Transcription
[音乐] 大家好，欢迎回到 No Priors。今天，我和 Alad 有一个劲爆的话题。我们请来了 Rippling 的首席运营官 Matt McKinnis。Rippling 是一个强大的员工管理平台，整合了人力资源、财务等。他们正在推出一款新的人工智能产品，该产品可以分析员工的工作成果并生成绩效管理信号。听起来很可怕？让我们来讨论一下。很高兴你能来。谢谢你的邀请。
我认为我们的许多听众会认识 Rippling，或者使用 Rippling。但对于任何错过的人来说，这家公司是做什么的？是的，它是一个集人力资源、IT 和财务于一体的平台。我们处理所有那些枯燥但重要的工作，以帮助您经营公司。所以，我们想消除经营公司的行政负担。这就是官方说法。但大多数人来找我们说他们需要发薪水，我们有发薪水。他们需要设备管理解决方案，我们也有。所以我们做所有这些事情。
传闻说你们的收入有数亿美元，而且增长迅速。关于规模，你还能说些什么吗？进展顺利。我们有大约 3500 名员工，有数万名客户在使用该平台。所以，我想说我们做得还不错。
我想也是，你们一直以来真正开创的一个概念是，重新引入复合型初创公司或捆绑式产品，涵盖一系列不同的事物。你们现在提供多少种不同的产品？以及在添加新产品方面的速度如何？
我们有大约 25 种独特的 SKU，客户可以从我们这里购买。产品有不同的形状和大小。所以，我们每个季度都会推出一些小的新东西，然后我们肯定每隔几个季度就会做一些大事。我们即将推出排班功能，这听起来可能不吸引人，但实际上非常酷。我们推出了一个招聘的申请人追踪系统。将这些东西添加到我们的人力资本管理套件中。
我们之所以这样做，部分原因是我们有太多的创始人加入了公司。有超过 150 位曾经创办过公司的人现在在 Rippling 工作。这是一种明确的策略，去寻找那些创业想法不太成功的有才华的企业家，给他们一个安全的着陆点，让他们继续追求他们感兴趣的东西，或者在 Rippling 做些新的事情。这对我们在推出新产品的速度方面非常有效。
复合型初创公司这个概念在硅谷已经有点被讨论了。这显然对我们来说是一个巨大的顺风，因为企业普遍希望将尽可能多的软件整合到一个平台上。所以，我们将继续追求这一点，继续招募优秀的有才华的企业家，并不断推出新产品。
这说得通。我想，看待你们业务的一种方式是，与其说是一家公司以一定的速度增长，不如说你们有 25 家初创公司都在从小基数开始复利增长，我认为这在潜在的上涨空间方面非常令人兴奋。
就像，如果，如果，我作为一名企业家，希望在职业生涯早期就学到的东西之一，就是基本的公司财务，比如理解损益表和资产负债表，以及它们如何协同工作，以及投资者在那种背景下会看什么。我，你知道，我现在明白了。为了记录在案，我认为我已经基本弄清楚了这些东西。但是，当你查看 Rippling 的损益表时，并且考虑到这 25 家企业，它们只是主要的生产线套件，比如 IT、财务和支出，它们在某种程度上都是规模较小的企业。然后，总的来说，你有一个漂亮的顶线图。但从效率的角度来看，它今天还可以，但随着这些不同的套件相互协同工作，效率显然会随着时间的推移而蓬勃发展。
在 SaaS 软件中，大多数人并不完全理解，对于规模化的企业来说，你业务的单位经济效益会在交叉销售过程中趋同。你的新客户销售模式非常重要，但随着你向不断增长的客户群销售产品，你的经济效益开始看起来更像那样，而不是新客户销售模式，因为你显然在交叉销售方面有更多的选择。所以，对我们来说，复合型初创公司也有这些美好的财务动态，我们有很多东西可以随着时间的推移向现有客户群销售，这在经济上对我们帮助很大。
你今天来谈论的一个重要的事情是，实际上是一个新产品，它在某种程度上将许多其他产品联系在一起。你想多谈谈那是什么，以及你们是如何开始涉足人工智能的吗？
是的，我的意思是，向整合方向摆动的钟摆有其明显的表面益处，比如更好的销售效率，以及客户可以通过不支付多个销售团队的费用来节省成本。但这只是非常表面的。真正的魔力在于，在你构建的这些不同应用程序之下，有一些共同的东西，它能为你提供规模优势，或者我称之为“振金优势”。所以，你的平台核心有一些超能力，让你能够做其他公司只是看着并想，“他们是怎么做到的？为什么他们能做到而我们不能？”
对我们来说，就是我们对员工图谱和员工数据的深刻理解。所以，我们构建的一切都运行在对你公司员工数据的深刻理解的共同轨道上。所以，问题是，当你开始将所有这些数据整合到一个平台时，会发生什么？你可以做些什么很酷的事情？然后，再加上人工智能的问题，一个大型语言模型能用这些数据和对它的结构及其历史的真正理解完成什么？这是我们几年前开始问自己的一个大问题，并开始投资于这个新事物。
所以，这是一个我们刚刚发布的新产品，叫做 Talent Signal。该系统能够读取员工的工作成果，并将我们拥有的关于你雇佣了谁、在什么职位级别的信息，以及你所知道的关于他们工作历史的所有基本数据，与他们实际产生的工作成果结合起来，从而深入了解这些员工的表现。
你知道，这显然会非常强大和有用，而且我认为每个人在某种程度上都知道这是要来的，那就是人工智能将在某种程度上为评估人类绩效做出贡献。所以，我们知道这里有一个机会，而这正是 Talent Signal 将要实现的。
这似乎是一个相当大的突破，能够查看你所描述的工作成果。因为传统的人力资源和 IT 系统并不一定包含这些工作成果数据。无论你作为一名个人贡献者工作了多长时间，向一名中层经理汇报，就像，我职业生涯早期在苹果公司工作了一段时间就是这样。你与经理之间的真正关键时刻是在绩效评估时。你对自己的表现有一些看法，你周围的同行和其他人也有看法，你的经理也有看法。大家坐在一起，在写完反馈后，他们会进行所谓的“校准”，即经理们试图将自己保持在共同的标准下，他们都试图让彼此对评估的标准方式负责。但事实是，经理们从未真正坐下来，看着你所做的一切，特别是如果这是在六个月或十二个月的时间范围内。他们就是没有足够的时间。
所以，如果你，有很多非常有趣的文章在不同的来源上写过这个。我最近在哈佛商业评论上读到一篇，他们谈到了“经理的氛围”。所以，如果经理对某个员工有好感，并且在审查过程中对他们的表现存在模糊不清的地方，那么就会为“氛围”成为绩效审查的基础打开一个巨大的缺口。同样，他们可能对某个员工有负面看法，并且他们的表现有些模糊不清，那么他们就会像卡车一样通过这个裂缝驱动负面情绪。问题是，如何绕过这些根本上是人类过程的倾向？答案是，我们去源头，我们把事实带到讨论中。
所以，Talent Signal 仅通过推理工作成果，它无法访问人口统计数据，它不知道你的种族、民族、年龄、工作地点。它只知道这是你写的源代码，或者是你作为支持代理的客户互动。然后，它生成一个叫做“信号”的东西，基本上就是一个印章，上面写着这个人是高潜力，这个人是典型，或者这个人需要关注。我们称之为“请注意”，但他们实际上处于风险之中，并指示经理花时间与他们在一起。但它浮现出所有这些具体的作品例子，经理可以用它们来与员工进行良好的辅导对话。
个人贡献者能看到吗？经理让他们看到就可以。这实际上是我们争论了很久的事情。Talent Signal 不做雇佣决定，它只是给经理一个关于员工表现的独立信号。
一个校准过的信号？嗯，是的，它是校准过的，这实际上非常重要，因为我们确实将其中一个数据输入模型的是某人的职位级别，然后我们试图在所有训练了数据的公司中进行校准。
它是否会显示相对于单个公司和整体池的校准？我们不分开。我们只提供本地化的版本。所以，你往往会看到一个伪正态分布。所以，你会看到，在一群大约 50 名工程师中，你总是会看到一些被标记为高潜力的人，你总是会看到一些需要关注的人，即使在全球模型中，你知道他们都非常优秀。
是的，因为否则它就没有什么用了。而且，所有这些都是我们正在进行的早期访问计划的一部分。我应该分享几件事，因为我认为你的听众现在会明白，哇，这其中的风险很高。把这件事做好很棒，但做错听起来有点危险。
我们正在通过早期访问计划进行这项工作。该产品的工作方式是，它一次为一名员工生成一个信号，在他们入职 90 天时。即使是那些已经在你公司工作了 3 年的人，我们也可以生成一个信号，但我们只根据他们工作成果的前 90 天来生成。我们这样做的原因是因为公司看到这一点，他们可以发现，嗯，这个东西在第 90 天做出了一个相当不错的评估，而我们花了 12 个月才弄清楚这个人不适合我们的公司，或者这个人将成为我们团队的杰出成员。这随着时间的推移建立了对模型的信任。而且，我认为，我不知道你们是否听说过“奥弗顿之窗”这个概念，对吧？人们只准备好接受一定程度的改变，以及他们如何看待某个问题。对我们来说，在产品设计中考虑我们不应该将奥弗顿之窗拉得太远，而且，通过将其限制在最初的 90 天，我们可以与员工和经理建立信任，让他们了解这个东西的含义以及它是否准确地适用于他们的情况。随着时间的推移，我们可以扩大它的应用范围。这些都是我们一路走来所考虑的各种问题。
但是，如果一个人在那里已经三年了，而我们有一个 90 天信号，这对那个已经三年的人来说仍然相关吗？不，不太可能。那一点的增量有用信息。这个想法是，嘿，这是我们在第 90 天会说的关于这个人的话。
这是回溯测试。是的，这是回溯测试，并建立了一定程度的模型可信度，因为我们显然已经进行了大量的测试，并且认为它相当准确，并且肯定让我们有信心认为它是一个有用的信号。所以，它的很多用途实际上是针对新员工，而不是那些已经在公司工作了很长时间的人。这个版本的 V1 产品，当我们迈出第一步时，就是为新员工提供 90 天信号。所以，你雇佣的人越多，它就越有用。所以，高增长的公司显然会从中获得更多价值。但随着这个东西的发展，天空是无限的。而且，我们都对模型建立了更多的信任。
我想谈谈风险，但你对它如何改变绩效管理的愿景是什么？对我来说，激励因素老实说就是糟糕的经理。如果你是一名员工，你在组织底层从事困难的工作，你的经理有点懒惰，不怎么认可你的贡献的质量，在那个校准会议上对别人有好感，然后他们得到了晋升。Talent Signal 进入那个环境，把你的工作成果拍在桌子上，说，“这个怎么样？”我可以给你一个 Rippling 中代表性不足的群体的一个具体例子。当我们构建这个产品时，她是在印度的一名工程师，她正在处理我们最困难的问题之一。她被单独列为一名高潜力员工，而且她确实是在公司任职的早期。我们注意到了这一点。我们和经理谈了谈。这有点令人吃惊，因为模型把她从默默无闻中提了出来，说，“我不知道你对这个人的看法，但伙计，他们似乎在做出高水平的贡献，而且这里有具体的例子。”所以，那个懒惰的经理，不按应有的方式代表事情的经理，当他们通过这个工具查看整个组织时，会被他们的经理追究责任。它能更好地代表员工。
而且，我当然可以整天谈论“将人们从默默无闻中提拔出来”，但它也对团队绩效有影响，那就是在某人表现不佳时发出信号，如果他们没有很好地适应，将这个信号传递给经理和经理的经理，这对整体团队绩效非常有价值。所以，这里的愿景是拥有一个独立的，当我说是独立的时候，它是独立于经理的偏见的，独立于公司中的所有噪音，并且只关注员工的一个方面，那就是他们的工作成果，并给他们一个闪耀的机会。
你只是想象一下，这是公司绩效管理概念的近期历史中第一次有一个正交的输入，可以用事实来真正颠覆人们的表现。
你们从在 Rippling 内部“吃狗粮”中学到了什么？我们很早就开始在内部讨论这个问题了。随着产品的成熟，以及我们与员工的更多讨论，来自员工的反馈对于我们制定的政策非常有帮助。
我举几个例子。没有人可以单独使用该模型做出任何重大决定。所以，任何时候你谈论雇佣决定、晋升之类的事情，你都不能仅仅指向 Talent Signal 说，“它说了 X”。你必须对输入有自己的独立评估。所以，这真的是，就像经理对工作成果的推理，Talent Signal 也指向他们。Talent Signal 就像一个作弊表，但经理必须做本质上是人类的过程，那就是评估整个个人。我们内部制定的政策禁止盲目遵循 Talent Signal，并要求经理表达他们对研究结果的判断。
而且，我们确实在 Rippling 对所有东西进行“吃狗粮”。我们的首席执行官 Parker，他负责公司的薪资，每次发薪水都经过他。他还批准所有超过 10 美元的费用。我们可以聊一整天。有时我只是吃掉那 10 美元，你知道吗？有什么意义呢？和 Parker 争论。那是 Uber Comfort，不是 UberX。但无论如何，人工智能的东西，他显然非常接近这方面的开发。而且，我认为员工们一直非常认真地参与其中，既要成为好的“吃狗粮者”，又要确保他们自己的权利在技术发展中得到体现。
我能想象到的一个最大的反对意见，特别是当你评估那些工作可能是“经典的中间经理，我让其他人成功，这是关于协作或让人们专注于正确的任务”的人时，是这些没有被捕捉到具体的工作成果中。你的回应是什么？
我的意思是，首先，Talent Signal 在开发信号方面侧重于个人贡献者。所以，对于销售人员、支持代理和个人贡献者工程师来说，它只为他们提供信号。我们还没有涉及经理的游戏，这对我们来说会很有趣，或者对某人来说去深入研究。但有一个问题是，它在看什么？它是否像，你知道，一个监视者在看我所做的一切？
在产品开发中，我们需要找到最高的相关性，找到最好的 R 平方。输入模型最能预测输出的是什么？那就是他们是否被晋升，是否因表现而被解雇，是否在很长一段时间内停留在同一级别？总的来说，在研究期间他们的职业生涯结果如何？当我们进行这些初步研究时，最响亮的信号是工作成果。是工作成果。你知道，如果你想知道某人是否是一名优秀的工程师，看看他们的贡献，看看他们的源代码，不要只看他们做了多少，而是真正推理代码贡献的质量。
考虑安全问题，查看拉取请求，查看对拉取请求的评论。这些基础模型在思考源代码和编写源代码方面做得非常出色。所以，它们实际上是评估质量的优秀引擎。看到演示时，我认为这是最酷的事情之一，当它正在评估例如可维护性、可扩展性时，因为这需要代码推理。是的，它对此有看法，并且能够非常清晰地表达出来。然后，经理必须自己去判断。
我再举一个例子。这是一个来自使用该产品的客户的例子。一位早期测试公司的首席技术官发现，他认为不那么强大的工程师被标记为高潜力。他当时想，“好吧，这与我的先入为主的观念不符。”他有先入为主的观念，这与他的感觉不符。这不是我对这位员工的感觉。所以，他去查看源代码，他说，“哦，我明白了。我写了所有这些源代码，然后我们说，“嗯，告诉我们更多。”他说，“嗯，这位员工一直在挣扎，所以我一直在花时间与他们一起，肩并肩地写代码，并指导他们完成这些事情。而模型捕捉到的是这种非常高质量的贡献，只有在我坐在这个人旁边时才会发生。”是的，我当时想，“啊哈，好的，很酷。”所以，这有点像一个无法知道的错误归因。
你如何更普遍地看待经理？你提到你目前不评估他们。安迪·格罗夫总是说，经理的产出就是他们团队的产出，这就是你应该评估他们的方式。所以，在某种程度上，你可以争辩说，你有一些信号，你可以汇总。所以，当你在产品中查看时，它确实在经理级别进行汇总，向你展示高潜力、典型和需要关注的员工的分布。我们基本上告诉客户，你们将其用作信息，以发现可能存在热点的地方，但不要完全评判。
问题是，这是招聘的反映，还是执行的反映，还是……所以，我想有时很难区分这些。现在你有点明白为什么我们称之为 Talent Signal 了，因为这就像一个信号。就像，嗯哼，好的，这里有一个小黄灯泡亮起来了。
我只是好奇，你们是如何最终决定做这件事的？是因为进行了大量的探索，还是更像是，“嘿，我们这里确实有一些东西，我们已经积累了数据，人工智能似乎擅长解读某些类型的数据”？我只是好奇你们是如何最终走到这一步的。
在所有你可以用基础模型做的事情中，我们考虑了很多明显的人工智能用例。我将放大一下，也许吹嘘一下公司。你有一美元，你可以用它做很多事情。回到公司财务这个话题，你可以用这一美元做很多事情。如果你把这一美元重新投资到机器的前端，然后从后端出来两倍。不要拿那两倍，把那两倍放到前端，从后端出来四倍。把四倍放到前端，从后端出来八倍。这就是为什么 SaaS 软件业务在其早期多年会以如此大的现金赤字运行。
现在，如果你做不到这一点，因为你不知道接下来要构建什么技术，你不知道如何将其投资于销售和营销以获取下一个客户，你不知道如何将其投资于研发以构建下一个将产生增量收入的产品，那么你可能会做一些事情，比如股票回购。这意味着你能想到的最富有创意的想法就是通过股票回购来提振股价。更糟糕的是股息，因为现在我甚至不能那样做，我只是要把它，我不知道该怎么处理这笔钱，我只是要把它还给你。这就像一个公司发出的一个非常糟糕的信号，如果他们能想到的最好的事情是股息。
相比之下，像 Rippling 和硅谷的许多公司，不仅知道如何处理下一笔增量美元，或者认为他们知道，而且他们想要更多的美元，而不是他们能够获得的。所以，他们使用股权资本去获取更多的现金，他们可以用这些现金投入机器的前端，并从后端获得更多。
你看看硅谷一些表现最好的公司，它们实现了盈利，或者至少其中一些公司实现了盈利。它仍然围绕着一个他们做得非常好的想法或产品，并且他们已经很好地扩展了它。Rippling 的一个非常独特之处，而且我们团队很容易对此习以为常，就是我们有一个庞大的项目列表，如果我们去构建它们，它们就会转化为收入。我们知道我们想构建的下一个产品，以及之后的产品，以及之后的产品。唯一的挑战是，我们能否雇佣足够多的工程师，并且不会耗尽资金？你知道，因为我们知道从长远来看，这一切都会奏效。
哦，等等，在经典的“只做好一件事”的硅谷公司中，一个常见的反对意见是，同时关注这么多事情真的很难。同时做好这么多事情真的很难。保持一致性很难。你如何教销售团队？你如何考虑一致性？
就是努力工作。你只是让合适的人担任合适的职位，并在公司中拥有足够多的领导者，他们能够处理这种分形的复杂性。这也是 90 年代传统的企业销售手册。而且，我认为我们经历了一个 10 年的时期，在 2000 年代，我们忘记了这一点，每个人都变成了单一产品。然后就有你们，HubSpot，Datadog，各种各样的人构建了这些捆绑式产品，以及围绕单一的“记录系统”或身份类型或其他东西的交叉销售。
所以，我的意思是，有句老话来自 Netscape 时期，所有的创新要么是捆绑，要么是解绑，或者是一些变体。所以，现在我们又回到了捆绑时代。
历史重演，历史不会重演，但它会押韵。而且，我们肯定处于 90 年代大型平台故事的押韵阶段。
Talent Signal 看起来不像捆绑，它看起来像一些非常……这就是为什么它不重复，但它押韵。因为在新情况中出现的技术提供了新的机会。所以，我们有很多东西想构建，但指导原则始终是，我们能独自做什么？我们能用这个新工具做什么？我们有振金，我们在这个底层平台上有振金。人工智能加上振金等于什么？它会产生什么？
我想说的是，对于其他开发人工智能产品的公司来说，很长一段时间以来，它们的路线图都很糟糕。它们不知道下一个能产生收入的近端功能是什么。它们没有另一个具有 100% 产生增量业务机会的 SKU。它们不断填充额外的功能，让现有客户满意，并可能为它们提供边际交叉销售机会。但它们没有下一个大事可以附加。
人工智能风暴般地进入了这个领域，现在每个人都成了人工智能公司，因为它为它们提供了机会，至少可以伪装成一家知道如何处理下一笔近端研发美元的公司。我们从来没有这个问题。所以，你猜怎么着，我们没做什么？我们没有构建聊天机器人，没有构建副驾驶，没有构建任何这些表面上显而易见的……我们会构建它们，它们最终会包含在内，谁在乎呢？它不会多卖一份软件。我们说，我们将跳过这一点，我们将快进。我们将让这些非常昂贵的人工智能工程师，他们很难招聘，但很容易留住，因为这是一个很棒的工作场所，但很难招聘，去构建一些有机会证明其机会成本是值得的，因为把他们放在聊天机器人上的机会成本与我们本可以做的其他事情相比，根本不值一提。
你们还有其他类型的新人工智能产品吗？
我们在人工智能领域有很多东西在研究，但把这个做好就像，你知道，我们不是把人们从这个项目中抽出来去处理项目二。我们真的想一炮打响。有一些新东西将来自公司，但与人工智能没有直接关系，而是关于真正规模化的数据，超大规模的数据。我们已经构建了 Rippling 底下的这个非常漂亮的数据平台。它有点像我们的 AWS。我们将在接下来的一个季度左右迎来我们的 AWS 时刻。但我们是来谈论 Talent Signal 的。它建立在这个数据平台上。当你想要为你的工程团队安装 Talent Signal 时，你所要做的就是在 Rippling 上安装 GitHub 应用程序，它会将你的源代码存储库复制到一个安全、受到严密保护的环境中。但它将在源代码上进行分析。当你接入 Salesforce 时，我们会复制你 Salesforce 实例中的大量数据，这很费力。我的意思是，我们 Salesforce 实例的大小是巨大的。所以，关键是如何将 HRIS 数据与这个规模化的数据平台结合起来，在那里一切都得到了非常漂亮的结构化，特别是所有员工数据都被优雅地解引用。换句话说，我们总是知道在所有这些其他系统中谁是谁。然后说，现在我们可以用它来解决哪些业务问题？而且，这太明显了，这是一个机会，因为我们在这些工作流程产品中看到了，而且，GitHub 做不到这一点，因为 GitHub 不知道你提拔了谁，他们不知道谁做得好，他们不知道你因为绩效原因不得不解雇了谁。Salesforce 也不知道。所以，我想，这些工作流程系统中的许多都会内置非常酷的代码质量评估工具，但它们都不会以我们拥有的那种人类视角了解发生了什么。这就是为什么这是我们的魔力。
你认为需要一种特殊的文化或领导力才能成为 Talent Signal 的早期采用者吗？或者信号，在你的 Alpha 合作伙伴中是否有现成的信号？
当然。我的意思是，有一些公司我们已经接触过，它们看过它，然后说，“嗯，我们不会成为这个的早期采用者。”当然，我们完全尊重这一点。我的感觉是，人工智能在人类绩效的讨论中，只走了 0.1%。我的意思是，还有很多事情要做。我认为，我可以比较舒适地说，大型语言模型将不可避免地以多种不同方式参与评估人类绩效。
是的，你知道，这很有趣。我的一位朋友，一家上市公司的 CEO，他告诉我，他有时会使用一些聊天相关的产品来谈论员工问题，他会聊天说，“嘿，我正在处理一个员工的问题，我应该做些什么？我应该如何看待这件事？”所以，你已经开始看到那种未来的闪光点出现了。
你认为人们应该构建哪些原则来确保他们以一种深思熟虑的方式来处理它，或者正如你所说，他们不是仅仅将决定推迟给人工智能？
我认为首要任务是理解，你可以对此麻木不仁。这种东西对人们的影响。我认为，如果你不是在人工智能领域，而你听到像我这样的人谈论风险、人工智能安全或道德问题，听起来很奇怪。你会想，他们为什么谈论道德和风险？就像，它回答了我关于如何将一杯油的一半转换为盎司的问题一样。你知道，因为这是大多数普通人的经验，它是一个非常良性、友好、平易近人的东西。但当你在这个背景下思考它时，你很快就会想到，好吧，那么，如果一个经理独自做出决定，任何幻觉或错误归因都可能对人们的生活产生真正的影响。
这就是为什么 Rippling 处理这个问题的方式，我们正在通过早期访问计划进行。我们将其限制在最初的 90 天。这个信号很棒，它看起来对人们来说非常有用。而且，我们也高度关注可能通过整个事情被放大或引入的偏见的风险。所以，当你问到那些想开始使用这些工具并将其用于这些类型的背景的人时，你可能会给他们什么建议？我的建议是，第一，你必须了解风险。第二，即使系统可以说是万无一失的，你仍然必须深入基层，继续做好你的经理工作。你必须检查背景。不要让前面提到的关于某人获得了大量经理指导的错误归因影响你对他们的看法。把它看作它是什么。不仅是 Talent Signal，而是更广泛的人工智能。把它看作它是什么。而且，如果你必须对这些系统的基础有一些了解，以便能够判断它们的输出质量。而且，我认为要求这里的每个人，那些可能使用这些工具的人，都准备好了，这可能太高了。
那么，谁是 CEO 或 HR 领导者，或者其他选择现在这样做的人呢？
很明显，选择与我们合作的公司，他们是相当注重绩效的，非常热衷于寻找新的工具来竞争。我认为，如果你回到体育类比，如果你能告诉我，你是一名教练，你有一个团队，你正在争夺奥运金牌，这是某个评估你在球场上姿势的测试版本的某种东西，或者，你知道，这取决于我们谈论的是什么运动，你很想尝试一下，看看它是否能帮助你提高团队表现。而且，如果你小心谨慎，并且能够降低下行风险，它可能会让你在竞争激烈的环境中获得优势。
有很多商业人士，CTO，工程方面的人，销售领导者对这个感兴趣。我的意思是，销售是高度竞争的。所以，如果他们能获得优势，这只是军备竞赛的一部分。还有支持团队，他们已经非常注重辅导了。支持团队通常非常关注规则遵守，以及每周与员工进行空气检查，以确保他们以正确的方式沟通新产品或使用正确的语气。他们已经有了这些文化。所以，我想我们在这方面做得对的一件事是，当我们选择销售、工程和支持作为构建第一个版本的领域时，这些组织已经拥有竞争文化，并且拥有寻找下一个增量优势的文化。然后，我认为这会上升到公司文化，公司表示他们将等待这一轮。在那些更强硬或更具竞争力的环境中，那些家伙已经表示他们想加入竞争。我认为这三个学科也有大量的辅导。所以，有像 Gong 这样的产品，我看到人们分享通话，以便人们可以互相学习。客户支持，显然有很多培训。代码，有时人们会编程。所以，它也感觉像是你谈到的辅导方面可以变得非常有价值的地方。
是的，100%。这似乎是人工智能“叉子人群”攻击你的一个明显触发点。
我确实要说，我很感激那些“叉子”。我很感激那些将追究我们的责任，批评或评论我们在这个产品上付出的工作质量的人。因为很容易沉浸在自己的想法中，并对潜力感到兴奋，而没有真正理解全貌。所以，当有人来找我们，并提出关于偏见的问题，或者提出关于将人工智能卷入如此重要决策的意外后果的问题时，我们会倾听，我们会学习。反馈是一份礼物，这是真的。所以，我知道会有人对我们正在做的事情皱眉头。然后，我只能说，我们非常致力于向他们学习，并确保我们将其打造成一个对每个人都有效的工具。
太棒了，非常感谢你今天加入我们。我真的很感激你们让我来。谢谢 Matt。在 Twitter 上关注我们 @no_prior_pod。如果你想看到我们的脸，订阅我们的 YouTube 频道。在 Apple Podcasts、Spotify 或任何你收听的地方关注这个节目。这样你每周都能收到新一集。注册电子邮件或在 no-prior.com 上查找每集的文字记录。[音乐]