G-P 的人工智能创新 & 适应性

在2022中，我们着手重新思考我们的数据战略。生成式人工智能（GenAI）需要坚实的数据和应用程序接口（API）基础。G-P具有远见卓识，奠定了坚实的基础，使我们能够以负责任的人工智能转型来塑造我们的未来。

我们负责任地使用人工智能

全组织合规是我们的基因。作为全球雇佣合规行业的领导者，我们以深入思考如何保护我们的客户而闻名。在采用和创建新工具时，我们会从法律、就业、政策、安全、建筑、工程和数据等各个角度进行考虑。

当我们开始现代化转型之旅时，我们将两个组成部分作为我们流程的基石：

以年度工资补充账户为边界的领域驱动架构。每个有界上下文都有自己的年度工资补充帐户，因为单个团队完全拥有该有界上下文。在任何分布式架构中，大多数通信都是异步的，通过事件进行。有界上下文代表一种业务能力。
Databrick 的 Data Lakehouse 包含所有结构化和非结构化数据。我们通过推广流程摄取和清理数据。我们的黄金级数据经过批准、清洗、标记和验证。当湖畔小屋聆听事件发生时，无需额外的努力就能高效地进行摄取。

现在，从事件中摄取的数据不仅符合规范且结构化，而且可以立即用于人工智能驱动的洞察和应用。我们通过一系列数据产品实现了数据的民主化，这些产品可供整个组织用于人工智能、代理、报告、流程和产品。

每个人都有发言权，创新才会发生。我们在2023推出了年度人工智能黑客马拉松，作为一项重要举措。当然，我们有专门的人工智能实验室，但创新并非一个团队就能完成的。组织中的每个人（不仅仅是工程技术人员）都可以参与其中，献计献策。

我们最新的产品G-P Gia™ 最初是我们首届黑客马拉松的获奖作品。前提很简单：人力资源负责人会遇到合规性方面的问题，他们需要尽快得到答案。最常见的问题涉及我们服务的180 +个国家。这个问题的解决方案是使用我们的专有数据创建一个公司特定的人工智能模型，可以回答任何查询。

Gia 以及我们的黑客马拉松是负责任地使用人工智能的绝佳例证。我们能够同时测试工具、探索新技术并培训员工。更理想的情况是，我们可以控制数据集，并有内部专家随时为员工提供帮助。

在快速采用人工智能的过程中，如何明智地使用人工智能对组织来说可能是一个挑战。每家公司都需要了解使用方法，并学习如何保护客户、员工和利益相关者。我们早期的实验为我们今天的工作提供了指导。主要经验是：谨慎对待我们使用的工具、用于培训的数据以及与现有系统的整合方式。

在G-P ，一些部门使用Wardley Mapping来专注于对我们的客户影响最大的领域。对于技术创新，我们必须从整体上考虑其能力。同样，我们在 OpenAI 推出 ChatGPT 之前就开始了我们的人工智能之旅，但随着 GenAI 热潮的加速发展，我们改变了我们的使用方式和工具选择。

根据经验，我们很快得出了四点启示：

我们使用的各种人工智能工具因需求而异，但我们的指导原则始终如一：客户不是从我们这里购买人工智能。他们购买的是无摩擦（且合规）的人力资源技术。

G-P 的优势在于我们的适应能力和对合规的坚持——而科技行业的工作需要不断适应。我们的防护措施和有意使用有助于我们拥抱人工智能，并以能够增强用户和客户信心的方式最大限度地降低风险。

我们欣然接受了人工智能，一切都进行得非常顺利。人工智能将给许多公司和个人带来挑战。与许多技术一样，它令人惊叹，但并不神奇。我们深刻了解人工智能的工作原理，并提前奠定了基础，从而能够为客户创造尽可能多的价值。

围绕有意识、负责任地使用人工智能来制定战略，你将获得创新、值得信赖的工具和无限的增长。