在需要填補上員工技能缺漏的壓力下，企業組織逐漸開始尋求人工智慧的協助，將現行停滯不前的在職訓練方式，轉化為不斷發展的技能提升策略。

文／Maria Korolov‧譯／雲翻譯

員工訓練對企業而言至關重要。企業不但得面對高技能人才短缺的挑戰，且被高離職率所困擾、陷入大規模的轉型工作中，因此企業目前對員工進行技能提升和交叉訓練的需求極高 ─ 而傳統的訓練方法幾乎難以應付這項難題。

就在此時，人工智慧出現了。

企業愈來愈依賴人工智慧與機器學習來協助員工提升技能、確認公司需要的技能組合、推薦學習途徑、提供在職訓練 ─ 甚至協助估計員工在學習到某些新技能後，應該獲得多少報酬。

IBM擁有超過 345,000 名員工，且必須保持公司在業界的技術龍頭地位；因此，IBM致力於讓AI發揮作用，以保持旗下員工的敏銳度。

IBM人力資源部資料及AI技術長 Anshul Sheopuri 表示：「現在員工技能的半衰期約為5年。一般人在5年內學到的東西，其中有一半要不然就是忘光，要不然就是變得過時。」

在高速發展的領域（例如雲端運算及AI）對全新專業技能組合的需求，極大程度上促使此類技能的保鮮期不斷被壓縮。 因此Sheopuri認為，要找到一種可擴充的方式以不斷提升員工技能，「可不是一件有做到算不錯，如果沒做到也沒關係的事；而是企業必須全力以赴才能達成的目標。」

以 AI 為本的員工訓練策略剖析

任何提升技能策略的第一步，都是得先確定員工目前擁有哪些技能。在過去，企業普遍由員工進行自我技能評估。但 Sheopuri 指出，經過測試，上述方法的準確度約為 75%。「自我技能評估本身非常主觀，而且評估結果很快就會被淘汰。」

現在 IBM 正在透過 AI 掃描 2 億 2 千萬份內部文件，包括履歷、部落格文章、已發表的論文及公文書信，以推算出員工所擁有的技能。 這個系統是 IBM 自主開發的 AI 系統 Watson，其功能包括自然語言處理、叢集與半監督式學習技術。

他說：「我們會對員工說：『這是我們認為你可能具有的技能，要麻煩你提供回饋意見。』發現回饋的準確度接近 90%。」Sheopuri 表示，以自動化方式所處理的技能評估，更容易獲得最新資訊。

然後，員工會依據源自於自身具備的技能、IBM 所需的技能，以及 IBM 客戶要求的技能，獲取專屬的學習建議。

他說：「在某些策略領域，例如 AI 或雲端運算，我們希望每位員工都擁有該領域的基礎知識。」

系統還會依據具有相同背景的其他員工選擇，對於接下來應學習哪些領域的內容提出建議，類似於使用者在影片串流服務網站上獲得建議之後，推薦觀賞的影片方式。

Sheopuri 說：「每一季都會有 98% 左右的 IBM 員工使用該系統。」他補充道，該系統的淨推薦值 (Net Promoter Score) 為 58。而建立 NPS 系統的貝恩策略顧問公司 (Bain & Co.) 認為，此項目上任何得分高於 50 的系統皆屬於極佳等級。

透過將 IBM 的員工薪資與技能組合勾稽起來，還有另一個 AI 系統可以向管理階層提出薪資建議，以此作為獎勵員工提升技能，並解決薪資不平等問題的一種方法。 Sheopuri 說：「對我們而言，這是一件大事。 我們要確保自己已對消除偏見進行縝密的思考。」

薪資推薦系統以透明公開的方式，說明其推薦的理由，以便經理人擁有做出最終決定所需的所有資訊。

除了加薪外，員工還會獲得職缺建議 ─ 同樣是由 AI 技術提供。 他說：「IBM 總是有成千上萬的職缺， 對我們而言是雙贏。 這是減少流失率的方法，我們在幫助員工實現自己的願望。」

Sheopuri 透露，去年大約有 200,000 名 IBM 員工查詢這些職缺建議，其中有數千人依據他們獲得的客製化建議，找到了新職位。

擴增在職技能

針對員工訓練，IBM 依靠傳統的第三方課程組合、內部開發的學習內容，以及一些由其他員工研發的全新分散式教育管道。但是它確實依賴 AI 為某些類型的職務提供在職訓練。 例如在人力資源部門，聊天機器人可以回答與員工福利、牙科醫療保險、到職政策相關的問題。在技術支援功能中，也有著人工智慧的身影。

Sheopuri說：「我們是一家龐大的科技公司，為數千名客戶管理 IT 基礎架構。 我們在挖掘過去的紀錄，以了解過往的工單問題與解決途徑，並將上述知識提供給代理商。」

數位化等同於請到經驗豐富的員工坐在身旁椅子，如果有人被問題卡關，即可隨時協助。

KPMG 數位解決方案架構部門主任 Swaminathan Chandrasekaran 表示，實際上，在員工最需要時提供協助，透過此方式協助訓練員工，是 AI 在提升技能方面最常被採用的應用方式。

AI 對人員流失率很高的客服中心來說，尤其重要。

Chandrasekaran 說：「較小的客服中心人員流失率約 18%，較大的中心可能達到 40%，而更換代理商的成本從 5,000 美元到 7,000 美元不等，這裡頭還不包含他們試圖逐漸增加的工時。」

舉例來說，代理商需要解釋如何更換 MacBook Pro 中的電池。新的代理商若能看到並參考螢幕上顯示的說明，將受益匪淺。 AI 在這裡可以確認來電客戶的問題，並從手冊、技術指南、產品手冊、技術支援手冊 ─ 亦即從公司可以使用的所有文件中，檢索出最相關的資訊。

此外，AI 還可以用於依據過去的互動紀錄，來預測電話聯絡時可能發生的狀況，並打從一開始就先找出相關資訊 ─ 就像是擁有一位經驗豐富、曾與該客戶打過交道的員工，並可以指導後進如何進行解決該客戶問題的過程。

AI 系統還可以依據每個人的職責推估，向內部大量員工提供新的資訊。例如在新產品問世時，各單位就不必派員工出去接受訓練。

例如，KPMG 最近不得不對員工進行有關倫敦銀行同業拆借利率 (LIBOR) 系統變更的訓練。 KPMG 使用 AI 閱讀所有格式的合約，並摘錄出與銀行匯率和 LIBOR 主題相關之特定用詞，並將其納入員工工作流程中。該 AI 系統還接受了在特定主題方面專家的訓練，為員工提供更多方面的協助。

Chandrasekaran 說，這種新的學習方式，適合現在剛出社會的這一代新鮮人。「主管現在最好不要直接對新鮮人說：『你得參加這個為期六週的訓練課程，然後回來做好這份工作。』」

虛擬助理

Chandrasekaran 表示，在職 AI 擴充開啟了一個未來，每個地方的每個員工都有自己的私人助理，以協助他們提升份內工作的技能。 「就像是有一位由 AI 帶動的私人教練。」

其實這種想法並不新鮮。二十年前，微軟試著讓所有使用者向 Office 小幫手學習， 但是成效不彰。大家非常討厭它，因而 Office 小幫手在 2010 年時，甚至被《時代》雜誌列為有史以來最糟糕的發明之一。但是這回改革後的 AI 可不一樣了，Chandrasekaran 說道。

現在的公司皆擁有相當可靠的語言及語音識別、情感分析技術和推薦引擎。透過數位化，現在它們擁有了根據公司的特定要求以訓練 AI 系統所需的資料。

他說：「資料是無可取代的。 例如在客服中心時，你必須向 AI 提供帶有口音濃重、發音不標準、帶有背景噪音的良好資料，如此一來 AI 才能獲得足夠優質、將語音轉換為文字的辨識引擎。至於對合約辨識的訓練，你必須為 AI 提供不同語言、各種形式與風格的合約案例。品質良好的資料與人工註解過的資料是無可取代的。」

公司還需要確保他們擁有回饋機制，以便繼續訓練及改進系統。 「在編寫傳統應用程式時，最好的一天是第一天，因為一開始一切都很正常，問題要在之後才會發生。」Chandrasekaran 說， 「反觀 AI，上線第一天會是最慘的一天。公司必須為一開始前幾回的反覆調整做好心理準備。」

他說，在很多領域，人工智慧系統已經處於相當穩定的狀態，可以進行有用的工作。「但仍然存在新興領域，像是要如何從文件檔案中摘錄出手寫筆記。」

微劑量學習

Carmen Fontana 目前擔任 Centric Consulting 公司的雲端及新興技術實踐主管，同時也是美國電機電子工程師學會 (IEEE) 會員，她認為，在以 AI 為本的學習方面，有種新方法她稱之為「微劑量學習」(Microdose learning)。

她說：「我們可不想每週得耗上 40 個小時的課來學東西。 但只要有了 AI，受訓者可以在當下接受一點點刺激，一小點一小點地學會一件事 ─ 這樣一來就可以及時完成學習，並輕鬆地吸收知識。」

在 Centric 公司，Fontana 本人既是這種學習方法的創立者，同時也是消費者。

她說：「我實際上是根據目前所在的領域來建立學習內容，這樣一來，在我所屬領域之外的人，就能了解我們的工作內容。而對我來說，工作量減少了，而且不用舉辦正式的訓練課程，讓其他人去學習團隊的工作內容；而是將這些訓練內容上傳，讓大家能夠進行微劑量學習。」

該公司還有推薦引擎，可以為員工建立學習途徑。例如，Fontana 本人最近就學習到了她公司的企業價值觀及文化。

她說：「我在這裡工作已經9年了，不清楚這些事情確實令人感到尷尬。但是我剛到職時並沒有這種訓練，所以想回去重新看看，了解我們應如何在企業價值觀和文化中定位出自己。」

她說，新的方法賦予了員工學習的自主權。「與當年我剛成為顧問時相比，這是一個很大的區別。」

以 AI 為本的訓練的潛在風險

Tata Consultancy Services 公司資料及分析業務負責人 Kamlesh Mhashilkar 認為 AI 被使用於建立文字情境感知技能，鑑識出因特定課程或會議受益的員工，以及針對個別主題的客製化教育計畫。

而最近人工智慧在協助監考方面變得非常有用。在過去的好日子裡，大家可以親自前往測試中心參加認證考試。

Mhashilkar 說：「隨著新冠肺炎疫情爆發，AI 確實在機器監考、自我監考或雙重監考方面提供了莫大的幫助。 如果這個人的視線不斷地四處移動 ─ 這個人是真的在認真考試，還是想要作弊？」

一些學校已經在使用 AI 來對學生論文進行評分 ─ 但若進展不順利，就會淪為笑柄。

數位服務諮詢業 Nerdery 公司技術長 Joe Tobolski 說：「由於實施方式的問題，AI 評分引起了大家強烈的負面評價。我對此有些擔心，因為這些偏見有可能將偽陰性結果導入系統中。」

透過人工智慧將知識從經驗豐富的員工轉移到新員工身上，這與勞動力日益老齡化的行業愈來愈相關，但在此同時也帶來了風險。

他說：「我們見過在安排委外工作時，同仁被要求向委外單位傳授他們的工作內容，因此他們會故意不遵守指示。」

他表示，採用機器做事時，不太可能因為一個人給了明顯不佳的建議而糾正對方，這樣的情況在使用 AI 時更有可能發生。

他說：「這可能產生意料之外的結果。有沒有人會濫用機器的能力？當然會有，而且他們八成會拿來濫用。」