文与行动联系起来，改变企业的工作方式。
"Benchmark公司的普通合伙人Peter Fenton表示："Benchmark公司与Rob Bearden的合作关系已经跨越了20多年的开源成功故事，目前的产品收入超过20亿美元--从JBoss到最近的Cloudera。"他的领导力、开源人工智能和 Robocorp 的代理技术将使大型企业能够安全地构建、运行和管理改变模式的人工智能应用，而开源基础的效力只会随着时间的推移而不断增强。
"Mayfield 管理合伙人Navin Chaddha表示："作为 People First 的投资者，我们很荣幸能与 Sema4.ai 背后经验丰富的创始团队合作，因为他们正在寻求一个变革性的 GenAI 机会，以加速推动价值 880 亿美元的人工智能经济。"我们对 Sema4.ai 的投资反映了我们的信念：在模式转变过程中，管道层推动了企业的采用。在人工智能时代，我们将其视为'认知管道'，即模型/中间件/工具、数据、基础设施和半成品/系统自动执行认知任务，从而释放新的可能性。
"Robocorp创始人兼首席执行官、Sema4.ai联合创始人Antti Karjalainen表示："我们认为Python是开发智能代理的首选语言，这也是我们扩展Robocorp平台、专注于'自动化即代码'的原因。"我们与 LangChain 的新集成使人工智能开发人员能够使用 LLM 对企业应用和数据采取直接行动，从而实现从对话到行动的闭环，完成真正的工作。
关于 Sema4.ai
Sema4.ai的使命是通过构建智能代理，改变知识工作者与人工智能协作的方式，从而定义知识工作的未来。Sema4.ai的创始团队由来自Cloudera、VMware、Hortonworks和JBoss等公司的久经考验的行业领袖组成，并收购了开源自动化先驱Robocorp，Sema4.ai定义类别的智能代理将上下文与行动联系起来，改变了企业的工作方式。Sema4.ai 是人工智能承诺与人的潜能的完美结合。
-
OpenAI
【Josh Bersin】2024年人力资源预测：全球寻求提高生产力
在过去的二十年里，我一直在撰写有关人力资源预测的文章，但今年有所不同。在我看来，今年将是打破模式、改变企业每个角色的一年。人工智能不仅会改变每家公司和每项工作，而且公司将开始不懈地追求生产力。
想想我们的过去。2008 年金融危机之后，世界进入了一个加速增长的零利率时期。公司收入增长，雇佣员工，股价上涨。招聘继续以疯狂的速度进行，导致 2019 年底的失业率达到了破纪录的 3.5%。
大流行病来袭，半年内一切都停滞不前。2020 年 4 月，失业率飙升至 15%，公司纷纷让员工回家，我们重新设计了产品、服务和经济，以应对远程工作、混合工作安排以及对心理健康的关注。
一旦经济复苏（得益于美国的财政刺激政策），企业又回到了旧的招聘周期。但随着利率上升和需求下降，裁员现象再次出现，在过去的 18 个月里，我们看到了招聘、裁员，然后再次招聘以恢复经济。
为什么会出现跷跷板效应？
首席执行官和首席财务官们是在我们称之为 "工业时代 "的环境下工作的--招聘促进增长，然后在经济放缓时裁员。
如今，当我们进入 2024 年时，一切都不同了。我们必须 "囤积人才"，投资于生产力，重新发展和调配人员以实现增长。
我们所处的世界失业率高达 3.8%，几乎每个岗位都存在劳动力短缺问题，员工的权力越来越大，员工的要求也越来越高：要求加薪、灵活性、自主性和福利。每年有超过 20% 的美国雇员更换工作（每月 2.3%），其中近一半是进入新的行业。
为什么会出现这种 "新常态"？
原因有几个。首先，正如我们在《全球劳动力情报》（Global Workforce Intelligence）研究中所讨论的那样，行业正在重叠。每家公司都是一家数字公司；每家公司都希望建立经常性收入流；不久之后，每家公司都将依靠人工智能运行。过去停留在某一行业内的职业正在转变为 "基于技能的职业"，使人们比以往任何时候都更容易跳槽。
其次，员工（尤其是年轻人）感到有能力按照自己的意愿行事。他们可能会悄悄辞职、"挣工资 "或抽出时间转行。他们认为自己的人生还有很长的一段路要走（人们的寿命比 20 世纪 70 年代和 80 年代要长得多），因此他们不介意离开你的公司去其他地方发展。
第三，生育率持续下降，劳动力短缺将加剧。日本、中国、德国和英国的劳动力人口都在减少。未来十年左右，大多数其他发达经济体也将如此。
第四，工会正在崛起。得益于华盛顿的新理念，我们在谷歌、亚马逊、星巴克、通用汽车、福特、Stellantis、Kaiser、迪士尼、Netflix 等公司都看到了工会活动。虽然工会在美国劳动力中的参与率不到 11%，但在欧洲却要高得多，而且这一趋势还在上升。
这一切意味着什么？
老式的 "以雇佣促发展 "模式并不总是奏效。在这个后工业时代，我们必须关注员工的发展、保留、参与和生产力。与 "以招聘求发展 "相比，我们必须采用系统性的 "四R "模式。
业务绩效 "的真正含义是什么？
如果你是一位首席执行官，你需要的是收入增长、市场份额、盈利能力和可持续性。如果你无法通过招聘实现增长（员工不断以奇怪的方式 "激活"），你还有什么选择？很简单：实现自动化，提高生产力。
为什么我认为这是 2024 年的重要话题？有三大原因。
首先，首席执行官们对此非常关注。
普华永道 2024 年首席执行官调查发现，首席执行官们认为他们公司 40% 的工作浪费了生产力。
这听起来令人震惊，但对我来说却是事实：太多的电子邮件、太多的会议、混乱的招聘流程、官僚的绩效管理等等。(其中一些问题就是人力资源部门造成的）。
第二，人工智能使其成为可能。
人工智能旨在提高白领的工作效率。(生成式人工智能能让我们更快地找到信息，了解趋势和异常值，进行自我培训和学习，并清理我们像负担一样随身携带的文件、工作流程、门户网站以及后台合规和管理系统等乱七八糟的东西。
第三，我们需要它。
找人都这么难，还怎么发展？去年的招聘时间增加了近 20%，就业市场变得更加艰难。你能在技术技能方面与谷歌或 OpenAI 竞争吗？
内部开发、改造和自动化项目就是答案。有了生成式人工智能，机会无处不在。
这一切对人力资源意味着什么？
正如我在《人力资源预测》中所述，我们有很多问题需要解决。
我们必须加快向动态工作和组织结构的转变。我们必须集中精力，务实地掌握技能。我们必须重新思考 "员工体验"，处理我们称之为 "员工激活 "的问题。我们必须对人力资源技术、招聘和学习与发展系统进行现代化改造，利用人工智能使这些系统更加有用。
我们的人力资源团队也将由人工智能驱动。正如我们的 Galileo™ 客户已经告诉我们的那样，精心设计的 "专家助理 "可以彻底改变人力资源人员的工作方式。我们可以成为 "全栈 "人力资源专业人士，在几秒钟内而不是几周内找到有关团队的数据，并在几秒钟内与直线领导分享人力资源、领导力和管理实践。(伽利略被世界上一些最大的公司用作管理教练）。
还有其他一些变化。随着公司将重点放在 "通过提高生产力实现增长 "上，我们必须考虑每周 4 天工作制、如何将混合工作制度化，以及如何以更有效的方式联系和支持远程员工。我们必须重新关注领导力发展，在一线管理人员身上花费更多时间和金钱，并继续投资于企业文化和包容性。我们必须简化和重新思考绩效管理，我们必须解决薪酬公平这一令人头疼的问题。
还有更多。
我们必须将 DEI 计划嵌入到业务中（人力资源 DEI 警察的时代已经过去了）。我们必须清理我们的员工数据，以便我们的人工智能和人才智能系统准确可靠。我们必须转变思维，从 "支持业务 "转变为 "成为有价值的顾问"，并将我们的人力资源服务产品化，正如我们的系统性人力资源研究报告所指出的那样。
所有这些都将在我们本周发布的长达 40 页的新报告《2024 年人力资源预测》中详细阐述，其中包括一系列帮助您思考所有这些问题的行动计划。
让我提醒您一个重要的问题。生产力是人力资源部门存在的理由。
我们所做的一切，从招聘、辅导、发展到组织设计，只有在帮助公司发展的情况下才能取得成功。作为流失率、参与度、技能和领导力方面的专家，我们人力资源部门每天都要思考如何提高员工和组织的生产力。2024 年将是人力资源部门专注于这一更高使命的伟大一年。
最后一件事。
报告中有 15 项详细预测，每项预测都附有一系列行动步骤供您参考。最后一项是真正为你们准备的：关注人力资源的技能和领导力。作为公司人事流程的管理者，我们必须关注自身的能力。2024 年将是我们成长、学习和表现的一年。如果我们能很好地处理这 15 个问题，就能帮助我们的公司在新的一年里蓬勃发展。
-
OpenAI
OpenAI革新发布：ChatGPT 团队版与GPT商店
OpenAI最近推出了两项重大创新：ChatGPT团队版和GPT商店。这些进展不仅展示了OpenAI在人工智能领域的深厚实力，而且标志着AI技术在商业和创新应用领域的新篇章。
首先，让我们深入了解ChatGPT团队版。这是一个专为团队合作设计的产品，旨在提高团队工作效率和协作。ChatGPT团队版在传统ChatGPT的基础上增加了许多新功能和服务，包括：
高级模型访问权：用户可以使用如GPT-4这样的高级模型，这些模型具有更长的上下文窗口，能够处理更复杂的对话和数据分析。
工具支持：团队版提供DALL·E 3、GPT-4 with Vision、浏览功能和高级数据分析工具，以及更高的消息上限。
数据安全与隐私：OpenAI保证不会在用户的业务数据或对话上进行模型训练，其模型也不会从用户的使用中学习，确保数据安全和隐私。
安全的工作空间：提供了一个专门的、安全的协作空间，方便团队成员之间的沟通和协作。
自定义GPT创建和共享：用户可以创建和共享定制版的GPT，以适应特定的工作流程和需求，且无需编码。
管理控制台：提供了一个便于团队和工作空间管理的管理员控制台。
新功能和改进的早期访问：用户可以优先体验OpenAI的新功能和改进。
ChatGPT团队版的定价为每个用户每月25美元（按年计费）或每个用户每月30美元（按月计费）。这一产品不仅提供了强大的AI工具和服务，而且通过其高级功能和定制选项，为各种团队和业务提供了前所未有的灵活性和高效性。
哈佛商学院的一项研究表明，使用GPT-4的波士顿咨询集团员工在完成任务时，速度比未使用AI的同事快25%，工作质量提高了40%。这一发现凸显了ChatGPT团队版在提高团队效率和工作质量方面的巨大潜力。
除了ChatGPT团队版，OpenAI还推出了GPT商店。这是一个探索和使用定制版ChatGPT的平台，旨在促进AI技术的广泛应用和创新。GPT商店汇集了来自OpenAI合作伙伴和社区开发的各种GPT应用，覆盖艺术创作、学术研究等多个领域。这个商店不仅是产品展示和购买的平台，还是一个促进创新和技术交流的社区。
在GPT商店中，用户可以发现各种有趣和有用的GPT应用，这些应用不仅展示了AI技术的多样性，也体现了OpenAI在推动AI技术广泛应用方面的决心。通过这个平台，OpenAI旨在建立一个充满活力的社区，鼓励更多的人参与到AI技术的创新和应用中来。
OpenAI的这两项新产品发布，不仅彰显了公司在人工智能领域的领先地位，更体现了其推动AI技术广泛应用和社会发展的愿景。随着AI技术的不断进步和普及，我们可以预见，OpenAI将继续在人工智能领域扮演重要角色，推动技术和社会的共同发展。
总的来说，ChatGPT团队版和GPT商店的推出是OpenAI在其使命——“通过友好AI推动所有人的福祉”——上的重要一步。通过这些产品，OpenAI不仅提高了团队协作和创新的可能性，而且为广泛的用户群体提供了更加丰富和多样的AI体验。随着这些产品在市场上的推广和应用，我们期待看到AI技术在更多领域的积极变革。
扫一扫 加微信
hrtechchina
