- 2024-05-27
從歐洲洞察：
技術與數據驅動的人才
現今數據驅動的世界中，技術與人才發展的結合變得尤為重要。本次ATD24講座「歐洲洞察 – 科技與數據驅動人才：新動態學習環境」匯集了四位來自歐洲的專家，包括MyLearningBoutique的創辦人Dr. Thilo Eckardt、荷蘭阿姆斯特丹政府創新學習與發展主管Carlijn Kreik、比利時歐洲氣候基金會的人力資源主管Evelyne Van Vosselen以及dbrownconsulting的執行合夥人David Brown。
他們將分享如何利用大數據、AI技術和雲端工作模式來優化人才發展策略，並探討HR與IT協作的重要性。
講者：Dr. Thilo Eckardt, MyLearningBoutique / 創辦人
Carlijn Kreik / 荷蘭阿姆斯特丹政府 創新學習與發展主管
Evelyne Van Vosselen / 比利時歐洲氣候基金會 人力資源主管
David Brown dbrownconsulting / 執行合夥人
講題：Insights from Europe panel – Tech and Data-Driven Talent: The New Dynamic Learning Landscape
撰文者：PISB_研發處-軟體開發部 陳嘉禾 研發經理
內容摘要
本場次邀請四位專家針對「技術與數據驅動人才發展提出想法與見解，讓科技與人類更為結合獲得雙贏」，以下共分為六個構面摘錄。
1. 如何使用大數據？
1.1 讓數據轉化成HR可以實作的見解。
1.2 勇於實驗新技術、保持開放態度：若想要了解新技術與AI，就必須勇於嘗試。企業或組職內部需要一種不怕失敗，並勇於再次學習的文化氛圍。
1.3 獲得高階主管的支持：對AI持有開放心態並有意願去支持導入。人資部門要勇於走出舒適圈，多與IT部門、數據分析師等單位進行交流討論，更能促進技術的落地應用。
1.4 克服恐懼：AI技術正引起這世界產生巨大變革，過程中難免會有恐懼、抵抗，我們要克服這個心理障礙，因為大家的起點相同，成功在於迎接挑戰並適應變化！
2. 技術集成挑戰與轉型問題
2.1 統一資料管理：AI技術在這兩年有巨大的變革，但內部使用時仍需使用經過清洗後的資料，以確保流程的完整與一致，然而，多年的發展與人員輪替常會導致多版本文件，AI難以辨識最佳解，因此需要重新梳釐與統一組職內的數據資料甚至是數據設施。
2.2 集中數據管理：需考慮將數據集中管理，組職內的資料常分散各地，需要更多跨部門合作來共同解決。
2.3 雲端工作模式：將傳統的地端工作模式轉變為雲端模式，我們會使用各種數據來協助處理工作，更需規劃讓同事間聚集討論，調整步驟達成共識，要求更高的工作協作下，相對更具挑戰性。
2.4 HR與IT協作：HR和IT部門持續合作，打造更多資料基礎，讓AI訓練提供更完整的工作流程模式。
3. HR部門對AI的抵制情緒與恐懼
3.1 強調人本理念：HR以人為本，主管們必需讓同仁知道，導入AI不是為了要取代任何夥伴，而是為了增強團隊能力。
3.2 成功個案運用：應用成功案例讓同仁了解AI的優點和效率，AI已經融入我們的日常生活，並非是個可怕的怪物。
3.3 平衡目標：企業和部門需設定遠大的目標，同時要注意短期目標和發展，避免捨近求遠。
3.4 技術為人服務：強調技術是為了服務和幫助我們，並非針對個人，提醒同仁「科技始終來自與人性」。
3.5 提升使用體驗：使用體驗上越舒適，恐懼越少，效果就越好。
4. 用數據說故事說服管理階層
4.1 數據驅動的決策：數據可以揭示事實，但讀數據的你要有洞察力和敏感度，才能從中發現關鍵資訊。
4.2 AI與領域知識結合：AI能夠提供多項統計分析，但仍需要相應的領域知識來判斷數據意義，並將這些關係建立在視覺圖表內。因此，對應的領域知識很重要，有了AI仍需不斷學習。
4.3 發現數據中的新關聯：經驗豐富的L&D人士可與AI合作，從數據中尋找相關性與關聯，發現新奇點。透過視覺化圖像提出假設並進行回溯測試，進而再發現更有趣的關係點。
4.4 實際成果的展現：數據分析應直接從收入上升或成本下降得到實際回饋，或以隱性效果的方式達到降低風險。強調數據趨動的貢獻並做出干預措施，讓目標明確，並證明新方法能比舊方案更有效。
5. 快速整合個人計畫需求與公司目標
5.1 提供發展機會：給同仁多種機會，強調職涯是自己的故事篇章，鼓勵他們根據自己的工作經驗打造專屬的美好旅程。
5.2 主動管理職涯：不論大小公司，管理職涯發展應更主動。傳統被動的學習方式需要被轉變，AI提供更多的主動學習機會和主控權。
5.3 AI與LMS系統結合：AI結合LMS系統後，如同NETFLIX或其他串流媒體，能自動推薦課程與技能，幫助員工在多技能的社會中取得更多的發展，將個人再與企業目標結合。
5.4 保持平衡與人情味：在系統學習與發展中，保持人情味和心理健康平衡，靈活應對，增加社交參與，根據數據來關注未來技能與方向。
5.5 AI帶來機會：AI不是威脅，而是提供給你更多的機會，來做到個性化發展(註：講者是有用比較重的語氣強調 “超”個性化 )
6. AI完善LMS：識別技能差距與預測培訓需求
6.1 預測技能需求：LMS應基於你的需求而提供課程，AP能「預測」你需要的技能來提供給你相應的課程，讓你更有效完成各項工作。
6.2 開放與成長：LMS不應孤立封閉，需要持續調整成長。運用AI過往實驗的成果，創建各種關係圖和關聯，加以推動新想法，讓資訊間不斷的連結發展產生共嗚。
6.3 整合個人數據：透過各式各樣的個人資料(例如社交行為或休閒偏好)來提供更多資訊，讓系統選擇與判斷產生更佳的識別與預測需求。
6.4 AI人才配對機制：結合多元的外部資訊，幫助管理層更容易選擇人才，提高包容性亦或達到多元化目標化。(註：講者提到歐洲政府尋找人才上，猜測可能不像台灣有這麼多的管道，不易找到多元的求職資料)
旭聯研究中心觀點
各專家學者們呼籲擁抱AI、全民AI，應該把它視為工具、助手甚至是同事，但並非是將工作全權交由它來負責，我們需要保有能力做判斷，尤其是AI也跟人類一樣，會有錯誤、會產生幻覺。因此，對應的領域知識，我們本身還是要不斷成長與精進。
從四位講者的討論交談間，能觀察出「政府」與「企業」在AI導入做法上還是存在差異：
政府機構相對需要很謹慎地來導入，要找出可實做的單位，避免因出錯而成為新聞焦點，造成公民問題或危機；企業導入上也建議不要一步登天式的全面導入，同樣是建議培養「前導者(Pilot)」，將實作經驗與成功案例逐步擴散出去，此外，加入些許誘因更能讓同仁提高配合度！
歐洲政府正在定義更多法規來保護公民與組職(註:目前已有GDPR-一般資料保護規則，最嚴格個資法之一，允許使用者可以要求完全刪除資料，並需要妥善嚴密保護資料，否則將面臨驚人的罰款)，相比之下，歐洲政府較為謹慎，不像美國這麼創新開放，主要目的是想避免因過多決策錯誤而需要緊急修正。
AI不是要打破或破壞我們的世界與生活，而是來幫助我們減輕工作負擔、省事省力，但請不要迷失自我，要保持身心理上整體的平衡、保持學習熱情以及維持人性化的一面，請記得，我們面對AI最大的優勢就是溝通與思考！
掌握人才發展最新消息！
歡迎加入 sunKOL 的行列！大家做伙來 sunKOL ！！
App Store ➡️ https://reurl.cc/jlXy8y
Google Play ➡️ https://reurl.cc/MRYjAm