人工智能 (AI) 在人力资源中的应用并不新鲜，其以多种方式帮助领导者优化日常工作已有数年，但生成式(generative)AI则是全新应用。本篇文章将重点讲述提取式(extrative)AI与生成式AI之间的区别以及和生成式AI相关的常见术语，以便您能同AI专家高效探讨生成式AI在人力资源行业中的应用。
提取式AI
提取式AI从文档或数据库等来源中提取相关信息，然后将其以可读形式呈现。
ADP数据科学和机器学习工程副总裁Fernando Schwartz表示：“提取式 AI可以助您在源中找出一段话或某些单词和短语。它可以直接提取此信息，但不一定能在人类语境中呈现。”
组织使用提取式AI来创建预测，管理或分析人力资源数据已有一段时间，例如申请人跟踪系统 (ATS) 中的工作申请、员工绩效评估和员工调研中的情绪。
生成式AI
生成式AI是最近的发展，它使用大型语言模型 (LLM) 针对用户查询或提示生成类人响应。一个非常热门的例子便是生成式AI聊天机器人。不同于提取式AI，生成式AI可以利用基于文本或图像的数据集等来源创建新的内容。生成式AI工具使用海量数据池进行训练，可以理解用户提示的上下文，并创建模仿人类对话的图像或文本响应。
Schwartz表示：“生成式AI工具理解文本和上下文中的指令，并可以更人性化地进行交流。它们不仅提取信息，还可以将其转换为图像和自然响应，让您感觉您在与熟悉的同事对话。”
领导者应该重视生成式AI在人力资源中的应用。这是一种新的AI技术，在劳动力方面蕴含着最大的潜力。它可以优化人力资源任务、培训员工（这对于学习和发展团队而言大有裨益）、解答人力资源问题等。
关键词汇术语
矢量数据库 vector database
单词、短语和文档等数据对象的矢量表示集合。
嵌入 embedding
对单词或短语的语义含义的数字表示。
内部托管 internal hosting
在使用系统的公司所有和运行的服务器上运行生成式AI系统。
外部托管 external hosting
在第三方供应商所有和运行的服务器上运行生成式AI系统。
提示工程 prompt engineering
为生成式AI系统设计或改进查询或提示。
微调 fine-tuning
调整预训练语言模型，使其更适合特定任务或领域 。
小样本学习 few-shot learning
训练语言模型，使其基于少量示例或提示产出新文本。
上下文学习 context learning
训练模型，使其理解查询或提示的上下文。
预训练 pretraining
在针对特定任务或数据集进行微调之前，先使用大量文本数据集训练语言模型。
明智的人力资源决策者
提取式AI和生成式AI都有其相应的使用案例。 您需要了解二者的区别，在展开决策前做到对情况了如指掌。此外，考虑到生成式AI问世尚不久，请仔细考量您的人力资源供应商是如何在其产品和服务中使用这门技术。请询问其治理模型、AI伦理政策、合规策略、数据隐私和安全方面的规定，以及在实施生成式AI技术时需要注意哪些事项。
Schwartz 说：“与兼具AI专业知识以及丰富数据和经验的人力资源供应商合作至关重要。 信赖AI解决方案的部署位置以及管理方式也非常重要。”在选择生成式AI人力资源解决方案时，您必须要考虑供应商的经验和数据。使用AI技术时间越长、具有越庞大数据集的组织更适合采用能够处理更广泛使用案例的强大生成式AI解决方案。合规、数据隐私和数据安全也是非常重要的注意事项，尤其是涉及员工数据等敏感信息时。领导者应当考虑其人力资源供应商存储数据的位置、哪些人可以访问数据，以及其员工会在工具中使用哪些数据。最后，对AI输出的监管是否有人力介入呢？如果有的话，便可以增加准确性并减少偏见。
