0
AGI将给人力资源行业带来革命性的变化，其不仅会带来组织结构的的变化，工作方式也会发生巨大变化。
《AGI时代下的组织变革研究报告》中显示，就人力打造而言，半数以上的受访企业希望通过数字化人才盘点明确AGI时代组织人才战略。
因为大多数企业认为，数字化人才盘点是了解组织现有人才结构和能力的关键步骤，尤其是在大模型火出圈后，组织可以基于对现有员工数字化技能的调查和评估，判断员工是否具备适应AGI时代新技术和人工协作模式的能力，明确组织人才的分布情况、潜力和发展需求，由此洞察组织能力和人才缺口。
谈到人力资源行业，过往20年的时间发生了巨大的变化。如果以技术发展来看，人力资源的数字化主要经历了三个发展阶段：第一阶段是信息化，解决的主要是传递信息和处理信息的问题，比如记录人事合同、薪酬绩效等；
第二阶段是自动化，这个阶段主要以RPA技术为主，以招聘场景为例，过去主要通过网站招聘，后来会把来自网站的数据通过RPA的方式传递给招聘部门，以完成整个招聘流程。
而AGI把企业顺利带入到了第三个阶段，也就是所谓的智能化阶段。
成立于2015年的Moka也是沿着人力资源的发展路径开展业务的。雷峰网了解到，Moka在成立之初就意识到HR的招聘工作是非常繁重复杂的，每天主要大量地处理重复性工作，基于此Moka自主研发了Moka智能化招聘管理系统；招聘问题解决了，与之而来的是“处理线下纸质文件、核对绩效表单”等问题，基于此，Moka推出了Moka People产品。
如今，迈入AGI时代，面对企业如果通过AI技术优化组织结构和人才结构等问题，Moka作为新生代的HR SaaS服务商发布了Moka Eva，其具备简历智能初筛、定制面试题、AI写面评、对话式BI和员工Chatbot等五大能力。同时还推出了“对话式BI、员工Chatbot”两大产品功能。
其中，“对话式BI”是一种全新的数据交互方式，它为用户提供了更自然、高效和便捷的数据和信息获取方式。用户只需要通过自然语言文本输入，就可以快速访问数据库，查询关键指标和趋势。这种无需培训的数据访问方式，让企业端能快速获取所需的数据和指标，从而支持更好的决策制定和业务管理。
而「员工Chatbot」功能则可以快速、及时、准确地帮助员工完成与招聘、人事相关的任务并获取相关信息。它不仅有效降低了基础咨询数量，减轻了 HR 团队的工作压力，还大大提升了员工体验。
李国兴给Eva的定位是HR的合作伙伴，其使命不是取代HR，而是想办法提高HR的生产力，从而提升HR的服务体验和价值，这是做Eva最核心的想法。
同时，李国兴还进一步解释道：对于EVA我们会沿着之前的思路做，比如哪些工作可以被EVA替代，然后去不断覆盖更多场景，帮助客户解决更复杂的问题。
由此可见，Moka Eva已经从信息化、数字化阶段过渡到了智能化阶段。在很多人期待Moka AI产品的同时，也产生了很多疑问：Moka作为一家SaaS厂商做AI产品的底气在哪？毕竟相较上个阶段的数字化产品，AI产品对底层技术的要求更高。
谈到Moka在AI方面的探索要追溯到2018年，这一年Moka成立了AI团队，把AI深度应用到Moka产品中，例如简历解析等功能就是基于AI技术开发的。
面对如今火出圈的大模型，李国兴表示，早在今年1月份算法组就自发的在做相关工作，2月份成立了专门的项目组，现在已经有4个多月的时间，并且他还坦言，现在的Eva还没到1.0阶段，只是一个Demo，未来仍需要和客户一起打磨。
以下是雷峰网和李国兴的对话：
进入AGI时代，需要与客户共同打磨企业级AI产品
雷峰网：怎么定位Moka Eva的？
李国兴：我们把Eva定位为未来企业员工的HR合作伙伴，他要做的不是取代HR而是想办法提升HR的生产力。
雷峰网：什么时候有的这个想法？
李国兴：今年1月份算法组就开始自发做大模型的相关工作，当时我还没有深入地在公司push这件事，我们的算法团队还是一个比较有活力的组织，他们会提前看到这项新技术的突破性，然后结合一些场景做简单的功能。那2月份我们就成立了专门项目组去研究。
雷峰网：所以说内部还是在积极拥抱这件事儿的？
李国兴：对。除了内部员工非常重视面向客户端的产品外，他们还很关注怎么通过这项技术提效，尤其是研发工程师。我在内部也在积极推广大家使用这项技术，大部分人是非常愿意接受这种新鲜事物的，他们会自发研究怎么帮助大家，比如做一些内部分享，share给其他同事，这样才能看到一些更好的实践场景。
雷峰网：研发有4个月了，现在Eva已经到2.0阶段了？
李国兴：没有，我们对2.0的期待很高，7月份会开放给少量客户试用，如果效果OK的话，应该会到所谓的1.0阶段。
雷峰网：所以说现在还处于产品打磨阶段？
李国兴：对，有很多东西我们也在探索中，还没确定。今天我大概讲了百分之二三十左右，其中有些想法确实很有挑战性，我们也在做一些偏研发性的工作，后续我们会推出更多开放性的功能。
雷峰网：那在客户的选择上会有倾向性吗？
李国兴：我们会选择一些能够接受产品成熟度不高，能陪我们一起优化和打磨产品的企业。另一方面，企业本身也要对这个事情感兴趣，我们非常希望有创造力，对AI非常渴望的用户跟我们一起做这件事儿。
雷峰网：可以理解为行业属性是无所谓的？
李国兴：对，因为Eva是一个通用型产品，所以我们的客户也是各行各业的，我们反倒希望有各个行业的客户跟我们一起打磨这个产品。
雷峰网：Eva会沿着之前产品的思路做吗？
李国兴：对，我们想做的是通过AI技术提升HR的生产力，提升HR的服务体验，以创造更大的价值，回溯到2015年刚做Moka时，我们正是因为看到了HR招聘工作的繁重复杂性，每天需要处理大量的重复性工作，比如去招聘网站查简历，建立Excel表格汇总信息，所以我们做了智能招聘管理系统。后来我们发现HR需要处理很多纸质文件，绩效表单等，所以后来推出了Moka People。
那Eva也会延续这个思路，在这个过程中我们会看哪些工作可以被Eva简化掉，然后再去做更多复杂场景的覆盖。
以往的SaaS技术栈会被颠覆，大模型带来了新的可能性
雷峰网：大模型对之前SaaS的技术栈会带来哪些影响？
李国兴：产品方面，通过Eva我们发现交互形式上的变化是非常显著的，它能cover更多的用户场景。底层架构方面，我们构建的产品还是在之前的底座之上，其实已经实现了一些功能和场景，是有价值的，只是通过EVA的方式更好地连接用户的需求，我们之前完全没有AI，只是设计功能，然后怎么把功能、数据结构串起来形成产品。
现在有大模型了，我们就需要考虑怎么跟大模型交互，像之前的数据库怎么跟大模型交互，API怎么跟大模型交互，现在肯定不是一个最终的形态，业内也有一些企业在探索，但我确定大模型一定会改变交互方式和软件底层架构的构建形式。
雷峰网：目前是在哪家大模型的基础架构上做的？
李国兴：都在用，像微软、百度、阿里等都在用。闭源开源的也都在用，当然我们内部也在做一些偏研究向的工作。
雷峰网：在使用的大模型中，效果如何？理想吗？
李国兴：今天demo演示，其实在响应速度方面还是有一定问题的，基本上一个问题响应时间维持在三到五秒左右，整体是可用的，但肯定不是一个特别理想的状态。无论是闭源大模型还是开源大模型，技术的迭代优化的速度都非常快，这类问题肯定会被解决。
雷峰网：所以说未来的响应速度会越来越快？
李国兴：对，一定的。现在大模型相对不确定性高的是它的智能水平会以什么样的速度发展，相对确定性高的是成本和时间一定会以非常快地速度下降。
雷峰网：如果让你选择一家的话，你看好哪家？
李国兴：我们现在的思路是用GPT训练demo，我们得检验现在市面上最好的大模型能不能达到我们设想的一些场景，跑通之后，我们会考虑如何满足合规性、数据安全性的要求，然后再落地应用。这是一个大的思路。
坦白讲国内的大模型还是有一些gap的，但是追赶速度非常快，下半年一定会有模型能达到3.5左右的水平。
积极拥抱大模型，重构组织结构和人才结构
雷峰网：你认为企业对大模型是一个什么样的态度？
李国兴：坦白讲分为两派，一派认为大模型技术创造了90%的价值，另一派认为大模型有很多缺陷，很难在一个非常严肃的企业级场景里面用。
实际上我们调用大模型技术确实解决了很多问题，但绝不是调用大模型技术，调用API这么简单。拿对话bi场景举例，我们花了几个月时间研发和调整，想做一个PPT，炒一个概念很容易，但你想把它做成一个能跑通的demo，再把它变成用户喜欢甚至愿意付费购买的商业化产品，难度很大。怎么调整技术架构，怎么设计，有时候甚至需要重新组织API，重新设计，如何确保它的稳定性，需要做很多工作，这些都是很有挑战的。
雷峰网(公众号：雷峰网)：所以接下来需要重点解决的问题是什么？
李国兴：比较核心的是解决一些所谓不稳定性的问题，大模型确实能在很多场景中达到我们的预期，但仍然会产生一些错误的引导。所以接下来，一方面会避免极端安全性的问题出现；另一方面，怎么调教大模型，怎么使用大模型也是重点。
雷峰网：从长远来看，AI会带来组织架构的变革吗？
李国兴：我觉得有可能会变。首先技术突破了，新的产品会逐渐进入到大家的工作和生活中，这就会带来人的变化，进一步带来组织的变化，组织方面一定会以小规模团队，小的作战单元为主，包括大公司中也会出现小的作战单元，当然也会有更多小组织出现，可能几个人就能解决一个特定领域、一个特定客户群体，这在未来是完全有可能发生的。
之前如果这么做的话会有很多阻碍，比如成本太高，那现在通过这种小客群的特定服务，就可以将生产力释放释放出来。从而创造更大的经济效益。
雷峰网：那人具体会发生哪些变化？
李国兴：每行每业都不一样，但比较核心的是需要重视这项技术，最起码要先了解。假如我是HR，我就会观察这个领域有没有新的东西出来能够提升我们的工作效率，类似程序员的coding工作，这是正在发生的事情，当然这个过程也需要大模型不断完善，总之人需要重视这件事情，需要好奇心，需要学习。
除此之外，交叉领域对知识的掌握很重要，因为之前分工特别明确的工作方式在AI时代下会发生一些改变，可能有些事情会被AI替代，你要做的是用AI去做更复杂的工作，因为面向客户的工作往往需要多项职能，这是一个明显的区别。这也告诉我们，人要横向发展，而不是局限在自己的专业里。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
