企业SaaS中的AI：真智能还是伪智能？

　　人工智能技术在企业SaaS中的应用体现在哪些地方？人工智能与传统软件的结合，是否真的能将操作用户的工作效率提高？
　　自从AlphaGo一鸣惊人之后，满大街的公司都在自己的公司前面加上人工智能二字，HRSaas供应商也不例外，智能人事、智能招聘、智能劳动力管理产品满天飞。但是，如果你再问细一点，哪方面智能化了以及怎样实现智能化的，那大多数就该语焉不详了吧。
　　人工智能前途宏大，笔者相信会极大地改变这个社会，最终一切人造物品皆可智能化，从而更好的个性化服务每一个人。但是，目前人工智能所在的阶段，可能还只是相当于90年代初的互联网，是一个很早期的阶段，可以落地的场景在企业管理中还是非常有限的，还需要相当长时间的发展，我们静待时代的巨轮推动吧。
　　传统管理软件产生的初衷
　　谈之前，首先我们来看看传统管理软件产生的初衷：
　　笔者认为：其实传统管理软件的最大作用和主要目的不是提升效率，而是为了规范以及标准化，所以传统软件设计的主要思路也是将线下流程标准化，然后将其搬到线上来操作。
　　线上复制线下流程操作很多时候不会提升效率，反而会降低效率，这也是传统软件的使用者比较苦的原因。
　　然而，从公司的角度，公司变大之后，如果不使用软件，公司就会变得混乱，没有规则。这个原因导致了中国传统软件一直都是中大型企业的管理层从上往下推，下面的使用者其实没有多大动力来使用软件的。
　　企业可能没有使用管理软件来进行管理，但是一定用了excel，在中国管理最大的竞争对手一直都不是友商，而是Excel，因为Excel更便宜、更方便。
　　同理这也解释了切入小企业市场来做管理SaaS一直都是伪命题，因为中国小企业老板根本不care合规以及标准，简单方便低成本最重要，下面的员工更就没有动力使用管理软件了。
　　谈AI技术在HR产品中的应用
　　人工智能与传统软件的结合，将操作用户的工作效率提高，是可能创造出让老板和员工都非常喜欢的ToB企业管理的产品。
　　结合人工智能之后，未来优秀的企业应用的特点是：
　　后端复杂，前端会越来越轻，使用起来方便易用。
　　有一定的预测以及预防风险的能力（这个特点excel就很难与软件竞争了）。
　　实施周期比较短，实施难度变低。
　　人工智能的主要目的是为了提升工作效率，区分传统软件主要基于流程，更多是基于场景，所以我们在考虑企业管理软件人工智能的切入点，我们要去找场景。人工智能算法的训练要基于数据，那我们去找已经有大数据的场景吧。
　　目前这样的场景主要来自以下二种场景或者二种场景混合：
　　一些以图片，视频，语音为输入的场景。
　　一些已经有行业大数据，或者复杂知识图谱的场景。
　　我们来看看HR的几个传统的业务模块，人事、休假、考勤、薪资福利、培训、绩效、招聘，其中人事、休假、考勤，薪资福利普遍都是和国家政策和公司政策密切相关的传统模块，没有太多知识图谱可言，人工智能在里面发挥的空间比较小。
　　但是，里面有一些小的图像识别的点，比如说身份证，银行卡自动识别输入等可以结合一些公开的API来提升效率。我觉得后面这里面还有一些想象空间的是随着行业benchmark数据的完善，一些BI分析报表会有很大价值的，但是中国目前在SaaS还比较分散，没有巨头出现的情况，行业benchmark的大数据还很难有公信力。
　　人工智能目前应用最多的应用主要在招聘管理，培训管理方向里面，主要原因是这二个业务方向离大数据最近。
　　里面暗含哪些大数据呢？
　　比如说岗位能力模型、心理学、软技能、能力发展学习内容，人在面试、培训、工作时候的表情动作、言语、视频，这些都是可以结合大数据的点（你别看薪资看似那么多数据，但是一年可就变一次，死的数据对于算法意义不大）。招聘里面就出现大量基于人工智能进行人才测评面试的公司，培训因为员工需求的差别化，学习资料的海量化，也容易结合人工智能来做个性化的学习。
　　笔者介绍几款国外比较看好的产品：
　　人才测评方面：
　　人才的面试测评结合人工智能自动化会是一个趋势，软技能这个测评老大难的问题以及面试的自动化有望有所突破。
　　Pymetrics：
　　成立于2014年，是一家用来进行软技能测评的公司。用认知科学和神经学原理设计了一些小游戏，通过追踪候选人玩游戏的相关数据来分析候选人的软技能，和公司里面的Topperformancer的软技能的拟合程度。
　　目前Unilever、Hyatt，Accenture、Teasla等一些公司开始用这个产品来招聘测试技术人员，销售以及客服人员的软技能，目前募集到4000万美金的B轮资金。
　　Hirevue：
　　成立于2004年，是一家视频面试的人工智能公司，通过分析面试者面试视频中的表情以及问题答案，对面试者进行判断。这家公司目前有超过700个客户，实施了超过500万次的视频面试。
　　Mya：
　　2016年发布的面试聊天机器人，主要用在面试初面中，用聊天机器人的方式进行候选人初试，用来节省面试者的时间。这方面的应用还有Olivia、Myra、Yva等，Mya项目融资金额为3200万美金左右。
　　人才学习培训方面：
　　个性化、碎片化、社交化、场景化的企业学习会是一个趋势，人工智能的关键点结合场景和员工属性在于做好个性化的内容分发。
　　个性化需要结合好四个方面的数据，岗位能力模型以及能力对应学习内容、员工个人职业发展计划、个人兴趣、所在场景。
　　Edcast：
　　2014年成立，利用人工智能技术，推荐个性化学习的文章、视频、文件、培训给到员工，目标要做成一个技能市场。除了帮助员工提升职位发展相关职业技能以外，还有非职业相关的一些技能，已经和office365、salesforce、slack深度集成，在全球有超过2000家大型公司或者政府机构使用该平台，最新一轮在2018年拿到3400万美金的融资。
　　Filtered：
　　是一个智能学习助理，通过聊天机器人的方式，给到个性化的学习建议。
　　Linkedinlearning：
　　2016年上线，利用Lynda的课程库，结合Linkedin的员工的信息以及履历，以及社交信息数据，推荐给到员工个性化的学习内容。
　　员工体验以及员工激励方面：
　　另外，最近几年出现了一个很重要的人才管理分支，就是员工体验以及员工激励。
　　企业人才管理的整理思路越来越关注企业员工本身，员工体验和激励也是一块最好可以和大数据人工智能结合的方向，而且员工全员参与，笔者非常看好。以后随着公司内部传感器的发展，捕捉员工行为数据，结合视频以及员工邮件，电话，会议记录等数据，会有很多有想象空间的产品出现。
　　员工体验以及员工激励的人工智能产品将会是未来典型的好产品形式，轻应用、全部员工参与、去中心化、结合管理思想以及心理学的人工智能引擎驱动，笔者非常看好这类应用。
　　Glint：
　　2013年成立，通过比较高频的员工的匿名反馈，结合自然语言、心理学、管理行为学等智能分析，给到管理者一些管理行为建议，比如说和下属加强沟通，加强review等。该公司已经被Linkedin以4亿美金收购，类似这块的产品还有CultureAmp、TinyPulse、CultureIQ、ADP的Compass等等。
　　Humu：
　　由Google原高管创建，2018年推出1。0版本，从概念上面来说是Glint的升级版。通过员工反馈数据，行为大数据库库结合人工智能，给予不只是管理人员，而是每个员工行为建议，从而提升员工体验以及提升内部合作工作效率。
　　关于人工智能在HR中的创业机会，在中国目前阶段，企业信息化的程度还比较低，所以大多数公司都在忙于上基础的人事、休假考勤、薪资福利的模块。后面几年这块基础业务模块市场会不错，将会有一波爆发（我建议有心的创业公司看看中性规模企业（1002000人）的产品机会，这块市场需求开始涌现。另外因为这种规模需求还不是太复杂，可以做出比较极致的产品）。
　　人才管理方面，比如说人才测评、员工学习发展、员工体验与激励，很多公司还没有意识到或者公司还没有到这种程度精细化管理的阶段，需要一定时间的发展。但是，这里面机会和空间很大，作为创业公司提前布局和切入也会获得不错的机会。