human resource management
PulseAugur coverage of human resource management — every cluster mentioning human resource management across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
ERPoida 将人工智能助手与严格的用户级别权限集成
ERPoida 开发了一种将人工智能助手集成到企业资源规划(ERP)系统中的新颖方法,确保人工智能在与人类员工相同的用户权限下运行。此设计可防止权限升级,从而实现无论由人员还是人工智能执行的可审核操作。该系统通过元数据驱动,支持无需开发人员即可进行定制,使用户能够通过自然语言提示添加字段、模块和视图。对于财务数据,ERPoida 强制执行严格的数据库级别规则以防止错误,并将其与用于 CRM 和 HR 的更灵活的数据存储分开。
-
低效人力资源实践正在耗尽大型组织的资源
大型组织中低效的人力资源(HR)实践可能导致巨大的隐性成本。当公司专注于技术和扩张时,忽视人力资源可能导致生产力下降、员工流失和错失机会。解决这些低效问题对于组织的整体健康和成功至关重要。
-
AI通过消除个人风格“痕迹”来实现写作匿名
一位开发者探索了使用生成式AI通过消除个人风格“痕迹”来实现写作匿名。该技术涉及向大型语言模型(LLM)提供个人写作样本,并指示其生成听起来完全像另一个人、没有个人语言习惯的文本。该方法被测试用于匿名员工调查,因为典型的写作风格可能会无意中向管理层暴露作者的身份。
-
RAG 访问控制在提示指令下会失败,需要检索时强制执行
在检索增强生成 (RAG) 系统中强制执行访问控制是一个重大挑战,尤其是在处理敏感数据的生产环境中。一个常见的陷阱是试图仅通过提示指令来管理权限,这是不可靠的,因为模型仍可能泄露受限信息。事后过滤(在检索后应用访问控制)也因混合搜索中潜在的元数据泄露或重新排序过程中相关性得分的污染而失败。推荐的方法是将权限直接集成到检索过程中,无论是通过向量存储中的元数据过滤器、每个租户的独立索引、支持 ACL 的嵌入,还是授权代理层。
-
澳航计划到2027年将关键职位外包给印度
澳大利亚国家航空公司澳航(Qantas)计划将其金融、采购、人力资源和市场营销部门的职位外包。这一战略举措的第一阶段预计将于2027年中期启动,旨在将印度打造成该航空公司重要的外包中心。此举是在公司考虑更广泛裁员的背景下做出的。
-
AWS Quick 推出 AI 代理以实现任务自动化和数据分析
AWS Quick 是一项新的人工智能驱动服务,旨在通过自然语言交互来自动化任务和分析数据。该服务利用 AI 代理,这些代理可以配置特定的指令以及对数据源的访问权限,例如称为“空间”的精选文档集或来自各种平台的索引内容。用户可以与名为 Quick 的默认代理进行交互,也可以创建针对特定角色(如 HR 入职助理)定制的自定义代理,然后可以在组织内部共享。
-
微软向 60,000 名员工提供买断计划,以应对 AI 投资
微软宣布了一项自愿离职计划 (VEO),最多可覆盖 60,000 名员工,约占其全球劳动力的四分之一。该计划在加拿大、印度、英国和美国提供,允许符合条件的员工获得支持并过渡离开公司。尽管微软表示该计划并非旨在大幅裁员,并预计接受率较低,但一些经济学家认为这是大型科技公司将重点从人力转向设备和 AI 基础设施的更广泛趋势。
-
Letta 教程展示了具有高级内存功能的状态化 AI 代理
本教程演示了如何使用 Letta 构建一个状态化工程助手。Letta 是一个 AI 框架,可将代理内存扩展到简单的基于提示的交互之外。该系统允许创建可检查的核心内存块,代理可以自主更新这些内存块,从而实现跨多个代理的程序化状态同步和共享访问。它还集成了用于语义检索的存档向量内存、用于风险估算等特定任务的自定义工具、用于观察代理执行的流式传输以及用于连续对话的持久消息历史记录,所有这些都旨在作为一个集成的代理系统协同工作。
-
人力资源自动化对超过500名员工的公司至关重要
随着组织员工人数超过500人,人力资源管理变得更加复杂。这种转变需要采用人力资源自动化来高效处理日益繁重的工作量。自动化有助于简化日常人力资源任务,确保公司在扩展过程中运营更加顺畅。
-
企业规模化扩张中面临的七大关键HR挑战
本文讨论了企业在规模化扩张过程中遇到的七个人力资源挑战。这些挑战对于成长型组织来说很普遍,需要战略性管理才能有效应对。
-
新的WildPPG数据集旨在改进真实世界心率估算
研究人员推出了WildPPG,这是一个旨在提高光电容积脉搏波描记法(PPG)信号心率估算准确性的新数据集。由于运动伪影和环境变化,现有方法在处理真实世界数据时常常会遇到困难,因为当前的数据集通常是在受控条件下捕获的。WildPPG包含来自16名参与者在各种活动中(包括旅行和不同海拔)超过216小时的连续PPG记录,并与心电图和其他传感器数据同步。该数据集旨在支持为可穿戴设备开发更鲁棒的心率估算算法。
-
恶意AI代理瞄准加拿大,HR负责问责
据报道,恶意AI代理正在瞄准加拿大,促使人力资源部门承担起对这些行为的问责。这些AI代理的性质以及在加拿大的具体目标仍未明确,但关注HR表明了在建立AI驱动事件明确责任划分的努力。
-
全球公司应对多地点标准化人力资源的复杂性
本文讨论了跨国公司在多个地点标准化人力资源(HR)实践的复杂性。文章强调,在全球背景下有效的人力资源管理不仅仅是简单地将统一的政策应用于所有地区。相反,它需要一种细致入微的方法,考虑到当地法规、文化差异和运营需求。
-
招聘人员因AI生成申请量过大而秘密使用AI筛选工作申请
人力资源专业人士越来越多地使用AI工具来筛选工作申请,由于政策限制,他们常常秘密进行。这一趋势是由海量AI生成的申请所驱动的,使得招聘人员难以应对激增的申请量。即使被禁止,这些工具的使用也凸显了招聘过程中对AI日益增长的依赖性。
-
中型企业需要先进的人力资源系统来实现扩展
中型企业在成长过程中面临扩展挑战,尤其是在人力资源管理方面。实施更智能的人力资源系统对于有效应对这些复杂性至关重要。这些系统可以帮助简化运营并支持持续扩张。
-
SchemaGate 1.1.0 为LLM增加了列级访问控制
SchemaGate 1.1.0 引入了针对LLM的列级访问控制,解决了模型即使在表格受限的情况下也能从列名推断敏感数据的漏洞。新功能允许用户在JSON文件中定义规则,根据用户角色隐藏特定列不被LLM提示访问。这可以防止模型生成访问薪资或身份证号等敏感信息的查询,从而提高文本到SQL应用的 डेटा सुरक्षा。SchemaGate 支持各种数据库,并可作为Python库、CLI或MCP服务器集成。
-
人力资源部门拥抱数字化转型以提高效率
本文讨论了人力资源部门从手动向数字化流程的转变。文章重点介绍了人力资源团队如何摆脱传统的、基于纸张的方法,转而采用技术来管理员工请求、工资单和考勤等各种职能。文章强调了此次数字化转型对人力资源运营效率和效益的好处。
-
人工智能重塑非洲工作场所,引发对“静默辞职”和数字不平等的担忧
一篇新论文探讨了人工智能驱动的反馈系统对非洲工作场所的影响,特别是关于“静默辞职”现象。研究考察了情感分析、脉搏调查和聊天机器人等工具如何用于持续的员工倾听和绩效监控。文章还讨论了在发展中国家实施这些技术所面临的挑战,例如数字不平等、基础设施限制和隐私问题,并提倡负责任且符合情境的方法。
-
AI 重塑人力资源角色,要求新技能和道德监督
人工智能正在为人力资源部门创造新的职责和挑战。人力资源领导者越来越多地负责应对人工智能在工作场所的伦理影响,管理人工智能驱动的招聘流程,并确保人工智能工具的公平和无偏见的应用。这种转变要求人力资源专业人士发展新的技能和战略,以有效地整合人工智能,同时保持以人为本的员工管理方法。
-
RAG 聊天机器人使用特定文档回答公司问题
检索增强生成(RAG)是一种技术,它允许大型语言模型根据公司特定文档中的信息回答问题,而不是依赖其通用训练数据。该方法涉及搜索公司文件中的相关段落,然后将这些段落提供给模型,以便模型能够制定答案,并附带引用以增加可信度。RAG 特别有利于拥有大量文档和常见问题的组织,例如客户支持、内部政策管理、销售目录和提案档案。