i人事智能助手 实战演示OKR管理和薪资计算
AIGC(AI-Generated Content,AI生成内容)的应用场景越来越多,具体到HR业务管理中,i人事已经开发出自动撰写岗位JD、按简历生成面试问题、入职/转正消息提醒等招聘类场景。
要发挥ChatGPT底层的大模型能力,真正贴合HR管理与业务赋能,还需要同HR系统做进一步的深度融合。
【i人事智能助手】新推出一批应用服务,围绕“绩效考核”、“薪资核算”两大业务管理模块出发,不仅降低了HR使用AIGC工具的门槛与难度,还形成了“OKR目标拆解——复盘分析——薪资核算”的业务管理闭环。
01 智能协助制定OKR
我们都知道,OKR由两部分构成——目标和关键结果:
O即“Objectives”,是指“我和我的团队想要达到的目标”。
KR即“Key Results”,由O分解而来,用来支撑O的实现,能够回答“我如何能够支撑我目标的完成以及知道自己是否达成了目标”。
很多企业希望使用OKR管理,但实际落地难,最典型的原因在于O+KR写不对。一个好的OKR,每个O应该有3-5个KR,KR的编写要符合SMART原则:
Specific 具体的
清晰、明确、容易理解,不能模棱两可。
Measurable 可衡量
应该可以用数据或方法进行衡量验证的。
Attainable 可实现
是有可行性的,不能定得太低,也不能好高骛远。
Relevant 相关的
应该与 O 有强关联性,它要确保能够支持目标的达成。
Time-bound 有时限
需要有明确的截止日期。
我们给智能助手提交一个目标,看一下是否符合以上特点:
![broken image](http://user-assets.sxlcdn.com/images/1016451/FgTuQ7sCfePGuruZ4MRw3-xB_qL2.gif?imageMogr2/strip/auto-orient/thumbnail/1200x9000>/quality/90!/format/gif)
从智能助手的回答来看,基本上能够回答出OKR制定所要遵循的原则。但是我们在制定OKR时,智能助手给出的答案我们可以作为参考,可以确保方向上的正确,但具体实施还要做进一步测试。
OKR的目标内容不但要有躯壳,更重要的是有灵魂,AIGC工具无法全面代替我们,不过它确实在确立目标的过程中,协助我们提升效率。
02 OKR的复盘分析
OKR复盘是对一段时间内的整体完成情况进行总结和评估的过程。智能助手可以帮助员工分析具体原因,找出可持续的解决方案,形成最终的提升改进建议。
![broken image](http://user-assets.sxlcdn.com/images/1016451/Ft6KlJwgTY9gvIABEYTmv7BPmQAH.gif?imageMogr2/strip/auto-orient/thumbnail/1200x9000>/quality/90!/format/gif)
如实操演示的对话场景,智能助手给到了相关的建议,但更多是思考维度的提示,而不是用来直接照搬的答案。
我们还是强调“人”的主观能动性,要善用工具,但不被工具束缚。
03智能生成薪资核算公式
企业组织越大,业务类型多样,相关人员的薪资方案也会变得复杂起来。
HR设置对应的薪资奖励方案时,要灵活应用多种薪资计算公式,智能助手可以通过将大白话转译成具体公式,帮助HR快速、准确地完成薪资方案设置。
![broken image](http://user-assets.sxlcdn.com/images/1016451/FoMCaHDeMXRNmPFRvknE0rfCJ4os.gif?imageMogr2/strip/auto-orient/thumbnail/1200x9000>/quality/90!/format/gif)
实操中的案例,HR需要的一个多阶段的销售提成方案,只需要对智能助手提交大致的方案描述,即可得到具体的薪资计算公式。
最后配合i人事“薪资”模块完成变量替换,还可以通过“试算”功能来验证准确性。
i人事的智能助手借助AIGC能力,可以帮助HR、员工更高效地推进各类业务流程,但站在企业的角度上看,要写出真正符合自身运营要求,并具有可行性的OKR目标、薪资管理方案,还需要依靠人的智慧进行辅助和创新。