TalentNeuron 首席产品、营销和战略官 David Wilkins – 采访系列

David Wilkins，TalentNeuron 首席产品、营销和战略官，是一位拥有 20 多年人力资本管理领域 SaaS 经验的资深高管。他拥有丰富的领导经验，包括战略、产品开发、营销、销售启用和销售。

TalentNeuron 提供工作力智能，以帮助组织优化人才战略、寻找关键技能并确保其工作力的未来。使用来自 28,000 多个来源的数据，它提供有关劳动力市场趋势、人才供应和需求以及地点策略的见解，服务于《财富》100 强公司和全球企业。

AI 如何革新今天竞争激烈的劳动力市场中的工作力规划和人才分析?

过去几年标志着工作力智能的转折点。对于 TalentNeuron 来说，世界朝着有利于我们的方向转变。经过二十多年收集和整理大量劳动力市场数据，AI 解锁了在规模上提取前所未有见解的能力。

使这种转变真正强大的是 AI 识别意外人才池和技能分布在以前被忽视的地理位置的能力。考虑到美国公司在苏联解体后发现了前苏联国家的丰富人才池。早期采用者通过识别和获取俄罗斯、乌克兰和波罗的海地区新兴科技中心的高技能 IT 和工程人才获得了巨大的竞争优势。今天，AI 帮助组织系统地和大规模地发现类似的机会，揭示可能otherwise 被忽视的隐藏人才。这种模式识别能力使公司能够识别全球劳动力市场中的不平等，这些不平等可以转化为战略优势。

我亲眼目睹了这如何影响战略性工作力规划。组织现在可以就人才收购和管理做出更明智的决定，并以难以置信的速度执行这些数据。

AI 在面临人才短缺和技能差距的企业中扮演什么角色作为战略顾问?

AI 模型的力量在于其能够提供对人才供应、需求和新兴技能趋势的全面分析，为组织提供战略决策的数据驱动基础。这种智能使企业能够制定基于证据的人才战略，内部利益相关者和外部顾问使用 AI 派生的见解来解决技能差距，通过有针对性的提升、再培训或战略招聘计划。

然而，必须了解 AI 是一种赋能工具，而不是战略指导的替代品。在 TalentNeuron，我们与《财富》2000 强公司的合作需要数据智能和人类专业知识的复杂融合。虽然 AI 擅长模式识别和数据分析，但组织背景、文化和长期业务目标的细致理解来自我们的经验丰富的团队。我们的方法将 AI 的分析能力与人类战略洞察力相结合，确保我们的客户同时获得数据驱动的智能和周到的、语境化的指导，以应对他们独特的挑战。

AI 能力和人类专业知识之间的这种协同作用比任何一方单独努力都能带来更有价值的结果。

企业如何有效利用 AI 将其人才战略与长期业务目标保持一致?

AI 提供了大规模内化人才见解的能力，启用人力资源和人才收购团队构建满足未来业务目标的战略。我们可以将这个过程比作一辆汽车行驶至目的地，司机需要什么信息才能到达那里。在过去，组织专注于“汽车”内部的机械信息——他们从业务内部收到的人才见解。AI 驱动的人才分析使公司能够思考“路线图”和“目的地”，在这个比喻中，市场条件和业务目标可以因数据的可用性而成为战略的一部分。

您能否解释 TalentNeuron 的 AI 模型如何预测工作力需求和识别新兴技能?

AI 技术构成了我们理解技能和工作力需求格局的基础。我们的系统每天处理数百万个全球职位发布，清理和分析这些庞大的数据集，以揭示跨角色、地点和组织类型的技能需求中的详细模式。

使其真正强大的是我们的技能演化模型。它不仅显示当前需求的技能，还将技能映射到演化曲线上，清楚地识别出哪些技能正在出现，哪些技能正在成为核心要求，哪些技能正在变得过时。对于我们的《财富》2000 强客户，这提供了一个无与伦比的视角，展示了特定角色的发展方向以及他们需要在工作力中构建的能力。

我们还通过我们的 AI 助手 Synappy 使这些见解更加便捷。与典型的 AI 聊天机器人不同，Synappy 只从我们的数据中提取，因此每个见解都基于现实世界的证据。这意味着我们的客户可以快速提取有关人才趋势的有意义的见解，而无需浏览原始数据。

您在组织使用 AI 跟上技能短缺和未来人才需求方面看到什么趋势?

组织越来越多地利用 AI 进行场景建模和预测其未来工作力需求。凭借全球人才可见性，组织可以识别以前未被利用的技能。他们正在与像 TalentNeuron 这样的平台合作，以主动识别他们的人才需求如何根据 AI、自动化和大规模数字化转型的进步而演变。例如，具有独立决策能力的智能 AI 模型的崛起使某些人类技能变得过时。随着 AI 可以完成的任务范围和多样性不断增加，组织应该为这一工作革命做好规划。

AI 如何帮助企业预测和适应不断变化的全球劳动力市场趋势?

AI 为企业提供了实时的劳动力市场智能，能够让他们预测人才可用性、工资趋势和技能需求的变化。支持人才分析的 AI 平台整合了过去和现在的数据，提供了对劳动力市场的 360 度视角。组织可以根据此信息做出有关扩张地点或混合工作模式最能吸引目标专业人士群体的决策。

组织如何将 AI 驱动的见解集成到现有的系统中，以实现更有效的招聘和工作力规划?

与像 TalentNeuron 这样的平台合作使组织能够通过了解他们拥有的技能、需要的技能以及如何和在哪里实现这一目标来增强他们的当前人才方法。这个过程的一部分可能涉及 API 集成，将劳动力市场数据直接连接到人力资源系统和决策平台。对于不太复杂的见解，像 Synappy 这样的工具允许组织提出特定的劳动力市场问题，并将简单的答案直接纳入他们的战略中。

您能否分享 TalentNeuron 数据如何帮助组织就工作力位置和多样性战略做出有影响力的决策的例子?

一个例子是我们最近与巴顿鲁日健康区的合作。这家位于路易斯安那州巴顿鲁日的八家医疗设施网络正在努力为各个职位寻找员工，面临人口下降、其他地方更有吸引力的医疗工作机会以及成员设施从其他成员设施而不是外部招聘人才的问题。AI 驱动的见解阐明了关键挑战、最需要的技能以及可以从巴顿鲁日以外的地区招聘人才的地理位置。

我们还与 Beamery 合作，Beamery 是人才管理的领先 AI 平台，以便将我们的实时劳动力市场数据与 Beamery 的技能数据对齐。这使人力资源团队能够在招聘、工作力规划和继任规划方面做出更好的决策。我们还与 AI 驱动的职位发布引擎 Joveo 合作，为组织提供精确和准确的职位描述所需的见解。

工作力多样性是我们帮助组织根据技能而不是角色招聘的工作的欢迎结果。与一家航空公司合作，我们帮助他们识别需要招聘的工程技能，然后在航空业以外寻找申请人，例如从汽车行业招募。我们的 AI 派生的数据帮助组织接触到未被开发的人才池，实现了与其多样性、公平性和包容性目标相符的更具包容性的招聘策略。

依赖 AI 进行人才分析的潜在风险或局限性是什么，企业如何减轻这些风险?

一个潜在的风险是过度依赖 AI 而没有人类的监督，这可能会导致偏见的决策，如果底层数据不完整或有偏见。为了减轻这一风险，我们的咨询服务包括来自人力资源的专业知识，因此我们可以将数据驱动的见解与我们的工作力转型解决方案中的人类专业知识相结合。

您如何看待 AI 在未来十年内重塑工作力敏捷性的概念?

AI 将继续增强工作力规划，并使组织能够更敏捷地应对市场需求。随着 AI变得更加复杂，它将更高效地使企业能够预测市场干扰并确定适合其背景的技能方法。组织将能够决定是否需要从外部“购买”技能、从内部“构建”技能、“借用”技能以填补临时空缺，还是结合这些方法。有了 AI，做出这些决定所需的数据已经准备好并可用。

感谢这次精彩的采访，希望了解更多的读者可以访问 TalentNeuron。