-
学习敏捷性
AI不是“理解”人类，而是“预测人类”：前Google人力资源副总裁Laszlo Bock谈职场的下一个十年挑战
在一场广受关注的主题演讲中，前Google人力资源副总裁Laszlo Bock分享了他对“AI如何重塑未来工作形态”的深度洞察。这不仅是一场关于技术的讲座，更是一份面向HR群体的战略警告和实践指南。非常值得推荐给大家！他的核心论点可以归结为三点：AI并不真正“理解”语言，它只是预测下一句话最可能出现什么词；AI将迅速改变职场结构，尤其是初级岗位和事务性工作的消失；HR若不掌握数据能力和实验逻辑，将失去为员工发声和引导组织转型的机会。
人类直觉无法判断AI边界：它看世界是“token”，不是意义
Laszlo用一个看似简单但极具颠覆性的观点开场：AI不是在“思考”，而是在“预测”。
他指出，大型语言模型（LLMs）是通过将语言拆解成“token”（语言单位）进行训练的。这些模型并不具备语义理解能力，而是基于庞大的语料库，预测下一个最有可能的token。比如，当你问AI“生成一个1到100之间的随机数”，你可能经常得到“42”这个答案。这并不是因为42有任何数学意义，而是因为它在互联网上出现频率高——尤其是在大量关于《银河系漫游指南》的内容中。
这种基于“频率预测”而非“逻辑理解”的模式导致AI具备一种“锯齿状的能力边界”——即它在某些任务上表现卓越，但在看似相似的任务上却经常出错。例如，它可以写出流畅的商业邮件，但无法准确区分事实与虚构；它可以写诗，但很难遵守准确的格式要求；它可以下棋，却经常做出输局的决策。
正因为如此，我们人类在评估AI能否胜任某项任务时，往往会被自己的“直觉”误导。
AI提升了工作绩效平均值，但并不意味着每个人都会受益
Laszlo引用了BCG与哈佛商学院的联合研究，展示AI对员工绩效的实质影响。在这项研究中，团队设计了18种与真实工作情境接近的任务，从数据分析到创意思维，从说服性表达到战略建议。结果发现，当员工使用AI工具协助完成任务时，整体绩效水平显著提升，原本员工间28%的能力差距被缩小至5%。
这意味着，未来的职场中，“差距”会被压缩，“平均”成为常态。听起来似乎是件好事，但Laszlo却抛出一个值得HR深思的问题：如果每个人都变得“高效”，组织会如何反应？是减少工时？提高薪酬？还是干脆将“平均线”当作新标准，进一步压缩人力成本？
这并非杞人忧天。历史经验告诉我们，技术进步往往首先带来“效率红利”，但最终这些红利会在某些层级被资本所吸收，而不是自动回流到员工手中。
职场结构正在重构：五类岗位首当其冲
在对未来工作的预判中，Laszlo明确指出了五类岗位或将迅速减少，甚至消失。
首先是离岸外包型工作。随着AI在数据处理、文档生成等任务中的普及，企业将更倾向于直接部署AI模型，而非将工作转包给人力成本较低的国家。
其次是初级岗位，尤其是在咨询、银行、律师事务所等以“精英路径”著称的行业。大量初级岗位的主要任务是处理数据、制作PPT、整理分析报告，这些恰恰是AI擅长的内容。
第三类是事务性小时工，例如快餐店点单员、呼叫中心客服等。这些岗位过去被认为是“不可被机器取代”的人机交互工作，如今正被AI语音助手、聊天机器人、自动点餐系统等迅速替代。
第四，组织将逐渐发现一个更棘手的问题：中层管理人才短缺。Laszlo预测，未来4至7年内，具备协调能力、能带团队、能处理人际复杂问题的管理者将变得极为稀缺，因为AI可以替代事务执行，但无法承担信任建立、冲突调和、判断取舍等高度人性化的职责。
最后，是那些“以为安全”的专业性岗位，例如金融分析师、法律助理、初级产品经理等。如果其主要职责是信息归纳与逻辑输出，同样处于AI威胁之下。
HR需重新定位：别再做“感觉派”，而要成为“实验派”
Laszlo在演讲中特别点名了HR行业的一个致命短板：很多政策和项目的设计并没有建立在实证基础之上，而是靠“经验”与“感觉”。
他列举了一些广泛存在的误区，例如：
提高员工内推奖金，并没有显著提升推荐量；
健康激励项目（如健身补贴）往往吸引的本来就是健康人；
看重名校背景的招聘标准，与员工实际绩效无关，甚至有时是负相关；
培训项目6个月后的绩效反而下降；
要求员工返岗的政策，降低了满意度，但并未提升生产力。
这些都说明，缺乏实验和数据支持的HR决策，可能带来反效果。
因此，他呼吁HR团队要向科学靠拢，掌握A/B测试、因果验证、数据解读等基本实验方法。特别是在部署AI相关工具和流程时，必须通过“高质量实验”来判断其真正影响，否则就只是被技术牵着走。
企业该如何准备？Laszlo提出六条实践路径
为了帮助企业和HR真正应对AI带来的变革，Laszlo提出了六条务实的建议。这些建议并不需要企业“砸钱买AI”，而是聚焦于“组织能力”的构建。
第一，清洗和集中数据。数据质量是AI成功的前提，脏乱差的数据只会导致错误的预测和决策。
第二，建立统计和实验能力。无论是HR项目还是AI工具的效果评估，都必须靠科学实验说话。
第三，设立“AI专责角色”。组织中应有一位专门负责AI探索的人，持续关注行业动态，并定期向管理层报告AI试点进展。
第四，选择业务最痛的地方，或个人最热情的领域作为AI试点起点。这样更容易获得支持与反馈。
第五，培养员工的学习能力，并将其作为招聘标准。因为我们无法预测未来五年最需要的技能，但可以培养出善于学习的员工。
第六，保持耐心。AI转型不是一蹴而就的。强生公司就用了三年时间，通过系统实验才明确AI的价值落点。
HR的第二次“高光时刻”已到来
Laszlo的结尾令人动容。他说，疫情期间，HR成为企业最重要的部门之一——引导组织远程办公、调整政策、守护员工心理健康。今天，随着AI浪潮席卷而来，HR再次站在战略变革的第一线。
而这一次，HR面临的不是临时危机，而是长期结构性重塑。一个真正成熟的HR团队，必须不仅能理解人，也要能理解技术；不仅能提出人本关怀，也能设计科学流程；不仅能代表员工发声，也能为组织盈利模式注入长期主义。
这既是一份挑战，更是一份召唤。
AI时代来临，每一个组织都必须重新思考“人”的价值。而HR，正是那个最应该引领答案的人。
Laszlo Bock的这场演讲，值得每一位HR反复阅读、深入讨论，并在组织内部真正落地。
如果你还没有准备好，不如从这六件事做起。
如果你已经在路上，欢迎把这篇文章分享给更多同行，一起构建一个更智慧也更有人性的未来职场。
备注：
Laszlo Bock背景介绍： 前 Google 全球人力资源高级副总裁（SVP of People Operations），Humu 联合创始人，已退出管理岗位，AI 与组织变革思想领袖。
畅销书：《Work Rules!》（2015）《重新定义公司：谷歌是如何运营的》
-
学习敏捷性
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。
扫一扫 加微信
hrtechchina
