-
基准
Josh Bersin谈：ADP Lyric HCM，众人期待的下一代HR平台
前沿：在2018年，ADP启动了一个旨在彻底改变企业人力资源和薪资管理的项目，名为Lyric HCM。该系统采用灵活的可扩展架构，支持各种员工类型和多管理结构。Lyric HCM结合了AI工具，如ADP Assist，为全球薪资和人才管理提供了全新的解决方案。它拥有实时基准和个性化用户体验，适用于零售、医疗保健等行业，成为了Workday和SAP等主要HCM供应商的有力竞争者。
在2018年春天，Josh Bersin 参加了一个在纽约市举行的保密会议，了解一个名为Lifion的项目。ADP雇佣了一支新的工程团队，秘密进行任务，为ADP在企业市场中的产品打造“下一代平台”。
该系统的设计始于Workday发布的十年后，旨在成为一个高度可扩展、可配置的微服务架构系统，能够管理工资、HR流程以及各类员工的所有人才应用。该系统必须支持动态团队、各种工作模式（全职、兼职、小时工、零工、合同工），并允许公司在其企业职能中管理许多具有不同业务规则和重叠员工的组织结构。
在某种意义上，它是为后疫情时代高度灵活、动态的公司设计的。
除了这种灵活的架构外，系统还设计为支持拥有多个经理（以及多个工时表）的员工，动态重新配置以适应并购或新业务实体，以及全球工资和税务服务，具有公司内可变的自定义业务规则。它需要包括一个招聘模块、目标和绩效管理的多种选择、入职和培训发展工具、出色的报告功能，以及一个易于使用的叙事界面，允许任何员工、经理或HR专业人士使用、配置或在系统上运行报表。
在我最初的会议上，我印象深刻，并且我写了一篇文章描述这个项目。今天，几乎六年后，该产品有了一个名称（ADP Lyric HCM），并已向拥有1000多个客户账户的ADP客户全面开放。
如今，ADP拥有120多个大型客户账户，因此该系统已被验证。自成立以来，Lyric HCM已融合了大量AI功能（ADP Assist与SAP Joule一样，是真正的AI界面），并且从ADP的数据云中获得了基准信息。
换句话说，该系统有潜力成为市场上的“下一代”HCM平台。
ADP在宣布什么及提供什么
核心HR系统需要执行很多任务。不仅要管理工资、福利和税务规则（在全球不断变化的监管环境下），它还必须灵活、易于配置，并且充满员工和HR易于使用的界面。通过“灵活”我指的是系统必须能够轻松创建新的组织结构，移动员工，并为“经理”或主管创建多种模式。
几乎所有传统的HCM供应商，Workday、Oracle和SAP，都不是以这种方式设计的。这些供应商构建了合同工附加功能，但在大多数情况下，当你想要简化组织结构、与另一家公司合并或重组角色时，过程非常困难。简化组织通常意味着“重新实施”你的HRMS。大多数公司每十年才这样做一次。
ADP Lyric HCM旨在解决这个问题。想象一下像Gold’s Gym这样的公司，公司不断开设新健身房并雇佣新经理，员工同时向多个经理报告。
我与Gold’s Gym进行了交谈，正如你所想，公司在疫情期间经历了一次转型。Gold’s最初是南加州的健身公司，Gold’s被收购，现在是一个全球组织，扩展到许多新业务。设施被整合，每个本地健身中心都具有很大的管理自主权。
例如，一个在一个健身房担任教练的员工可能还在另一家健身房担任教练或支持人员，并且有另一个经理。这种“以工作为中心”（而非“以职位为中心”）的操作模式变得非常普遍。Lyric HCM支持这些多管理模式的工作模型，包括绩效管理、时间追踪和合同工的功能。
想一想任何零售商、医疗公司或其他高度分散的运营。一个Gold’s Gym可能以一种方式支付加班费，而另一个可能以不同的方式支付。你可以想象各种情况。每个公司都有类似的情况。
我最近在Rolls-Royce，他们正在将工程团队从产品组中集中起来，使30%至40%的工程师成为“浮动人员”。Rolls拥有与政府和商业客户的大量合同，每个合同都有不同的财务模型。他们需要这样的系统，就像健身房、餐饮连锁或老年护理网络一样。
还有更多。除了这些HRMS和全球薪资功能之外，ADP还构建了一个员工体验平台、员工通讯系统和学习与发展系统。你只需输入像“我要结婚”这样的查询，系统就会显示一个页面，将任务和资源整合在一个地方。如果HR经理想要“发放奖金”，系统会询问哪个组织，显示人员名单，并允许经理定义奖金，而不必四处寻找菜单和面板。
下一代方法的亮点
由于该系统是在AI时代架构的，它从一开始就具有一些非常独特的功能。
首先，在灵活性方面，这是一个“以人为中心”的架构，而不是“以角色为中心”的架构。仅此一项功能就使所有这些特性成为可能。
其次，在可用性方面，该系统是我见过的最“AI驱动”的界面之一。虽然大多数HCM都在构建助手以加速交易流程，但Lyric HCM实际上会“学习”你正在尝试做的事情，并通过流程提示你。请记住，这些HCM系统非常复杂（Workday的“用户指南”有2500页），因此我们希望系统感觉易于接近而不是令人生畏。
正如您从此幻灯片中看到的，ADP还提供嵌入式基准以及提醒引擎。基准来自ADP的数据云，为公司提供最新的按职位和级别划分的薪资范围和其他指标（其他HCM平台没有这个功能）。提醒引擎用于Lyric HCM的入职和发展系统，提醒用户他们需要执行的任务或活动。
ADP Assist是该公司的生成式AI工具，允许你询问任何员工或团体、法律和税务问题以及工资或财务数据。它非常强大，我认为它可以与Joule媲美，成为HCM的会话界面。
第三，该系统为员工提供了一个新颖且易于使用的界面。系统不会向员工提供各种“中心”或“门户”来查找内容，而是足够智能地为员工提供它认为他们需要的内容。像更改家庭状况或地址、查看福利或薪酬等典型的HR事务都很简单。面向薪资或税务经理的基于角色的仪表板也经过了专门设计。任何HR专业人士都可以根据自己的需要自定义界面。
由于系统高度动态，用户可以设置智能报表和其他视图，以查找他们感兴趣的数据和组织单元。ADP还构建了一个管理人员发展工具（用于指导新晋升的主管发展），一个入职系统，以及许多用于绩效和目标管理的功能。
未来方向：ADP服务
当我们考虑ADP的平台时，我们必须记住，ADP不仅仅是一家云软件公司。公司的大部分收入来自服务：工资、PEO和围绕这些产品的许可费用。这意味着ADP的销售和服务组织非常以服务为中心，并且在HR的各个领域都经过了高度培训。（大多数HR软件销售团队并不是HR领域的专家。）
为了支持Lyric HCM，公司组建了一支全球服务团队，并结合了专门的客户成功经理，以确保每个客户都有一个个性化的、以成果为基础的实施计划。这意味着ADP Lyric HCM不仅仅是一个出色的平台，还是一群人帮助进行配置、利用、集成和长期规划。ADP正开始与集成商合作，但很可能会自己处理大多数客户实施。
对市场的影响
目前，Lyric HCM定位为面向美国总部的全球劳动力中型至大型公司的产品。这意味着Lyric HCM直接与UKG、Ceridian、Workday、Oracle、SAP以及像Darwinbox、HiBob（正在上移市场）、Lattice等供应商竞争。“支付”类公司（如Paychex、Paycor、Paycom）主要专注于小型公司，但随着它们的发展，它们可能也会成为竞争对手。
这并不意味着ADP能够满足每个客户的需求。这些平台需要多年才能成熟，每个供应商都有不同的行业和重点功能。目前，我相信ADP最有可能在零售、酒店、医疗保健和其他分散的小时工公司中取胜。鉴于ADP对中小型企业的关注，ADP需要时间才能接触到大型公司。
尽管如此，是时候改变HCM了。为灵活性而设计，并融合AI，ADP Lyric HCM展示了我们一直在寻找的未来。
-
基准
坚守人力资本分析（People Analytics）的道德基准
编者注：这个话题应该是做PA同事的第一课，强烈推荐大家了解下。也欢迎大家就PA话题谈谈您的看法和实践。
在行动上，你对待人类的方式，无论是对你自己还是对任何其他人，决不仅仅是作为达到目的的手段，而总是同时作为目的。
- 伊曼纽尔-康德。
人力资本分析被定义为对业务结果的人的驱动因素的系统识别和量化。从康德的人本原则的角度来看，值得注意的是，这个定义没有认识到人本身就是一个目的。问题是：我们如何确保人力资本分析是合乎道德的？在本文中，我们将讨论算法的道德基准的现状，并为该领域的从业者提供建议。
算法的评估Evaluation of algorithms
我们如何评估我们算法的道德规范？欧洲通用数据保护法(GDPR)等法律框架为区分对错提供了指导。然而，合法的东西并不总是道德的。
GDPR规定了同意权、访问权、被遗忘权和知情权。然而，它没有规定员工参与人力资本分析的开发和应用的权利。而我们也一再看到，公共政策往往跟不上技术发展的速度。这意味着，很多时候，员工几乎没有或根本没有机会让自己的利益得到代表和保护。
虽然现有的伦理框架，如赫尔辛基宣言、美国心理学会（APA）的心理学家伦理原则或IEEE自主和智能系统伦理全球倡议，让我们可以更进一步地涉足这一未知领域，但它们也往往已经过了 "最佳日期"。例如，APA指南的最后一次修订是在2016年。
很多时候，由于缺乏道德和法律先例，人力资本分析团队拥有相当大的自主权。最少的指导和相互竞争的商业利益为道德违规行为提供了肥沃的土壤。
背景上下文的作用The role of context
与有效性类似，在评估我们的决定是否符合道德规范时，我们需要时刻意识到，在一个组织中行之有效的做法，在另一个组织中可能行不通。最终被认为是对的或错的东西，往往会因决策的背景和独特的利益相关者而变得非常独特。
话虽如此，我们可以利用从过去的道德过失中吸取的框架和教训。在伊曼纽尔-康德等巨人的肩膀上，填补空白。
你很可能已经遇到过AI算法的恐怖故事。这些包括亚马逊的性别偏见的人工智能招聘工具，谷歌的种族主义面部识别，以及Facebook的广告服务算法，按性别和种族歧视。让我们假设组织努力做到道德行为（这对我们中的一些人来说可能已经是一种想象力的延伸）。这些Giga公司，看似拥有无穷无尽的资源，但仍然都成为输入数据的偏见的牺牲品，引发了不必要的和无意的结果。垃圾进就是垃圾出。如果你不主动控制数据中的偏差，你的干预措施充其量只是次优。
我们如何评估人力资本分析的道德性问题的答案在于基准。基准可以衡量各种属性，并根据它们所代表的道德框架提供分数。这极大地促进了对人力资本分析伦理的系统性评估方法。具体来说，通过迫使我们开发和应用标准化的指标，基准使我们能够对背景进行编码。这使我们能够将新颖的案例与最新的技术状态进行比较和对比。
游戏的名称是确保我们的道德基准包含所有相关标准和关于这些标准的证据。使我们能够就全组织范围内部署特定算法是否符合道德标准的问题得出有效的判决。在这方面，无知不是福。确实值得注意的是，前面所引用的三个道德框架都强调了能力的根本重要性。
从当前的道德框架中衍生出的主要主题是隐私、同意、问责、安全和保障、透明度和可解释性、公平和不歧视、人对技术的控制、职业责任和促进人类价值。与这些主题交织在一起的是建立内部、结构和外部有效性的需要。
每一个关注点都会影响到数据处理和利用过程中工作流程的设计和实施。这些主题也会相互影响。如果你没有保障数据的安全，你如何守护围绕隐私的基本原则？如果你不知道你的算法是否对种族或性别或其他更多人为的品质没有不适当的偏见，你怎么能真正促进人类价值？如果你不知道你的算法是否对种族或性别或其他更人为的品质有不适当的偏见，你怎么能为一个没有内部有效性的算法承担专业责任？如果在一个问题领域中没有一个一致的应用框架，你的道德规范的重点就会有所不同。那么，你需要衡量什么来实现道德标杆也会。此外，基准化可以在透明度和可解释性方面发挥不小的作用。
然而，增加复杂性的是，优化算法的基础方法正在迅速发展。我们现在正在进入一个自动机器学习（AutoML）的时代，在这个时代，算法将选择一个最优的算法集，提供优化的解决方案。
一个探索解释人工智能新方法的新领域被称为可解释人工智能（XAI）。看看XAI方法将如何嵌入到AutoML解决方案中，这将是有趣的。
很有可能，在接下来的十年里，人力资本分析师将不得不处理那些有趣的侧例。作者预计，该领域将被民主化，选择优化模型的工作流程将被自动化。
使之实用化Making it practical
在错综复杂的道德要求编织下，此刻能实现什么？
首先，要合法。围绕人工智能已经有了法律约束，例如，与数据处理相关的隐私，GDPR是最主要的例子，但其他法律，如反歧视，也可能会适用。
Frederik Zuiderveen Borgesius教授最近为欧盟委员会进行的一项关于人工智能与歧视问题的研究指出，虽然有法律框架，但这些法律框架适应于某些类别，例如对肤色或性别的偏见。然而，人工智能可能会在新的人工类别中产生偏见，这取决于数据的基本结构和变量或特征的操作方式。
第二，阐述你的价值观，并努力遵守它们。虽然谷歌的口号 "不要做坏事 "可能会让人觉得有些不尽如人意，但它为审查和批评打开了大门。而在道德标杆方面，批评就是免费的建议。
第三，跟踪变化。认识到人工智能是有影响的，随之可能产生竞争优势，这种优势不会消失，因此值得早期投资。记录下我们在研发中面临的无数决定是如何驾驭的，这不仅有助于道德问责，也有利于与关键利益相关者的沟通。
第四，向相邻的实践领域看齐。一个实用的人工智能伦理基准需要关注一组特定的属性或指标，以符合基本的伦理原则，这些原则是可衡量的，并且与人员分析问题领域相关。它需要囊括人工智能判断的关键操作特征，这些特征在人力资源领域具有代表性。
由于我们处理的是影响真实人群的决定，我们需要区分诊断和干预目的。这与医疗领域的特性类似，例如，你可以有一个设备来评估你的健康状况，而另一个设备则保持你的心脏跳动，并在出现不正常情况时进行干预。一般来说，第二类设备的影响更直接，因此应该密切关注。FDA目前正在审查如何将软件作为医疗设备（SaDM）立法。
第五，审查可操作的基准的例子，如AI公平360，它使用广泛的方法来评估。为了获得经验，可以考虑运行他们的旅游。你注意到的是，目前在数据的抽样中保持偏见，需要对细节的精心理解。人类需要在循环中。当然，这可能会随着时间的推移而改变，但技术基准只有那些配置和部署它们的人的理解才是好的。不偏不倚的培训数据也是为了培训你的员工。
第六，考虑如何在你的过程中有针对性地进行共同开发。改变我们对人工智能培训的偏向，会影响到发明的对象。因此，干预措施本身也需要做一些调整。一旦你从数据样本中消除了偏见的来源，就要考虑与那些受你的决策影响的人进行新阶段的共同开发。只有这样，你才有机会满足康德的人性原则。
第七，审计跟踪。垃圾进就是垃圾出，要注意你的样本量和方法。比如，人类对数据进行标注，这样就可以根据这些标注对人工智能进行训练。通过训练，人类可以部署自己的偏见。因此，我们建议对你在生命周期中所做的事情进行审计跟踪。AI是组织的反映。一个可审计的生命周期使您能够在以后提供取证，以显示控制和改进您的流程。
最后，考虑作为一个社区，朝着提供培训、示例和共享空间的方向努力，以收集经验、道德实践和最佳的AI模型和基准。我们的问题领域有其独特的要求，我们作为一个社区最适合评估。 对于那些从相邻领域寻找例子的人来说，那么回顾一下放射科医生的AI-LAB（HRTech备注：AI-LAB是为了加快临床实践中人工智能（AI）的开发和采用，需要授权放射科医生在自己的美国机构中创建AI工具，以满足他们自己的患者需求。ACR AI-LAB™提供放射科医生的工具，旨在帮助他们学习AI的基础知识，并直接参与医疗保健AI的创建，验证和使用。）。
一个人力资本分析实验室将是一个中心资源，用于增长和加强思想，分享基础知识，并协商和采用机械化基准执行的道德实践。一个对社区友好的、面向未来的训练场。
作者： Stefan Mol 阿姆斯特丹大学阿姆斯特丹商学院组织行为与研究方法的助理教授
Alan Berg 阿姆斯特丹大学中央计算机服务的首席开发人员
来自人工智能人力资源，以上由AI翻译完成，仅供参考。
扫一扫 加微信
hrtechchina
