又一家HR SaaS加入AIGC商业混战｜ToB产业观察

不久前，国内某云计算创业公司CTO在谈论拓展海外业务时，提到其中一个难点是如何招人。他讲到，“真正好的人才是不需要管理的，如果在本土进行人员招聘，最重要的是对核心价值观的认同，而不是冲着工资、创始人等方面因素。”

伴随后疫情时代用人模式的改变，以及更多出海企业雇主的意识觉醒，跨境用工，正成为当下国内企业出海热潮蔓延时一个绕不开的话题。然而，在本土建立一支令人满意的队伍，有诸多复杂性问题需要破解。

在此之前，有诸多全球性人力资源管理公司，在提供全球用工、雇主代表、薪酬和税务相关的产品和解决方案，如Remote、Shield GEO、Elements Global Services等，这个赛道也诞生出了增长最快的百亿美金SaaS独角兽Deel。相比于传统的EOR机构，这些企业正通过技术与商业逻辑的创新，大幅度地提高HR招聘效率和改善用户体验。

GONEX也是一家提供全球用工合规的创新企业，目前主要服务于中型规模企业，涉及互联网、智能制造、医疗科技等，直到最近，团队公开宣布，正在尝试将大模型技术引入到自身产品中，给这个市场带来了一些新思路。

引入大模型的70%必要性

海外用工市场主要存在以下几类痛点：一是信息获取，企业要短时间内了解所在国家的雇佣和劳动政策，合法合规雇佣员工；二是多地域的招聘合规和薪酬结算，对于有着众多海外市场的企业，要同时处理多个国家当地员工薪酬发放、社保缴纳、税收，不同国家有不同的语言、法规，很难调和；三是问题处理的及时性，对于不同国家当地员工关于雇佣法规问题的回应要快速及时。

上述问题让出海和跨国企业面临巨大挑战，在增加企业人力成本的同时，工作效率和员工满意度均不高。

GONEX公布的IRIS合规服务应用，可用于无实体雇佣、劳动合同、⼊职、离职、薪资管理、社保缴纳、商业保险等人力资源管理场景，相比以往人力方式，不仅大大降低了处理流程和人为疏忽导致的问题，同时提高了企业合规效率和准确性，相当于“拥有一个20年工作经验的资深HR”。

钛媒体了解到，IRIS目前使用的开源的基础大模型，尤其在训练成本方面其优势显而易见。目前IRIS提供类似于以往聊天机器人的交互式界面，可通过揣摩说话人意图、知识管理等能力，“辅助”专家场景，这意味着仍然有剩下30%的问题还是需要人来解决。

“我觉得国内现在开放出来的模型能力还有一定距离，同时现阶段并没有开放的企业级API，我们选择了开源模型用于训练。”GONEX的CEO温梦飞告诉钛媒体。

  Gonex后台界面 

背后的合规性风险

不过，GONEX更多是面向中资出海企业在全球100个国家的落地，某种程度上也会遇到各国对大模型技术应用的合规性风险。

例如，当大量的人机交互数据被应用于模型训练，如何真正意义上做到安全可靠和隐私保障？最近一段时间，ChatGPT被曝光存在安全漏洞，同时，很多企业员工在与ChatGPT交互时同样也泄露大量敏感数据。在此之前，GPT主要训练数据不仅包括维基百科、书籍、期刊、Reddit链接、Common Crawl等公共数据集等，还会通过与用户的交互持续提升模型能力。

除了数据隐私与模型安全漏洞外，模型可以生成大量的自然语言文本，但是这些文本中可能会出现不当、歧视、仇恨等问题，因此需要注意伦理问题。

这些不确定性和风险，让ChatGPT遭到了许多国家地区和企业的禁用。在中国，网信办公布《生成式人工智能服务管理办法（征求意见稿）》将目前AI监管的重点落在了数据源头上。意见稿明确指出，鼓励优先采用安全可信的数据资源；训练数据应合法，不侵犯知识产权，应保证其真实性、准确性、客观性和多样性。

天风证券分析师也指出，“大模型数据安全的监管应当从源头开始加强，比如在国家统一规范下对数据进行托管，由国家云（云计算“国家队”运营）提供模型训练数据平台，保证数据的完整性、保密性，再在此基础上部署数据安全产品。”

值得一提的是，作为OpenAI的独家云服务提供商微软Azure，在面向中国出海企业提供大模型服务的同时，也在不断强调“安全可靠”这一关键词。微软副总裁、大中华区首席运营官康容表示，“企业自己的数据只有自己看到”，微软坚持以“公平、可靠和安全、隐私和保护、包容、透明、责任”六大原则来打造一个负责任的人工智能，确保人工智能系统在倾听、学习和改进。

温梦飞告诉钛媒体，“在隐私合规层面，比如跨境访问数据，无论是物理传输还是在线访问，其实都有一套非常标准的方法论和操作。现在讨论更多的是，在模型部署层面选择私有部署，比如企业的敏感数据如合同、员工信息、Offer等就不适合放在公有云上。”

如今看来，不仅仅是GONEX，伴随国内越来越多的企业开始拥抱AIGC，如面向内容生成的媒体、游戏、营销等行业，AIGC技术的应用难点首先还不在于场景，因为对于给出算法更加精准、训练成本更低、对于用户调取更方便的模型，这一方面的提升空间较为清晰，而在政府支持、人工智能和数据监管、实际回报率这三个层面并不明朗。

大模型应用，不能把玩具当工具

再回到最开始提到的跨境用工场景，AI大模型可发挥的空间其实还有很多，例如：

-跨文化沟通：通过语音识别、自然语言处理等技术帮助企业和员工在不同语言和文化背景下进行跨境沟通，提高交流效率和质量。

-人才招聘与管理：根据候选人的履历、技能、工作经验等信息进行匹配和筛选，帮助企业快速找到符合要求的跨境人才。同时，在员工管理方面，对员工绩效进行分析和预测，帮助企业优化人力资源配置，提高企业运营效率。

-法律合规性：由于跨境用工涉及到多个法律管辖区域，AI模型可根据不同国家和地区的法律法规进行自动化分析和监控，确保企业的用工行为符合当地相关法规。

至于谁适合做AI模型应用这件事，究竟实现的难度有多大？尽管不直接提供模型技术，但从GONEX的角度，已经在思考如何将SaaS软件接入大模型能力，包括知识库、数据库、业务逻辑，并且对产品GUI进行改造。

温梦飞指出，“大模型应用，现在多数还是玩具，不能把玩具当工具。比如在一些深层次的场景，大模型应用的难点非常高。尤其是知识密度越高的软件越容易被取代。”

在技术层面，大厂本身有资源有场景，重视这件事情自然会有产出。以文心一言刚刚公布的一组内测数据来看，模型的性能、推理能力、算力成本都有了显著的优化。大模型技术迭代与落地产业的趋势，正持续逼近。