va bene come stanno andando tutti
così tutti i robot stanno arrivando , sai
i robot stanno arrivando ma sono loro
venendo per noi umani, umani e risorse umane
sostituiranno le persone dietro il
molto nome di risorse umane penso
in realtà arriveranno, ma è così
non sarà così male come pensiamo
e quelli sono alcuni vantaggi ma prima
Facciamo un passo indietro qui è un centinaio
anni di storia delle risorse umane in circa 30 secondi
così abbiamo iniziato con un ragazzo di nome Federico
Taylor che ha avuto questo concetto di
principi di gestione scientifica
che è fondamentalmente l’ idea che tu
potrebbe prendere il movimento individuale di Adri
qualcuno fa nel suo caso i lavoratori dell’acciaio
e ottimizzarli ancora meglio dopo alcuni
il tempo è passato al concetto di
personale e questo era un po ‘del del
età oscure delle risorse umane dove erano gli umani
file fondamentalmente per essere spostati grande
gruppi di masse da mettere qui e
lì ma alla fine abbiamo capito
ci sono umani e risorse umane noi
ribattezzato noi stessi abbiamo iniziato a fare
cose come allenamento e sviluppo
pianificazione organizzativa di leadership e
le cose sono migliorate anche in questo periodo
le statistiche sono migliorate e abbiamo iniziato a farlo
fare cose come analisi fattoriale e
modellazione di equazioni strutturali e
in definitiva cose come l’ apprendimento automatico
nei big data e questo ci porta al
Anni 2000 e per me circa il 2004 quando io
iniziato a un piccolo avvio di Internet
chiamato Google, che era un ottimo posto per
essere se tu fossi tipo di un nerd di dati come
Ero e volevo portare un po ‘di
rigore analitico per il processo HR così
Google al momento era pieno di
molti dati e molti
domande che volevano tipo di
Anche le risposte guidate dai dati sono state fantastiche
posto per tipo di iniziare ciò che è iniziato
lì che era una specie di questo concetto di
persone di analisi e puoi trovare un sacco
di diverse definizioni di persone
Analizza là fuori e puoi fare il tuo
propria ricerca ma essenzialmente per me indietro
nel 2004 ciò significava prendere i dati
aggiungere approfondimenti e migliorare
le decisioni della gente fuori da questo così ho
da quando è passato da Google e andato a
altri posti e anche stati sull’altro
lato di esso che è come fanno le persone
interpretare quei dati ma le analisi delle persone
ha tolto come schierare questo è un
grafico di tutto il termine di ricerca per le persone
analisi in Google negli ultimi 14
anni e
vedi che è a destra questo è un
concetto che è stiamo vedendo un sacco di
uptick su così cosa puoi fare in questo
tipo di campo che puoi scoprire che puoi
fai ogni sorta di cose interessanti per
esempio se hai 300 cose diverse
potresti sapere di qualcuno che lo è
come noi chiamiamo variabile predittore quindi dove
sei andato a scuola ma forse dove tu
ha funzionato, ma anche come Hoppe era il tuo lavoro
a cosa ti importava da bambino cosa?
Hobby avete quanti di questi
le cose in realtà prevedono la performance
una volta che ci arrivi davvero così
variabili di rendimento come la tua prima
punteggio di prestazione sul posto di lavoro o anche
comportamenti altruistici quanto aiuti
altre persone al lavoro così quando butti
tutti questi in analisi interessanti te
scoprire che la maggior parte di loro in realtà
non sono così predittivo ma lo trovi
alcune gemme lì così, per esempio, come lo sono io
in grado di trovare cose come l’età in
in cui sei entrato nei computer rispetto a
i tuoi coetanei erano un ottimo predittore
se sei un buon software
ingegnere più tardi nella vita e anche trovato
cose come persone che sono altamente
nevrotici rendono migliori product manager
trarre le proprie conclusioni su quello
puoi anche fare qualcosa come il
favolosamente chiamato Cox proporzionale
modello di rischio per il tempo di sopravvivenza in
questa analisi mostra due persone blu
linea persona persona linea verde dove tu
in grado di misurare loro nel corso del tempo il tempo è dalla
l’asse x e vuoi misurare il loro
la felicità che è sull’asse delle y così io
avere una teoria su cui sei felice di dire
il lavoro è il vostro il vostro primo giorno sul
lavoro perché semplicemente eccitato di essere lì voi
non so niente di meglio e poi il tuo
tipo di felicità di scendi nel tempo
e so che sembra deprimente, ma è così
scopre il tipo di dati che supporta quello
un po ‘ma quello che succede è il tuo
la felicità non si ferma in modo costante
tasso di stato va in gocce grandi gocce
e nel nostro campo chiamiamo quelle gocce
shock organizzativi e quegli shock
possono essere questi sono alcuni degli scatti che
Ho trovato nella ricerca se vai da a
manager di alto livello a un manager terribile
questo è uno shock enorme e la tua felicità
scenderà non appena lo avrai scoperto
questo è il caso se il tuo reorg per
la terza volta in cui sarai meno
felice per la terza volta così hai
queste cose che ti succedono e come
Professionisti delle risorse umane se possiamo ottenere noi stessi
lì dentro e inserirci prima
che lo shock capita che possiamo prevenirne alcuni
della diminuzione della felicità e
si scopre se ottieni queste cose è
molto più predittivo di se qualcuno
partirò quindi se lo chiedi alla gente
stai pensando di lasciare che le persone non lo siano
davvero bravo a dirti questo
anche un anno da oggi in modo da poter fare tutto
queste cose interessanti si possono ottenere tutto questo
dati interessanti e vuoi averli
dipendenti felici come tutti questi felici
saltando le persone che sono lì il problema
hai il capo in mezzo
decisore esecutivo e alcuni di
la fedeltà o il potere di ciò
l’analisi si degrada man mano che procedi
l’Occidente a volte il disordinato
ben intenzionato a volte un po ‘confuso
persona nel mezzo quindi sai perché lo è
che il caso così ho trovato c’è un
Ragioni di coppia dove penso questo
succede che il primo è il tuo intuito
ti sembra che sia molto più importante
dei dati che ti vengono mostrati quindi se lo chiedi
qualcuno che voglio che intervista
qualcuno ma ti darò un sacco
di domande e devi restare
questo script strutturato e rispondi a questo
tutti come nah non farlo dare
me cinque minuti con esso
persona ti dirò se ne abbiamo bisogno
noleggiali ed è un po ‘come
mi hanno detto che è bello che ti sei iscritto
per match.com non devi incontrarti
la persona in un bar va semplicemente al
cappella l’algoritmo è così buono che lo farà
ti dico di presentarti qui questo è il
la persona ha bisogno di sposare persone che non gli piacciono
che vogliono la loro intuizione lì dentro
e parlando di intuizione è uno
esempio di tutti questi pregiudizi e
euristica che tutti abbiamo noi
portare sul tavolo che sono veramente difficili
di ignorare
così da ciao a corno simile a me bias
bias di conferma veniamo con tutto questo
roba e anche se sappiamo che è
lì è davvero difficile non esserlo
lì e il terzo è che vogliamo un facile
rispondi vogliamo una top list gratuita proprio noi
dammelo e dai tre migliori
il problema è che i robot sono ancora
venire AI ancora qui apprende macchina
qui quindi dobbiamo trovare un modo per prepararci
per questo quindi cosa penso che dovremmo fare
è come professionisti delle risorse umane abbiamo bisogno di agire come
la Rosetta Stone deve avere questi dati
che è qui abbiamo bisogno di persone che
in grado di interpretare e e farlo cantare
per i nostri dirigenti perché sono occupati
e sono per lo più ben intenzionati e loro
basta avere altre 5.000 cose di cui hanno bisogno
da fare e hai bisogno di aiutarti a disegnarlo
da loro solo un altro paio di cose
pensa che aiuterà lungo il cammino
per prima cosa dobbiamo pulire la nostra gente
dati ed è uno studio leggero lo scorso anno
è stato riscontrato che il 69% delle organizzazioni lo è
preparare i loro dati per persone migliori
analisi che è un ottimo inizio ma se
parli con qualcuno degli scienziati sociali
all’interno della vostra organizzazione diranno
abbiamo una lunga strada da percorrere, c’è molto
più cose che possiamo ottenere abbiamo bisogno di meglio
dati di attrito dati di prestazioni migliori a
molte più cose in secondo luogo è necessario
perfezionare noi stessi come professionisti delle risorse umane noi
bisogno di coinvolgere gli scienziati sociali
le persone con formazione e invece chi può
rendi questo di nuovo questo dato cantare interpretare
questo per me come funziona e il
terzo è necessario passare alcuni di questi
compiti ripetitivi che in realtà non lo facciamo
davvero voglia di fare su alla casella di chat
per automatizzare l’apprendimento sull’intelligenza artificiale, quindi lo sai
quali sono alcune di quelle cose così là
ora sono 500 milioni di persone su LinkedIn
mezzo miliardo di persone e tu non vuoi
semplicemente dare quel dato impostato a umano
reclutatori che stanno per passare
questo molto lentamente uno alla volta anche
possono scrivere un codice di base per te
dovrebbe essere in grado di addestrare algoritmi a
trova sottoinsiemi di persone su LinkedIn da fare
meglio
il secondo è la pianificazione e il telefono
schermi e anche conducendo alcuni di
quegli schermi del telefono in modo da spezzare il mio
cuore un po ‘di tempo ogni volta che vedo
reclutatori coordinatori email commerciali 20
volte avanti e indietro solo per crearne uno
schermo del telefono per poi in un recruiter a
quindi fai le stesse 10 domande o chiedendo
di tutte queste altre persone che possiamo addestrare
in realtà esseri umani virtuali per farlo
noi in modo tale da non sprecarlo
il tempo e il terzo è rispondere alle FAQ così
questi sono il tipo di cosa più HR
la gente non vuole fare quando è aperta
iscrizione come faccio ad iscrivermi per il mio 401k
dov’è il manuale del dipendente come parlare
al bot di chat che la persona mostrerà
che fuori così la buona notizia è che i robot
non posso fare tutto l’apprendimento automatico
non posso aggiustare tutto e c’è molto
cose che non avresti mai mandato
robot da fare per esempio diciamo che lo sei
chiesto di indagare perché è il
esperienza nella tua azienda tecnologica
diverso per donne o persone di colore
che è per i professionisti della tecnologia bianca sei
Non inviare un robot in per capirlo
uno fuori che è super nuance giusto o
diciamo che eri preoccupato che ci sia
un impiegato lì che ha rubato a
pochi centesimi da migliaia di clienti
conti per molti anni e la stampa
sta per scoprirlo, a
difficile per un algoritmo o sei tu
dato un centinaio di litri e devi
capire chi è il 10% migliore che tu
bisogno di dare un compenso extra per e
hai cinque giorni per farlo
quindi queste sono in realtà tre sfide
Mi è stato chiesto di farlo non posso mai
immagina di dare un robot per farlo, solo io
voglio voler finire con il modo in cui possiamo
mescolare tutto questo insieme come possiamo essere un
AI una funzione HR abilitata ai dati guidata da AI
e ciò che questo potrebbe apparire come per la
utente finale così particolare come te stesso
impiegato a Columbus Ohio questo è
probabilmente un’immagine live di Columbus qui
sulla neve e tu sei abbastanza
felice nella tua organizzazione lì, ma tu
sai che saresti aperto ad altri
opportunità in modo da colpire il tuo piccolo
cosa su LinkedIn che dice che sei aperto
a nuove opportunità e avvisi
qualcosa che sta attraversando
LinkedIn che ha tenuto d’occhio
il tuo profilo che ora va penso questo
la persona sarà pronta e che li manda
un messaggio per vedere se vorrebbero
scambia qualche messaggio
avanti e indietro per vedere se lo sarebbero
interessato alla tua azienda che è a
società di gioco in California, dove è
72 e soleggiato e il e per vedere se
vorrebbero farlo e l’algoritmo
capisce che manderanno questo
notare quando il differenziale di temperatura
è il più alto tra dove sei e
dove stai andando bene, questi sono tutti
cose che puoi codificare in questo e noi
sapere cose come in realtà sono le persone
più reattivo a LinkedIn in Mills I
penso che sia un martedì mattina, così tu
potrebbe anche scegliere il momento per ottimizzare il
possibilità che questo candidato sarà più
interessato in modo da scambiare le e -mail e
avanti e alla fine di questo hai un
conversazione con un umano virtuale che
ti pone domande di base su di te
quanto stai guardando quali sono i tuoi
aspettative salariali che cosa vuoi
sai quando cresci e può
registra tutte queste cose e segna questo e
se ottieni un punteggio abbastanza alto avvisa il
reclutatore umano che entra in contatto con
tu e alla fine decidi di volare
fuori sai e ottieni il lavoro e tu
inizia nel lavoro ma risulta tuo
i manager non sono così bravi e quindi vai a parlare
alla tua persona umana e dici che non lo sono
come nel mio mio manager che tanto che
l’umano ha una bella conversazione con te
codifica in un database che
identifica una tendenza con questo particolare
manager che non sono simpatici
più persone quella persona può quindi ottenere
ha inviato un’e-mail di incoraggiamento per l’allenamento
dato da veri umani così questo è
tipo di mondo che sto pensando
ci stiamo muovendo verso dove è a
combinazione di vera e propria dal vivo gli esseri umani Big Data
e AI che lavorano insieme per migliorare il
Esperienza quindi finirò con una citazione da
Frederick Taylor, che abbiamo iniziato
questo con chi ha detto in passato l’uomo
è stato più importante in futuro
il sistema deve essere molto importante in
In questo caso penso che il sistema sia il
gli umani i grandi dati e l’intelligenza artificiale per fare tutto
di lavorare meglio per tutti noi umani
grazie
tu
così tutti i robot stanno arrivando , sai
i robot stanno arrivando ma sono loro
venendo per noi umani, umani e risorse umane
sostituiranno le persone dietro il
molto nome di risorse umane penso
in realtà arriveranno, ma è così
non sarà così male come pensiamo
e quelli sono alcuni vantaggi ma prima
Facciamo un passo indietro qui è un centinaio
anni di storia delle risorse umane in circa 30 secondi
così abbiamo iniziato con un ragazzo di nome Federico
Taylor che ha avuto questo concetto di
principi di gestione scientifica
che è fondamentalmente l’ idea che tu
potrebbe prendere il movimento individuale di Adri
qualcuno fa nel suo caso i lavoratori dell’acciaio
e ottimizzarli ancora meglio dopo alcuni
il tempo è passato al concetto di
personale e questo era un po ‘del del
età oscure delle risorse umane dove erano gli umani
file fondamentalmente per essere spostati grande
gruppi di masse da mettere qui e
lì ma alla fine abbiamo capito
ci sono umani e risorse umane noi
ribattezzato noi stessi abbiamo iniziato a fare
cose come allenamento e sviluppo
pianificazione organizzativa di leadership e
le cose sono migliorate anche in questo periodo
le statistiche sono migliorate e abbiamo iniziato a farlo
fare cose come analisi fattoriale e
modellazione di equazioni strutturali e
in definitiva cose come l’ apprendimento automatico
nei big data e questo ci porta al
Anni 2000 e per me circa il 2004 quando io
iniziato a un piccolo avvio di Internet
chiamato Google, che era un ottimo posto per
essere se tu fossi tipo di un nerd di dati come
Ero e volevo portare un po ‘di
rigore analitico per il processo HR così
Google al momento era pieno di
molti dati e molti
domande che volevano tipo di
Anche le risposte guidate dai dati sono state fantastiche
posto per tipo di iniziare ciò che è iniziato
lì che era una specie di questo concetto di
persone di analisi e puoi trovare un sacco
di diverse definizioni di persone
Analizza là fuori e puoi fare il tuo
propria ricerca ma essenzialmente per me indietro
nel 2004 ciò significava prendere i dati
aggiungere approfondimenti e migliorare
le decisioni della gente fuori da questo così ho
da quando è passato da Google e andato a
altri posti e anche stati sull’altro
lato di esso che è come fanno le persone
interpretare quei dati ma le analisi delle persone
ha tolto come schierare questo è un
grafico di tutto il termine di ricerca per le persone
analisi in Google negli ultimi 14
anni e
vedi che è a destra questo è un
concetto che è stiamo vedendo un sacco di
uptick su così cosa puoi fare in questo
tipo di campo che puoi scoprire che puoi
fai ogni sorta di cose interessanti per
esempio se hai 300 cose diverse
potresti sapere di qualcuno che lo è
come noi chiamiamo variabile predittore quindi dove
sei andato a scuola ma forse dove tu
ha funzionato, ma anche come Hoppe era il tuo lavoro
a cosa ti importava da bambino cosa?
Hobby avete quanti di questi
le cose in realtà prevedono la performance
una volta che ci arrivi davvero così
variabili di rendimento come la tua prima
punteggio di prestazione sul posto di lavoro o anche
comportamenti altruistici quanto aiuti
altre persone al lavoro così quando butti
tutti questi in analisi interessanti te
scoprire che la maggior parte di loro in realtà
non sono così predittivo ma lo trovi
alcune gemme lì così, per esempio, come lo sono io
in grado di trovare cose come l’età in
in cui sei entrato nei computer rispetto a
i tuoi coetanei erano un ottimo predittore
se sei un buon software
ingegnere più tardi nella vita e anche trovato
cose come persone che sono altamente
nevrotici rendono migliori product manager
trarre le proprie conclusioni su quello
puoi anche fare qualcosa come il
favolosamente chiamato Cox proporzionale
modello di rischio per il tempo di sopravvivenza in
questa analisi mostra due persone blu
linea persona persona linea verde dove tu
in grado di misurare loro nel corso del tempo il tempo è dalla
l’asse x e vuoi misurare il loro
la felicità che è sull’asse delle y così io
avere una teoria su cui sei felice di dire
il lavoro è il vostro il vostro primo giorno sul
lavoro perché semplicemente eccitato di essere lì voi
non so niente di meglio e poi il tuo
tipo di felicità di scendi nel tempo
e so che sembra deprimente, ma è così
scopre il tipo di dati che supporta quello
un po ‘ma quello che succede è il tuo
la felicità non si ferma in modo costante
tasso di stato va in gocce grandi gocce
e nel nostro campo chiamiamo quelle gocce
shock organizzativi e quegli shock
possono essere questi sono alcuni degli scatti che
Ho trovato nella ricerca se vai da a
manager di alto livello a un manager terribile
questo è uno shock enorme e la tua felicità
scenderà non appena lo avrai scoperto
questo è il caso se il tuo reorg per
la terza volta in cui sarai meno
felice per la terza volta così hai
queste cose che ti succedono e come
Professionisti delle risorse umane se possiamo ottenere noi stessi
lì dentro e inserirci prima
che lo shock capita che possiamo prevenirne alcuni
della diminuzione della felicità e
si scopre se ottieni queste cose è
molto più predittivo di se qualcuno
partirò quindi se lo chiedi alla gente
stai pensando di lasciare che le persone non lo siano
davvero bravo a dirti questo
anche un anno da oggi in modo da poter fare tutto
queste cose interessanti si possono ottenere tutto questo
dati interessanti e vuoi averli
dipendenti felici come tutti questi felici
saltando le persone che sono lì il problema
hai il capo in mezzo
decisore esecutivo e alcuni di
la fedeltà o il potere di ciò
l’analisi si degrada man mano che procedi
l’Occidente a volte il disordinato
ben intenzionato a volte un po ‘confuso
persona nel mezzo quindi sai perché lo è
che il caso così ho trovato c’è un
Ragioni di coppia dove penso questo
succede che il primo è il tuo intuito
ti sembra che sia molto più importante
dei dati che ti vengono mostrati quindi se lo chiedi
qualcuno che voglio che intervista
qualcuno ma ti darò un sacco
di domande e devi restare
questo script strutturato e rispondi a questo
tutti come nah non farlo dare
me cinque minuti con esso
persona ti dirò se ne abbiamo bisogno
noleggiali ed è un po ‘come
mi hanno detto che è bello che ti sei iscritto
per match.com non devi incontrarti
la persona in un bar va semplicemente al
cappella l’algoritmo è così buono che lo farà
ti dico di presentarti qui questo è il
la persona ha bisogno di sposare persone che non gli piacciono
che vogliono la loro intuizione lì dentro
e parlando di intuizione è uno
esempio di tutti questi pregiudizi e
euristica che tutti abbiamo noi
portare sul tavolo che sono veramente difficili
di ignorare
così da ciao a corno simile a me bias
bias di conferma veniamo con tutto questo
roba e anche se sappiamo che è
lì è davvero difficile non esserlo
lì e il terzo è che vogliamo un facile
rispondi vogliamo una top list gratuita proprio noi
dammelo e dai tre migliori
il problema è che i robot sono ancora
venire AI ancora qui apprende macchina
qui quindi dobbiamo trovare un modo per prepararci
per questo quindi cosa penso che dovremmo fare
è come professionisti delle risorse umane abbiamo bisogno di agire come
la Rosetta Stone deve avere questi dati
che è qui abbiamo bisogno di persone che
in grado di interpretare e e farlo cantare
per i nostri dirigenti perché sono occupati
e sono per lo più ben intenzionati e loro
basta avere altre 5.000 cose di cui hanno bisogno
da fare e hai bisogno di aiutarti a disegnarlo
da loro solo un altro paio di cose
pensa che aiuterà lungo il cammino
per prima cosa dobbiamo pulire la nostra gente
dati ed è uno studio leggero lo scorso anno
è stato riscontrato che il 69% delle organizzazioni lo è
preparare i loro dati per persone migliori
analisi che è un ottimo inizio ma se
parli con qualcuno degli scienziati sociali
all’interno della vostra organizzazione diranno
abbiamo una lunga strada da percorrere, c’è molto
più cose che possiamo ottenere abbiamo bisogno di meglio
dati di attrito dati di prestazioni migliori a
molte più cose in secondo luogo è necessario
perfezionare noi stessi come professionisti delle risorse umane noi
bisogno di coinvolgere gli scienziati sociali
le persone con formazione e invece chi può
rendi questo di nuovo questo dato cantare interpretare
questo per me come funziona e il
terzo è necessario passare alcuni di questi
compiti ripetitivi che in realtà non lo facciamo
davvero voglia di fare su alla casella di chat
per automatizzare l’apprendimento sull’intelligenza artificiale, quindi lo sai
quali sono alcune di quelle cose così là
ora sono 500 milioni di persone su LinkedIn
mezzo miliardo di persone e tu non vuoi
semplicemente dare quel dato impostato a umano
reclutatori che stanno per passare
questo molto lentamente uno alla volta anche
possono scrivere un codice di base per te
dovrebbe essere in grado di addestrare algoritmi a
trova sottoinsiemi di persone su LinkedIn da fare
meglio
il secondo è la pianificazione e il telefono
schermi e anche conducendo alcuni di
quegli schermi del telefono in modo da spezzare il mio
cuore un po ‘di tempo ogni volta che vedo
reclutatori coordinatori email commerciali 20
volte avanti e indietro solo per crearne uno
schermo del telefono per poi in un recruiter a
quindi fai le stesse 10 domande o chiedendo
di tutte queste altre persone che possiamo addestrare
in realtà esseri umani virtuali per farlo
noi in modo tale da non sprecarlo
il tempo e il terzo è rispondere alle FAQ così
questi sono il tipo di cosa più HR
la gente non vuole fare quando è aperta
iscrizione come faccio ad iscrivermi per il mio 401k
dov’è il manuale del dipendente come parlare
al bot di chat che la persona mostrerà
che fuori così la buona notizia è che i robot
non posso fare tutto l’apprendimento automatico
non posso aggiustare tutto e c’è molto
cose che non avresti mai mandato
robot da fare per esempio diciamo che lo sei
chiesto di indagare perché è il
esperienza nella tua azienda tecnologica
diverso per donne o persone di colore
che è per i professionisti della tecnologia bianca sei
Non inviare un robot in per capirlo
uno fuori che è super nuance giusto o
diciamo che eri preoccupato che ci sia
un impiegato lì che ha rubato a
pochi centesimi da migliaia di clienti
conti per molti anni e la stampa
sta per scoprirlo, a
difficile per un algoritmo o sei tu
dato un centinaio di litri e devi
capire chi è il 10% migliore che tu
bisogno di dare un compenso extra per e
hai cinque giorni per farlo
quindi queste sono in realtà tre sfide
Mi è stato chiesto di farlo non posso mai
immagina di dare un robot per farlo, solo io
voglio voler finire con il modo in cui possiamo
mescolare tutto questo insieme come possiamo essere un
AI una funzione HR abilitata ai dati guidata da AI
e ciò che questo potrebbe apparire come per la
utente finale così particolare come te stesso
impiegato a Columbus Ohio questo è
probabilmente un’immagine live di Columbus qui
sulla neve e tu sei abbastanza
felice nella tua organizzazione lì, ma tu
sai che saresti aperto ad altri
opportunità in modo da colpire il tuo piccolo
cosa su LinkedIn che dice che sei aperto
a nuove opportunità e avvisi
qualcosa che sta attraversando
LinkedIn che ha tenuto d’occhio
il tuo profilo che ora va penso questo
la persona sarà pronta e che li manda
un messaggio per vedere se vorrebbero
scambia qualche messaggio
avanti e indietro per vedere se lo sarebbero
interessato alla tua azienda che è a
società di gioco in California, dove è
72 e soleggiato e il e per vedere se
vorrebbero farlo e l’algoritmo
capisce che manderanno questo
notare quando il differenziale di temperatura
è il più alto tra dove sei e
dove stai andando bene, questi sono tutti
cose che puoi codificare in questo e noi
sapere cose come in realtà sono le persone
più reattivo a LinkedIn in Mills I
penso che sia un martedì mattina, così tu
potrebbe anche scegliere il momento per ottimizzare il
possibilità che questo candidato sarà più
interessato in modo da scambiare le e -mail e
avanti e alla fine di questo hai un
conversazione con un umano virtuale che
ti pone domande di base su di te
quanto stai guardando quali sono i tuoi
aspettative salariali che cosa vuoi
sai quando cresci e può
registra tutte queste cose e segna questo e
se ottieni un punteggio abbastanza alto avvisa il
reclutatore umano che entra in contatto con
tu e alla fine decidi di volare
fuori sai e ottieni il lavoro e tu
inizia nel lavoro ma risulta tuo
i manager non sono così bravi e quindi vai a parlare
alla tua persona umana e dici che non lo sono
come nel mio mio manager che tanto che
l’umano ha una bella conversazione con te
codifica in un database che
identifica una tendenza con questo particolare
manager che non sono simpatici
più persone quella persona può quindi ottenere
ha inviato un’e-mail di incoraggiamento per l’allenamento
dato da veri umani così questo è
tipo di mondo che sto pensando
ci stiamo muovendo verso dove è a
combinazione di vera e propria dal vivo gli esseri umani Big Data
e AI che lavorano insieme per migliorare il
Esperienza quindi finirò con una citazione da
Frederick Taylor, che abbiamo iniziato
questo con chi ha detto in passato l’uomo
è stato più importante in futuro
il sistema deve essere molto importante in
In questo caso penso che il sistema sia il
gli umani i grandi dati e l’intelligenza artificiale per fare tutto
di lavorare meglio per tutti noi umani
grazie
tu
Please follow and like us: