论文部分内容阅读
2018年8月，前合益集团（Hay Group）大中华区咨询业务总裁梁星晖正式告别了耕耘15年之久的咨询行业，宣布加入2013年成立的人力资源科技公司e成科技担任总裁。
从咨询行业到科技行业，从历史悠久的全球顶尖咨询公司到成立仅数年的人工智能创业公司，梁星晖的转型不可谓不大。然而细究其底层逻辑就会发现，梁星晖并未离开一直以来的阵地，他始终都在做自己认定的那件“人生大事”：帮企业跨越战略落地的“最后一公里”。
“任何一个企业战略要落地，‘最后一公里’往往不是组织架构，不是制度流程，而是人。”过去十几年，梁星晖一直在以咨询专家的身份帮企业通过人才战略的落地实现业务战略的落地，具体而言就是通过更好地吸引人、选拔人、组织人、激励人，最终化战略为行动。选择加入e成，核心原因之一是梁星晖认为，传统咨询公司提供的解决方案并不完美，而目前出现了能让这一使命实现得更加彻底的工具——人工智能。在梁星晖看来，在管理向人回归与以AI为代表的技术日趋成熟两大趋势的共同作用下，人力资源管理正在迎来有史以来最好的变革时点。
对于在算法领域实力雄厚、从招聘业务切入的e成来说，梁星晖的加入意味着公司的一次战略跃迁，AI咨询成为e成在AI招聘、智慧人力之外的另一大核心业务板块，e成布局的人力资源服务生态版图至此趋于完整。
困境：人才管理战略落地难
《中欧商业评论》（以下简称CBR）：哪些原因让你选择离开合益集团，加盟了仍处于创业期的e成科技？
梁星晖：离开合益最主要的原因是，在中国经过二十年左右的发展，传统咨询行业正在遭遇空前的挑战，甚至可以说面临生存的危机。
第一，国内企业成长非常快，很多中高层管理者对传统咨询相关的经典理论、方法已经非常熟悉，咨询卖理论、卖模型、卖工具的时代已经过去。当企业或客户的成长速度超过了咨询公司及咨询顾问，行业的价值就会大打折扣，可以说传统咨询正在从黄金时代进入白银时代甚至青铜时代。
第二，从商业模式的角度看，传统咨询缺乏成长性。一家咨询公司的业务规模与其拥有多少位高质量的合伙人有很大关系，天花板明显。大批咨询顾问正在从咨询行业流失到从前的企业客户中，行业流失率每年都在20%以上。一方面行业高度依赖人才；另一方面行业人才正在加速失去，挑战倍增。
第三，咨询行业的業务载体是项目而非产品，一个项目结束往往意味着要去寻找新的项目，针对同一个客户的连续销售充满不确定性。极端点讲，咨询行业每个新的财年都从清零开始。
促使我离开合益加入e成的另一个主要原因是，近些年AI正在各个行业得到广泛运用，我常常思考，如果与AI相结合，咨询的短板是否可以得到弥补？
比如，AI能够取代相当数量的人工服务，使传统咨询依靠人海战术驱动增长的模式得到改观。再如，一旦AI学习到优秀的咨询方法和经验，加上不断迭代的算法，也许能提供可以与优秀咨询顾问相媲美的高质量解决方案。甚至AI也许可以将复杂的咨询服务变得标准化、可重复使用，未来就能打破咨询行业的规模天花板，让咨询向标准化产品的方向不断演进。e成在AI领域的积累和耕耘使这些成为可能。
CBR：“AI+咨询”在行业内已经有相关应用了吗？
梁星晖：在全球咨询行业，目前几乎还看不到AI与咨询结合的先例。近些年国内出现了将AI应用于人力资源管理的尝试，很多企业不约而同地选择“招聘”作为切入点，一是因为招聘是一个普遍痛点，二是在技术上也相对容易切入。通常的做法是，基于岗位说明书和个人简历，通过算法进行匹配，实现人岗匹配精准度的提升。
但AI与招聘的简单结合还不能说是AI与咨询的结合。传统招聘只是“招到人”，即撮合人和企业。要做到真正“招对人”，尤其是围绕企业的战略、业务痛点、发展需求等招对人，把招聘尤其是猎头服务提高到咨询解决方案的高度，即便是市场上领先的国际猎头公司，离此目标也还有较大的差距。
e成科技的目标是成为一个帮助企业人才战略落地的AI平台，不仅要将传统的AI招聘提升到咨询解决方案的层面上，同时会介入到更丰富的人力资源咨询场景中。
CBR：从咨询角度看，与企业人才战略落地相关的典型场景是怎样的？
梁星晖：让企业始终拥有能够匹配其最新战略诉求与业务发展目标的人才队伍，是企业人才战略落地的最大场景，也是最大难点。从严格意义上讲，任何一家企业都永远处在现有人才队伍与新的战略诉求和业务发展目标不匹配的挑战性状态。如何使现有人才拥有成长的意愿，不断追赶组织发展的要求，是企业要面对的永恒课题。
针对这一课题，传统咨询给出的经典解决方案是：围绕企业的战略目标和业务要求，构建一套拥有牵引性、领先性的能力素质模型，基于此进行人才盘点、绘制人才地图，揭示既有人才队伍与新的素质模型之间的差距，从而引领、激发现有人才队伍去追赶并弥合这种差距，达到组织不断成长的目标。
尽管逻辑上非常美好，但这套方法实施起来效果往往不尽如人意。
一方面，理想的核心能力或者说能力素质模型，通常是从逻辑上或者是从优秀标杆身上进行的萃取和总结，常常脱离组织实际的人员状况。比如优秀分子之所以展现出优秀的素质、达成高绩效，究竟是哪些因素共同作用的结果？这些因素如何相互作用？传统素质模型很难解释。广大组织成员只能吃力地去学习一些概念性的能力或素质，导致素质模型很难真正落地，常常变成放在企业“藏经阁”里或挂在墙上的“宝典”。
另一方面，组织存在巨大的惯性。很多时候，树立能力目标、要求大家学习的传统做法是一种自外向内的简单粗暴的要求，没有事先洞察组织内个体内心的抗拒、困惑、不支持，等等，很难真正激发员工自我成长的意愿，员工是一种被动的学习，背后是对人性的忽视。 破局：“铁三角”为支撑，画像为切入点
CBR：AI的运用能为解决传统咨询方案在人才战略落地方面遭遇的挑战提供怎样的帮助？
梁星晖：总的来说，传统人力资源战略落地难通常包括识别难、配置难、塑造难、激发难、规划难等主要障碍，追溯原因都是难以真正深入地实现对每一个人的洞察。
AI则让实现这一点成为可能。比如前面提到，传统素质模型没法解释优秀分子行为背后的因素是如何共同作用的，借助AI我们可以对优秀分子的行为数据进行收集、整理、分析，在专家知识的引导之下构建算法模型，通过模型的不断调优和升级，逼近并超越传统线下顾问对人的观察，最终揭示出一个人身上众多数据维度之间的深刻联系，实现从“知其所以然”向“知其何以然”的跨越。
CBR：要实现这样的目标，前提必须有海量的数据？
梁星晖：是的，这也是为什么仅仅有AI还不够。e成科技提出了“专家+AI+数据”的三驾马车模式，三者各自扮演着不同的角色。
运用AI，往往要专家先行，因为AI不可能平地起高楼，它需要向专家学习人力资源管理方面的知识、经验、法则等，就像AlphaGo首先要学习大量的围棋棋谱。在专家支持下形成算法模型后，需要大量的数据来检验模型的精准度、合理性和可解释性，数据量越大，越可能接近或者超越专家的经验法则。
三者形成了一个铁三角，只是在不同的阶段发挥的作用各有主次。未来的壁垒其实不在于算法，拥有多少专家和拥有多少数据将成为巨大的区分点。这个“铁三角”让我们可以对组织人才进行整体和个体层面的洞察，当前的具体手段是为每一个个体提供画像，通过揭示其过去的相关行为轨迹，把握每个人身上一些本质性的东西。
CBR：所谓“画像”，主要是从哪些维度进行刻画？
梁星晖：通常来讲，一个好的画像需要收集几十个甚至上百个数据字段。一是一些静态的自然数据，比如出生时间、出生地、性别，等等；二是教育经历，包括正规教育和社会教育，能够揭示出一个人的兴趣、知识的宽度和深度，等等；三是职业生涯相关数据，比如一个人是沿着固定路径发展还是在不停跨界，是在持续升迁还是在某一职级上徘徊，等等；四是性格、品质、动机等冰山素质模型水面以下的数据。
AI技术要想在人力资源管理等场景发挥巨大作用，一个比较突出的技术瓶颈就是如何又快、又好、又准确、又安全地获取高质量的海量数据，现在的数据要么不全，要么颗粒度不够，还有保密性等问题。如果说整个铁三角有一个角相对偏软的话，其实就是数据。
目前，市场上数据主要来自岗位说明书、海量简历以及合作对象的相关数据，但这些数据往往偏于冰山以上，冰山以下的数据很少，数据的丰富性和完整性是有问题的。所以e成一直强调开发各种各样的机器人，比如面试机器人、访谈机器人，通过机器与人直接交流，获得第一手数据。我们也会使用问卷调研、测评、背景调查等传统手段获取相关数据。此外，最有价值的数据还包括现场的、即时的动态数据，每个企业每天都在发生大量人与人互动的管理场景，产生着大量的个体行为数据、心理数据、团队互动模式数据，如果未来有成熟的技术可以捕捉这些数据，AI的威力将得到极大的释放，顾问的能力也将得到几何倍数的放大。
CBR：在e成科技提出的“一个标准（画像）+两个引擎（个性化推荐+机器人）”的人力资源服务架构中，画像处于重要位置，目前有怎样的应用？
梁星晖：在e成的起步阶段，主要还是对JD（岗位说明书）与CV（个人履历）进行匹配，通过算法提高匹配的精准度。最近几年，e成已经把AI招聘提升到了基于画像的精准招聘层面，也就是从“招到人”向“招对人”转变。
具体来说，e成通过算法，将招聘岗位上一些优秀任职者的画像聚类成一个岗位画像，刻画某个岗位所需要的能力、素质、成长性特质以及一些规律性的东西，保证较高的准确性和参考性。与岗位画像相比，传统的岗位说明书对岗位所需能力素质的描述是不精准的，往往只是认证资格要求、学历、经验等冰山上面的东西。拿着岗位说明书去与求职者美化过的个人简历匹配，是拿两个本身就不精准的东西进行匹配，只有将描述精准的岗位画像与候选人的人才画像进行匹配才有意义。
而要形成精准的岗位画像，要求我们必须对企业进行深入了解，熟悉它的商业模式、战略要求、使命等，也就意味着要从普通的AI招聘上升到咨询。
未來：CEO的第四张财务报表
CBR：你曾经提出，国内企业正在迎来释放管理红利的时点，管理越来越向人回归。近二三十年来，人与组织的关系发生了怎样的变化？
梁星晖：人与组织的关系变化大致可以划分为三个阶段，人在与组织的博弈过程中呈现出“非人”“半人”“全人”三种状态。
第一个阶段，人完全服从于岗位或者说事情的要求，人处在一个被岗位“冒名取代”的状态，在与组织的关系中处于绝对的弱势地位。
第二个阶段，组织开始实施战略性的人力资源管理，人开始被视为企业战略能否成功、业务目标能否实现的关键因素之一，人的能动性、成长性等得到了一定程度的重视，但企业仍会依据战略要求裁减人，人仍被视为工具。
第三个阶段，企业尊重每个人的个性、才华和激情，“一人一策”，大规模定制化地使用人、培养人、激发人，人领先于战略、业务和组织，是一个完整的人。这不是一个可以一蹴而就的目标，但正日益成为现实，在一些内部网络化、平台化的组织可能率先实现。
随着移动互联网下半场的到来，人力资源管理正在迎来一个有史以来最好的时点。一方面，企业越来越意识到要将员工视为一个独特完整的个体，人日渐居于管理的中心位置；另一方面，AI等技术的成熟使企业观察、了解、激发每一个员工成为可能。
CBR：从国内企业目前的状况来看，它们大多处在哪个阶段？
梁星晖：大部分企业仍在从第一阶段向第二阶段迈进，其实到达第二阶段已经很不容易，一个企业能够根据战略的变化动态裁减人才队伍，让组织的战斗力始终能跟得上新的战略要求，已经很了不起。
过去二三十年，中国很多本土企业仍在构建管理基础，连扎实的岗位体系、薪酬体系和绩效管理体系都不具备，在分享了国家的政策红利、市场红利、人口红利之后，它们现在面临回来补课的过程，同时要向第二阶段迈进，就在此时移动互联网又呼啸而至，它们又面临第三阶段的要求。所以对很多企业来说，它们处在三个阶段并进演化、要求叠加的阶段，挑战非常大。
CBR：e成在做的事情就是在帮企业向第三阶段迈进？
梁星晖：是的。在缺乏AI技术和大数据的情况下，仅仅依靠传统的手段，没办法做到对每个人的人性进行深刻的洞察，没法对人进行精准的培养和激发，因此即便是合益这种同时拥有洞察组织、洞察岗位、洞察人的能力的公司，也无法完全实现第三阶段的目标。
有了AI之后，可以基于战略、业务的要求，对企业的核心岗位和所需人才进行精准的分析和预测，对公司、部门甚至每个人的人力资源回报率进行精准的测算。我们的目标是为企业CEO打造第四张财务报表，比如知道哪些人是净资产、哪些人是负债，哪些人是死库存，随时随地都能了解企业人力资源在核心能力上的分布状况和成长状况。
从咨询行业到科技行业，从历史悠久的全球顶尖咨询公司到成立仅数年的人工智能创业公司，梁星晖的转型不可谓不大。然而细究其底层逻辑就会发现，梁星晖并未离开一直以来的阵地，他始终都在做自己认定的那件“人生大事”：帮企业跨越战略落地的“最后一公里”。
“任何一个企业战略要落地，‘最后一公里’往往不是组织架构，不是制度流程，而是人。”过去十几年，梁星晖一直在以咨询专家的身份帮企业通过人才战略的落地实现业务战略的落地，具体而言就是通过更好地吸引人、选拔人、组织人、激励人，最终化战略为行动。选择加入e成，核心原因之一是梁星晖认为，传统咨询公司提供的解决方案并不完美，而目前出现了能让这一使命实现得更加彻底的工具——人工智能。在梁星晖看来，在管理向人回归与以AI为代表的技术日趋成熟两大趋势的共同作用下，人力资源管理正在迎来有史以来最好的变革时点。
对于在算法领域实力雄厚、从招聘业务切入的e成来说，梁星晖的加入意味着公司的一次战略跃迁，AI咨询成为e成在AI招聘、智慧人力之外的另一大核心业务板块，e成布局的人力资源服务生态版图至此趋于完整。
困境：人才管理战略落地难
《中欧商业评论》（以下简称CBR）：哪些原因让你选择离开合益集团，加盟了仍处于创业期的e成科技？
梁星晖：离开合益最主要的原因是，在中国经过二十年左右的发展，传统咨询行业正在遭遇空前的挑战，甚至可以说面临生存的危机。
第一，国内企业成长非常快，很多中高层管理者对传统咨询相关的经典理论、方法已经非常熟悉，咨询卖理论、卖模型、卖工具的时代已经过去。当企业或客户的成长速度超过了咨询公司及咨询顾问，行业的价值就会大打折扣，可以说传统咨询正在从黄金时代进入白银时代甚至青铜时代。
第二，从商业模式的角度看，传统咨询缺乏成长性。一家咨询公司的业务规模与其拥有多少位高质量的合伙人有很大关系，天花板明显。大批咨询顾问正在从咨询行业流失到从前的企业客户中，行业流失率每年都在20%以上。一方面行业高度依赖人才；另一方面行业人才正在加速失去，挑战倍增。
第三，咨询行业的業务载体是项目而非产品，一个项目结束往往意味着要去寻找新的项目，针对同一个客户的连续销售充满不确定性。极端点讲，咨询行业每个新的财年都从清零开始。
促使我离开合益加入e成的另一个主要原因是，近些年AI正在各个行业得到广泛运用，我常常思考，如果与AI相结合，咨询的短板是否可以得到弥补？
比如，AI能够取代相当数量的人工服务，使传统咨询依靠人海战术驱动增长的模式得到改观。再如，一旦AI学习到优秀的咨询方法和经验，加上不断迭代的算法，也许能提供可以与优秀咨询顾问相媲美的高质量解决方案。甚至AI也许可以将复杂的咨询服务变得标准化、可重复使用，未来就能打破咨询行业的规模天花板，让咨询向标准化产品的方向不断演进。e成在AI领域的积累和耕耘使这些成为可能。
CBR：“AI+咨询”在行业内已经有相关应用了吗？
梁星晖：在全球咨询行业，目前几乎还看不到AI与咨询结合的先例。近些年国内出现了将AI应用于人力资源管理的尝试，很多企业不约而同地选择“招聘”作为切入点，一是因为招聘是一个普遍痛点，二是在技术上也相对容易切入。通常的做法是，基于岗位说明书和个人简历，通过算法进行匹配，实现人岗匹配精准度的提升。
但AI与招聘的简单结合还不能说是AI与咨询的结合。传统招聘只是“招到人”，即撮合人和企业。要做到真正“招对人”，尤其是围绕企业的战略、业务痛点、发展需求等招对人，把招聘尤其是猎头服务提高到咨询解决方案的高度，即便是市场上领先的国际猎头公司，离此目标也还有较大的差距。
e成科技的目标是成为一个帮助企业人才战略落地的AI平台，不仅要将传统的AI招聘提升到咨询解决方案的层面上，同时会介入到更丰富的人力资源咨询场景中。
CBR：从咨询角度看，与企业人才战略落地相关的典型场景是怎样的？
梁星晖：让企业始终拥有能够匹配其最新战略诉求与业务发展目标的人才队伍，是企业人才战略落地的最大场景，也是最大难点。从严格意义上讲，任何一家企业都永远处在现有人才队伍与新的战略诉求和业务发展目标不匹配的挑战性状态。如何使现有人才拥有成长的意愿，不断追赶组织发展的要求，是企业要面对的永恒课题。
针对这一课题，传统咨询给出的经典解决方案是：围绕企业的战略目标和业务要求，构建一套拥有牵引性、领先性的能力素质模型，基于此进行人才盘点、绘制人才地图，揭示既有人才队伍与新的素质模型之间的差距，从而引领、激发现有人才队伍去追赶并弥合这种差距，达到组织不断成长的目标。
尽管逻辑上非常美好，但这套方法实施起来效果往往不尽如人意。
一方面，理想的核心能力或者说能力素质模型，通常是从逻辑上或者是从优秀标杆身上进行的萃取和总结，常常脱离组织实际的人员状况。比如优秀分子之所以展现出优秀的素质、达成高绩效，究竟是哪些因素共同作用的结果？这些因素如何相互作用？传统素质模型很难解释。广大组织成员只能吃力地去学习一些概念性的能力或素质，导致素质模型很难真正落地，常常变成放在企业“藏经阁”里或挂在墙上的“宝典”。
另一方面，组织存在巨大的惯性。很多时候，树立能力目标、要求大家学习的传统做法是一种自外向内的简单粗暴的要求，没有事先洞察组织内个体内心的抗拒、困惑、不支持，等等，很难真正激发员工自我成长的意愿，员工是一种被动的学习，背后是对人性的忽视。 破局：“铁三角”为支撑，画像为切入点
CBR：AI的运用能为解决传统咨询方案在人才战略落地方面遭遇的挑战提供怎样的帮助？
梁星晖：总的来说，传统人力资源战略落地难通常包括识别难、配置难、塑造难、激发难、规划难等主要障碍，追溯原因都是难以真正深入地实现对每一个人的洞察。
AI则让实现这一点成为可能。比如前面提到，传统素质模型没法解释优秀分子行为背后的因素是如何共同作用的，借助AI我们可以对优秀分子的行为数据进行收集、整理、分析，在专家知识的引导之下构建算法模型，通过模型的不断调优和升级，逼近并超越传统线下顾问对人的观察，最终揭示出一个人身上众多数据维度之间的深刻联系，实现从“知其所以然”向“知其何以然”的跨越。
CBR：要实现这样的目标，前提必须有海量的数据？
梁星晖：是的，这也是为什么仅仅有AI还不够。e成科技提出了“专家+AI+数据”的三驾马车模式，三者各自扮演着不同的角色。
运用AI，往往要专家先行，因为AI不可能平地起高楼，它需要向专家学习人力资源管理方面的知识、经验、法则等，就像AlphaGo首先要学习大量的围棋棋谱。在专家支持下形成算法模型后，需要大量的数据来检验模型的精准度、合理性和可解释性，数据量越大，越可能接近或者超越专家的经验法则。
三者形成了一个铁三角，只是在不同的阶段发挥的作用各有主次。未来的壁垒其实不在于算法，拥有多少专家和拥有多少数据将成为巨大的区分点。这个“铁三角”让我们可以对组织人才进行整体和个体层面的洞察，当前的具体手段是为每一个个体提供画像，通过揭示其过去的相关行为轨迹，把握每个人身上一些本质性的东西。
CBR：所谓“画像”，主要是从哪些维度进行刻画？
梁星晖：通常来讲，一个好的画像需要收集几十个甚至上百个数据字段。一是一些静态的自然数据，比如出生时间、出生地、性别，等等；二是教育经历，包括正规教育和社会教育，能够揭示出一个人的兴趣、知识的宽度和深度，等等；三是职业生涯相关数据，比如一个人是沿着固定路径发展还是在不停跨界，是在持续升迁还是在某一职级上徘徊，等等；四是性格、品质、动机等冰山素质模型水面以下的数据。
AI技术要想在人力资源管理等场景发挥巨大作用，一个比较突出的技术瓶颈就是如何又快、又好、又准确、又安全地获取高质量的海量数据，现在的数据要么不全，要么颗粒度不够，还有保密性等问题。如果说整个铁三角有一个角相对偏软的话，其实就是数据。
目前，市场上数据主要来自岗位说明书、海量简历以及合作对象的相关数据，但这些数据往往偏于冰山以上，冰山以下的数据很少，数据的丰富性和完整性是有问题的。所以e成一直强调开发各种各样的机器人，比如面试机器人、访谈机器人，通过机器与人直接交流，获得第一手数据。我们也会使用问卷调研、测评、背景调查等传统手段获取相关数据。此外，最有价值的数据还包括现场的、即时的动态数据，每个企业每天都在发生大量人与人互动的管理场景，产生着大量的个体行为数据、心理数据、团队互动模式数据，如果未来有成熟的技术可以捕捉这些数据，AI的威力将得到极大的释放，顾问的能力也将得到几何倍数的放大。
CBR：在e成科技提出的“一个标准（画像）+两个引擎（个性化推荐+机器人）”的人力资源服务架构中，画像处于重要位置，目前有怎样的应用？
梁星晖：在e成的起步阶段，主要还是对JD（岗位说明书）与CV（个人履历）进行匹配，通过算法提高匹配的精准度。最近几年，e成已经把AI招聘提升到了基于画像的精准招聘层面，也就是从“招到人”向“招对人”转变。
具体来说，e成通过算法，将招聘岗位上一些优秀任职者的画像聚类成一个岗位画像，刻画某个岗位所需要的能力、素质、成长性特质以及一些规律性的东西，保证较高的准确性和参考性。与岗位画像相比，传统的岗位说明书对岗位所需能力素质的描述是不精准的，往往只是认证资格要求、学历、经验等冰山上面的东西。拿着岗位说明书去与求职者美化过的个人简历匹配，是拿两个本身就不精准的东西进行匹配，只有将描述精准的岗位画像与候选人的人才画像进行匹配才有意义。
而要形成精准的岗位画像，要求我们必须对企业进行深入了解，熟悉它的商业模式、战略要求、使命等，也就意味着要从普通的AI招聘上升到咨询。
未來：CEO的第四张财务报表
CBR：你曾经提出，国内企业正在迎来释放管理红利的时点，管理越来越向人回归。近二三十年来，人与组织的关系发生了怎样的变化？
梁星晖：人与组织的关系变化大致可以划分为三个阶段，人在与组织的博弈过程中呈现出“非人”“半人”“全人”三种状态。
第一个阶段，人完全服从于岗位或者说事情的要求，人处在一个被岗位“冒名取代”的状态，在与组织的关系中处于绝对的弱势地位。
第二个阶段，组织开始实施战略性的人力资源管理，人开始被视为企业战略能否成功、业务目标能否实现的关键因素之一，人的能动性、成长性等得到了一定程度的重视，但企业仍会依据战略要求裁减人，人仍被视为工具。
第三个阶段，企业尊重每个人的个性、才华和激情，“一人一策”，大规模定制化地使用人、培养人、激发人，人领先于战略、业务和组织，是一个完整的人。这不是一个可以一蹴而就的目标，但正日益成为现实，在一些内部网络化、平台化的组织可能率先实现。
随着移动互联网下半场的到来，人力资源管理正在迎来一个有史以来最好的时点。一方面，企业越来越意识到要将员工视为一个独特完整的个体，人日渐居于管理的中心位置；另一方面，AI等技术的成熟使企业观察、了解、激发每一个员工成为可能。
CBR：从国内企业目前的状况来看，它们大多处在哪个阶段？
梁星晖：大部分企业仍在从第一阶段向第二阶段迈进，其实到达第二阶段已经很不容易，一个企业能够根据战略的变化动态裁减人才队伍，让组织的战斗力始终能跟得上新的战略要求，已经很了不起。
过去二三十年，中国很多本土企业仍在构建管理基础，连扎实的岗位体系、薪酬体系和绩效管理体系都不具备，在分享了国家的政策红利、市场红利、人口红利之后，它们现在面临回来补课的过程，同时要向第二阶段迈进，就在此时移动互联网又呼啸而至，它们又面临第三阶段的要求。所以对很多企业来说，它们处在三个阶段并进演化、要求叠加的阶段，挑战非常大。
CBR：e成在做的事情就是在帮企业向第三阶段迈进？
梁星晖：是的。在缺乏AI技术和大数据的情况下，仅仅依靠传统的手段，没办法做到对每个人的人性进行深刻的洞察，没法对人进行精准的培养和激发，因此即便是合益这种同时拥有洞察组织、洞察岗位、洞察人的能力的公司，也无法完全实现第三阶段的目标。
有了AI之后，可以基于战略、业务的要求，对企业的核心岗位和所需人才进行精准的分析和预测，对公司、部门甚至每个人的人力资源回报率进行精准的测算。我们的目标是为企业CEO打造第四张财务报表，比如知道哪些人是净资产、哪些人是负债，哪些人是死库存，随时随地都能了解企业人力资源在核心能力上的分布状况和成长状况。