科里·斯宾塞（Corey Spencer），UKG 人工智能总经理和副总裁 – 采访系列

科里·斯宾塞（Corey Spencer） 是 UKG 人工智能和平台产品管理的集团副总裁和总经理。他领导了 UKG 人工智能、平台和劳动力智能计划的产品战略和创新，帮助组织将劳动力数据转化为可行的见解，以塑造积极的商业成果。拥有超过 20 年的经验，斯宾塞是人工智能、劳动力智能和人工智能应用于前线工作的未来方面的尊重的思想领袖。

UKG 是一个全球的人力资本管理、工资和劳动力管理软件提供商，旨在帮助组织更有效地管理和支持其员工。其平台结合了人力资源、工资、排班、时间和出勤、合规、分析和人工智能驱动的劳动力洞察，服务于从小型公司到大型全球企业的各类企业。拥有 50 年的行业经验，UKG 支持全球 150 个国家的超过 80,000 家组织，每天有数千万人使用其解决方案。

您在帮助企业理解客户、分析和劳动力数据方面拥有超过 20 年的经验，曾在 Adobe、Alteryx 和 UKG 等公司工作。是什么让您相信，前线工人而不是知识工人代表了人工智能今天最重要和被忽视的机会之一？

让我相信的原因很简单：前线是经济真正运行的地方。

我们在将人工智能应用于知识工作方面取得了巨大的进步。但是，劳动力的最大、最动态的部分往往被忽视。前线工人代表了全球大多数工人——根据一些估计，高达 80%——并且他们为我们每天依赖的行业提供动力：医疗保健、零售、制造、物流、酒店和公共服务。

对于许多公司来说，前线也是利润表中最大的部分之一。这是劳动成本、客户体验、合规、安全、服务质量和员工参与度都汇集的地方。然而，它仍然是企业中最不优化的部分之一。

这并不是因为工作很简单。因为它非常复杂。

前线工作可能是按周或月计划的，但它每分钟每班都在变化。有人请假。需求激增。患者负载变化。货物延迟。合规规则根据角色、位置、认证或工作时间的不同而有所不同。

传统的企业系统是为了记录发生了什么而设计的。前线需要能够帮助组织在决策仍然重要的时候采取行动的技术。

这就是为什么人工智能如此重要。代理人工智能可以理解上下文、意图和约束，然后帮助调度、时间、工资、人力资源和运营方面的行动——所有这些都由人来控制。

对于我来说，机会在于弥合劳动力规划和劳动力执行之间的差距。当我们做到这一点时，员工会获得更好的体验，经理会获得大规模的支持，企业可以以更快、更精确、更可信的方式运营。

这不仅仅是一个生产力故事。这是一个执行故事。

前线员工占全球劳动力的多数，但人工智能的关注点大多集中在办公室生产力工具上。您认为行业为什么这么长时间低估了前线环境的复杂性和重要性？

我认为行业低估了前线，因为为已经数字化的工作构建人工智能更容易。

办公室工作发生在文档、电子邮件、会议、日历和协作工具中。这使得它成为人工智能的自然第一波。但是，前线是不同的。它是物理的、分布式的、高度监管的、时间敏感的，并且不断变化。然而，它代表了全球劳动力的 80%——那些通常不坐在办公桌上的人，他们让企业、社区和经济每天运转。

复杂性不仅仅在于工作本身。它在于工作周围的数据。我们很幸运，因为 UKG 一直专注于前线，所以我们在这个领域有数十年的领先优势。

前线劳动力数据的体积非常大且杂乱无章。它来自排班、时间钟、打卡、工资规则、认证、劳动力预测、缺勤、需求信号、合规要求、管理决策、员工偏好和运营变化，这些变化发生在数千个地点和班次中。这些信号不断移动，并且深深依赖于上下文——角色、位置、技能、政策、法规、需求和时间。

这使得前线环境更难以以有意义的方式进行分析。许多组织在能够理解发生了什么之前，时机已经过去了。员工短缺、加班风险、合规问题、工资异常或错过的覆盖信号在一周后并不重要。它们在仍然可以采取行动的时候才重要。

这就是为什么前线人工智能必须与办公室生产力人工智能根本不同。它不能只是总结信息或生成内容。它必须理解运营上下文、解释嘈杂的劳动力信号，并帮助人们在实时采取行动。

对于 UKG 来说，这是我们业务和解决方案的核心机会，例如 UKG 劳动力智能中心。前线不需要另一个记录系统。它需要一个行动系统——一个帮助组织将劳动力数据转化为更好的决策、更快的执行和更可信的结果的系统，适用于员工、经理和企业。

您曾谈到过实时劳动力数据的重要性，包括班次、排班、工资和人员信号。为什么实时执行对前线人工智能系统尤其重要？

挑战不在于组织是否拥有数据。大多数企业正在创造比以往更多的劳动力数据。挑战在于将这些信号转化为及时的建议、指导和行动——在决策仍然重要的时候。

这就是为什么实时执行对于前线人工智能如此关键。人工智能需要了解发生了什么、适用的约束以及最佳的下一步行动是什么。我们是否应该调整排班？填补空缺的班次？提醒经理？防止合规问题？在成为员工体验问题之前修复工资异常?

这些可能看起来像是小的决定，但在成千上万的员工、班次和地点中，小的改进会迅速累积。更好的覆盖、更少的异常、更明智的劳动力决策和更快的管理行动可以对员工和企业产生有意义的影响。

这是 UKG 劳动力智能中心的目的：帮助组织将劳动力数据转化为更好的决策和更快的行动，尤其是对于前线。

我们在人力资源、工资和劳动力管理领域有一个独特的丰富视角——这些领域是劳动力战略成为运营现实的地方。当这些数据与行业和同行基准、劳动力成本洞察和可以提出现最相关的收获和推荐行动的人工智能相结合时，领导者可以更清楚地了解发生了什么、为什么重要以及在哪里采取行动。

对于高管来说，这是真正的价值。它不仅仅是另一个需要审查的仪表板。它是一个帮助管理人员更精确地管理劳动力、更早地识别风险、更有效地基准绩效并在重要时刻做出更有信心的决策的工具。

许多组织正在探索代理人工智能，但人们担心自治、治理和信任。为了让企业能够在劳动力管理系统中允许人工智能代理采取行动，什么样的防护措施是必要的？

在劳动力运营中，人工智能代理需要明确的界限，因为这些决定深深地涉及到人。它们影响排班、工资、合规、覆盖、疲劳、公平和员工信任。这意味着代理不能简单地优化速度或效率。它们必须在政策、权限和目的范围内运作。

最重要的防护措施是上下文、控制和问责。

上下文意味着人工智能理解员工、角色、地点、劳动力规则、业务需求和下游影响。控制意味着代理仅在定义的权限范围内采取行动，基于风险进行适当的人工审批。问责意味着每个建议或行动都是可解释的、可审计的和可逆转的。

某些行动可能适合代理自动执行，例如向合格员工提出空缺班次或提醒经理加班风险。影响较大的行动，特别是那些涉及工资、合规、纪律或重大排班变化的行动，应该需要人工审查。

目标不是从流程中删除经理或人力资源团队。它是以个人无法单独管理的规模提供智能支持。

值得信赖的代理人工智能应该将意图转化为行动——但始终具有透明度、治理和人工监督。

每个功能都应经过严格的模型验证、安全审查、隐私评估和持续监控，然后才能投入生产。

UKG 讨论了人工智能应用，可以重新平衡排班、检测工资异常和加速招聘。这些用例中哪些已经在今天为运营带来可衡量的价值，哪些仍处于早期阶段？

那些从经理和团队每天需要做出的决定中去除摩擦的用例正在带来最快的价值。

工资异常检测是一个每个人都可以理解的例子。工资是任何企业中最值得信赖的过程之一，尤其是对于前线和小时工人。漏打卡、加班问题、工资规则异常或合规问题都可能导致人工工作时间和直接影响员工信任。人工智能可以帮助识别问题、解释哪里出了问题并指导团队如何在工资结算之前解决问题。

然而，我们对更高级的例子感到非常兴奋。一个例子是实时劳动力和排班优化。这就是 UKG 动态劳动力运营的重要性所在。价值不仅仅在于看到商店、单位、仓库或酒店缺员。价值在于理解发生了什么变化、适用的约束以及经理可以采取什么行动。这些决定今天是由直觉做出的，往往是在为时已晚的时候。现在，经理可以在问题出现之前获得数据支持的建议。

第三是前线工作流程中的支持。通过 UKG 前线工人网络，劳动力数据可以帮助员工在最相关的时候连接到财富、健康和日常必需品的支持。虽然这仍然是一个新兴的类别，但它很重要，因为员工体验不能生活在没有人有时间使用的单独门户中。

招聘加速也变得非常实用，特别是在招聘速度至关重要的高容量前线环境中。我们的 AI 本地 UKG 快速招聘将候选人感兴趣到安排面试的时间从周和天缩短到小时，甚至在某些情况下是分钟。我们已经在大规模前线招聘中减少了源源不断的工作、筛选、安排、入职和第一天准备中的重复工作。

真正的机会不在于孤立的自动化。它是一个可以感知变化、推荐下一步最佳行动并帮助组织在正确的治理和人工监督下从意图转向行动的劳动力运营平台。

在医疗保健、制造和物流等行业，劳动力的小规模中断可能会对下游产生立即的影响。您如何设计人工智能系统，以便在不增加额外运营风险的情况下快速响应？

速度很重要，但在前线环境中，没有控制的速度就是风险。

在医疗保健、制造、物流和其他复杂行业中，劳动力的小规模中断可能会迅速蔓延。一次缺席可能会影响患者覆盖。一次技能缺口可能会减慢生产线。一次错过的员工信号可能会延迟交货或造成加班风险。

因此，目标不是构建更快的人工智能。目标是构建在正确的约束条件下更快的人工智能。

这从上下文开始。人工智能必须了解谁有资格、什么规则适用、什么覆盖范围是必需的、什么合规风险存在以及每个行动的下游影响可能是什么。

它还需要基于风险的自治权。一些行动可以在很低的风险下被推荐或执行，例如提醒经理、识别合格的替代人员或提出空缺班次。其他行动应该需要人工审查，特别是当它们影响工资、合规、安全或重大排班变化时。

最好的前线人工智能系统的设计是可解释的、可审计的和可逆转的。经理需要知道为什么会提出某个建议。员工需要相信这个过程。企业需要相信人工智能正在提高执行效率，而不会引入新的风险。

对于我们来说，设计原则很简单：人工智能应该帮助组织实时感知、决定和行动——并在一开始就将人、政策和治理纳入其中。

随着人工智能的兴起，工人越来越担心人工智能可能会取代工作，特别是在前线行业。您如何平衡自动化与赋予员工权力，而不是在人工智能采用中制造恐惧或不确定性？

我认为我们必须将自动化的炒作与运营现实区分开来。

在过去的十年中，我们看到很多例子表明，替换前线工作的效果并没有预期那么好。自助结账的效果参差不齐。完全自动化的快餐业仍然是一个试验，而不是一个范式。无人机送货对于大多数人来说仍然感觉像来自未来的东西。

这并不是因为技术不强大。因为大量的前线工作仍然深深地植根于人性。

前线员工处理异常、判断、关怀、安全、服务、同理心和信任。护士不仅仅是在完成一项任务。零售店员不仅仅是在移动库存。餐厅工人不仅仅是在完成一份订单。这些角色处于人、运营、合规和客户体验的交叉点。

人工智能可以消除前线工作的摩擦：混乱的排班、漏打卡、工资问题、空缺班次、合规复杂性、员工短缺和行政任务，这些任务会让经理们分心，无法关注他们的团队。它可以帮助员工更快地获得答案、帮助经理做出更好的决定，并帮助组织以更大的精确度运营。

前线人工智能的未来不是取代工作中的个人。它是给个人更好的工具、更好的指导和更大的支持，在重要时刻。

您将人工智能描述为将企业软件从记录系统转变为智能行动系统。您如何看待劳动力平台在未来五年内随着代理人工智能变得更加嵌入到日常运营中的演变？

我会稍微重新表述这个问题。问题不是五年后劳动力平台会是什么样子。问题是哪些组织正在今天建立成为领导者的基础?

人工智能的变化步伐太快了，不能把这当作一个遥远的转变。优势将归于那些从断开的系统、笨拙的套件和点解决方案转向真正的劳动力运营平台的组织——一个连接人力资源、工资、时间、排班、劳动力智能和执行的平台。

这是 UKG 劳动力智能中心的另一个重要例子。随着人工智能变得更加嵌入到日常劳动力运营中，智能不能只是静态报告的一部分。它必须成为工作如何被理解、优先和采取行动的一部分。组织需要一个劳动力运营的智能层来将正确的内容带入正确的时刻。

这很重要，因为劳动力运营充满了边际收益和边际损失。一次错过的员工信号、一次工资异常、一次合规问题、一次空缺班次或一次延迟的管理决策可能看起来很小，但在成千上万的员工、地点和班次中，这些时刻会迅速累积起来。

代理人工智能给了组织一个机会来弥合这一差距。它可以理解发生了什么、解释业务背景、推荐下一步最佳行动并帮助人们在实时采取行动，具有正确的治理和人工监督。

在接下来的五年里，领导者将不是那些简单地为现有工作流程添加了人工智能功能的组织。他们将是那些重新思考劳动力管理作为智能行动系统的组织。

对于高管来说，这是紧迫性：前线已经在实时移动。您的技术需要跟上。现在建立这一能力的组织将拥有显著的领先优势。

展望未来，您是否认为在企业人工智能中获胜的公司将是拥有最好的模型的公司，还是拥有最深入的运营和劳动力数据并直接与现实世界工作流程相关的公司？

最佳模型将很重要，但我不相信模型本身将决定企业人工智能的赢家。

在企业中，智能只有在理解工作的背景并能帮助人们采取正确行动时才有价值。这在劳动力运营中尤其重要，因为一个建议可能取决于谁被安排、谁有资格、什么规则适用、什么需求看起来、什么工资影响存在以及什么下游风险或合规问题可能被创建。

没有运营背景的模型可以生成一个答案。具有正确的劳动力数据、业务规则、工作流上下文和治理的平台可以帮助推动结果。

这就是我们创建劳动力智能中心的原因。人工智能坐在系统上具有有限的价值。智能应该嵌入工作流中，能够解释信号、理解运营约束并提出重要的决策。

这是我认为市场的发展方向。随着模型变得更加强大和可访问，差异将来自于人工智能如何植根于现实世界的工作流程，以及它如何安全地从洞察力转向行动。

对于前线来说，这种区别至关重要。工作不断变化，决策对员工、经理、客户、患者和企业都有即时的后果。

在企业人工智能中获胜的公司不仅仅是拥有听起来很聪明的人工智能。他们将拥有理解工作实际发生方式的人工智能——并能帮助组织以更快、更精确、更可信和更有人性化的方式运营。

谢谢您这次精彩的采访，希望读者能够通过访问 UKG 来了解更多信息。