在我们一年一度的人力资源趋势报告中，SAP® SuccessFactors® 进行了研究，了解当前企业面临的核心人力资源趋势，这包括哪些趋势自2023年以来一直是重点，以及2024年有什么新的变化。我们每年都会从全球和区域内广泛挑选的、信誉良好的商业新闻资源中汇总和综合数据，这些数据展示了人力资源的趋势和预测，并通过内容分析提炼出它们共同的核心主题或“核心趋势”。

但今年的报告有所不同：鉴于人工智能（AI）尤其是生成式人工智能（Generative AI）作为完成工作的工具最近的快速发展，我们重构了我们的内容分析方法，纳入了生成式AI。我们的目的不仅是理解这种能力如何被应用于工作中，还想分享我们的使用经验——我们学到了什么，哪些方面最为有价，以及我们认为哪里仍然需要“人类的触感”。

以下是我们在使用AI进行趋势报告时遇到的主要优势和劣势。

优势：AI能迅速提供初步洞察。虽然你在我们报告中读到的内容是我们研究团队100%原创编写的，但我们确实使用了大语言模型（LLM）来辨识初步趋势数据中的共同主题，以帮助我们撰写每个核心趋势的摘要部分（“吸引我们注意的”）。我们首先将611个趋势手动分成更宽泛的“核心趋势”，然后将每个分类下的趋势输入到大语言模型中。该模型仅用几分钟就能将大量的原始文本数据转化为一组共同的主题。比如，我们排名最前的核心趋势包含100个单独的趋势，总共超过23,000词，而快速阅读的成年人读相同的文本量几乎需要一小时。

劣势：AI忽视了细节。通过使用大语言模型，我们发现尽管它能够成功地将大量的文本数据整理成基于频率的共同主题，但它忽略了帮助我们理解这些主题中哪些内容是有意义和重要的关键背景。例如，我们排名第三的趋势“混合办公回归办公室”涉及的原始数据不仅包括重新思考工作安排和空间，还涉及到工作本身的重新设计。这一变化与前几年关于此趋势的讨论有显著不同，是企业必须了解的重要变化。尽管这个话题对我们的研究人员来说非常重要，但因为它在与整体混合工作相关的数据中的出现频次较低，所以没有在LLM的输出中得到反映。我们认为，对于那些寻求主题广泛基础知识的新手或非专业人士而言，使用LLM的这种方式可能更有价值，而不是那些已具备基础知识且寻求具体性或深度的专家或学者。

优势：AI具有灵活的迭代能力。我们对大语言模型的指令进行了特别设计，以非常明确地定义模型返回的内容，确保输出格式符合我们的需求。例如，我们不仅仅是请求“一系列主题及其摘要”，而是要求模型按数据中出现的频率对主题进行排序，对每个主题进行特定数量句子的摘要，并提供直接从数据中抽取的引用例子，以更好地从源材料说明主题。这不仅为我们提供了更好的内容，而且通过要求大语言模型从源数据中提供示例，还帮助我们评估了模型输出的质量和准确性。

劣势：AI不能保证源数据的质量。从2023年秋季开始，我们开始精选要纳入我们2024年核心趋势分析中的源材料。我们会仔细评估每一份材料，确保来源都是高质量、声誉良好的商业新闻来源。事实上，由于品质问题如主题不相关、语法拼写错误或有偏见等，我们今年排除了约20%的初始收集材料。当我们请求大语言模型使用实时数据来列举2024年的人力资源趋势并报告它们所使用的来源时，我们发现源材料中存在质量问题。这是我们认为采用我们自己的经过质量控制的趋势数据而不依赖大语言模型自行识别源材料的一个重要原因。

总之，将AI纳入今年的分析虽然是一个有趣且富有洞察力的过程，但最终我们指出的弱点限制了其价值。在我们的核心趋势分析中，像这样需要批判性思维、精确性和对细节的关注的工作，依然需要人类来主导和监督，以确保提高效率和灵活性不会以牺牲整体质量为代价。

来自SAP