企服行业头条（微信：wwwqifu）7月31日报道

7 月 20 日，北京难得没有下雨。上午 10 点，我如约赶到了朝阳区某连锁咖啡店，面见我的受访人——盖雅工场创始人章新波。坐下之后，为了节省时间，我婉拒了过来点单的服务员，向章新波开门见山：

「你们真的能借助人工智能技术在产品中的应用，让客户加班成本降低 20%，劳动力效率提升 15% 吗？是针对哪个行业的？」

「任何一家企业的业务优化都是个性化的，我们不能保证所有使用我们产品的企业在效率提升和成本降低方面的效果好坏。但总体来说，这个数字是非常真实，甚至有些保守的。」

对于他的回答，我依然有些质疑。毕竟目前人工智能技术的发展，尚未达到企业期待的高度商业智能程度。而作为一家劳动力管理服务商，盖雅工场居然可以利用人工智能，为企业从决策层面实现如此之高的效率提升和成本降低？

章新波显然看出了我内心的疑虑。他喝了口咖啡，坦然向我和企服行业头条（微信：wwwqifu）的读者们讲述着盖雅工场在人工智能方面的思考和实践。

底层核心算法云上线

今年 4 月 17 日，盖雅工场高调宣布推出智能算法云，并将其接入了智能排班云、劳动力分析云、自动考勤云、精益工时云和销售绩效云（第三季度接入）等四个增值业务模块。其解决方案架构示意图如下：



借助底层算法云的人工智能技术，以及上层各增值云模块，客户可实现例如基于业务的人力预算、预测排班、基于行业模版的快速排班、实时调整的排班计划、不同行业及业务模式的的排班方案、销售激励、基于劳动力数据的直观便捷的多维度分析展示和预测指导等。

在当时的报道中盖雅强调，他们后续将会以智能算法云的「算法即服务（Algorithm as a Service）」作为其劳动力云的核心支撑。

这意味着成立近 9 年的盖雅工场，不仅正式在产品中引入人工智能技术，而且将其放在了相当重要的位置。可以想见，未来盖雅工场的各增值业务模块，都会基于该算法云进行功能实现。

结合 AI 的顺势而为

之所以要在产品中引入人工智能能力，章新波从数据价值的角度给出了盖雅工场的决策思路。

他认为，大数据在企业端的价值共分 4 个层次：展现、挖掘、预测以及建议。其中，数据采集与展现是基础，而后续 3 层其实才是商业智能的核心，也是人工智能技术发挥价值的环节。

据章新波透露，在 2009 年 11 月成立之后的前 5 年时间里，盖雅工场一直采用的是本地化部署的产品交付模式。随着云计算的普及，以及自身在市场拓展方面遇到的瓶颈，2014~2015 年期间，盖雅工场完成了从本地化向 SaaS 服务模式的转型。而那段时间，刚好人工智能开始逐渐在国内企业级市场渗透。

与此同时，一些客户也对盖雅的产品提出了新的诉求，他们希望盖雅能够在产品中加入更智能化的元素，用以降低自身的管理成本投入，提高经营效率。

「因为我们客户的企业规模一般都有一两万人，管理成本非常高，每周每个店长或者每个产线的线长花费几个小时在排班上非常正常。一两万人的企业往往拥有数百位店长或者线长，这样时间和效率的浪费是巨大的。」

「另外，到底安排哪些人在什么时段上班，这件事本身就有无数种解法。如何在众多解法中找到符合条件的最优解，人力显然不能实现，必须借助人工智能。而人工智能，也正是我们为客户基于自身数据提供智慧劳动力管理所必须具备的基础能力。」章新波表示。

所以，结合自身的客户量、数据量、用户需求以及发展战略规划，盖雅工场从 2014 年转型时，便开始探索人工智能对其产品和业务的支撑。

克服核心算法难题

从技术层面来说，在「寻找最优解」这个问题上，最重要的就是算法优化。算法也是人工智能的核心之一。虽然盖雅工场在劳动力管理方面具有相当的经验和数据积累，但算法这方面，却并不是他们的强项。

章新波坦言，在最初的一段时间里，盖雅工场一直在进行算法优化相关的尝试，但进展速度并不如意。针对智能排班方案，与人工排班相比，机器排班一开始也并未表现出明显优势。

实际上，排班最优解的算法非常复杂，涉及到的限制条件非常多。任何一点没有考虑到，都可能直接影响最终结果。

「比如我们所在的这家咖啡店，在排班时，包括员工的性别、年龄、经验、时薪、技能、工作偏好（早晚班）、对加班的态度、甚至是员工之间的关系等等，这些变量都需要综合考虑进行建模。」

「另外，不同阶段要达成的经营目标不同，比如我需要节省成本，或者是提高顾客满意度降低投诉率，那这两种所对应的排班方案一定截然不同。当然，不同行业所适用的算法模型也不同，通用的算法模型很难满足不同行业的具体需求。我们甚至需要为行业中不同的细分领域都进行针对建模。」章新波表示。

为了突破这些困难，章新波决意引入高级算法人才，通过资金投入搭建算法团队的方式解决问题：

2017 年 11 月，劳动力管理专家李品伟和数据科学专家雷光富先后加盟，分别出任盖雅解决方案高级总监暨盖雅学院首席顾问和盖雅数据科学专家；今年 3 月，前 IBM 数据科学和决策优化方案技术负责人崔友志加盟盖雅工场，出任数据科学高级总监，负责盖雅智能算法云平台的技术实现和运用。

在采访中章新波透露，目前盖雅工场算法团队的核心高级人才已有近 10 人。除上述对外公开的大牛之外，还有多位大牛「正在路上」。

可见的最终成果

引入高级人才的效果立竿见影。很快，4 月 17 日，盖雅便宣布推出智能算法云，并首先接入了智能排班云和劳动力分析云。这意味着盖雅的算法模型已经较为成熟，计算效率和解决令人满意，能够通过增值模块向客户开放。

「在你们看来，现在智能算法云的真实效果怎么样？」我问。

「因为我刚刚也说，使用我们产品的企业客户，人员规模都是一两万人。传统的人力排班很容易出现这样一个问题：假设一家一万人的企业，每个人每个月向主管多要 1 小时的工时（非常普遍的情况），平均时薪 30 元计算。那么这家企业每个月就有 30 万元的浪费，一年下来就是将近 400 万元。所以是否使用智能排班，直接的成本节省是能看得到的。」章新波直言。

除了算法模型对排班给出的最优解之外，计算效率也是非常重要的，如果不能在几分钟之内完成计算，那么智能算法云的使用体验就会大打折扣。但计算时长受限于数据量以及计算资源，如果数据量庞大，计算资源节点数又少的话，则很容易拉长计算时间。在这个问题上章新波透露，盖雅工场选择与阿里云以及 IBM 中间件合作，提高算法云的计算效率。

当然，算法本身没有优劣之分，只有对不同行业、不同领域的适用程度。目前，盖雅智能算法云使用频率最高、效果最明显的，是连锁零售和工业制造两个行业。另外他强调，智能算法云给出的相关策略，会随着用户的使用而越来越精准。

「所以我们在宣传中所说：加班成本降低 20%，劳动力效率提升 15%，确实是客观的行业平均数字。」章新波强调。

AI 尚未在企业端普及的真正原因

尽管我们对于人工智能可以为企业进行的降本增效并不怀疑，但真正使用相关工具，让人工智能参与经营决策的企业，从目前的整体市场来看还是凤毛麟角。为什么？难道企业都算不过来这笔账？

2003 年从浙江大学毕业之后，章新波先后在明基逐鹿、Kronos 等人力资源管理软件厂商工作，基本可以说是伴随中国整体企业级软件走过了 15 年的发展历程。对于这个问题，在采访的最后，章新波也表达了自己的观点。

在他看来，问题的主要症结其实是在于：技术发展速度快过用户认知和使用习惯。例如美国等发达国家，信息化、数字化的程度，和企业客户的认知程度是相匹配的，市场、法律等比较完善，员工对使用各类企业级工具也都很认可。

而中国全面进入互联网时代也仅有近 10 年，企业级工具真正能够实现互联互通，也只是从近 5 年才开始。也就是说，很多企业尚未完全实现信息化，就又有大量数字化产品随时而来。加之企业长期以来的传统管理方式和习惯，导致整体企业级软件市场在中国的发展明显滞后。

不过令人欣喜的是，现在有越来越多的企业开始转变观念，借助像盖雅工场一样的各种人工智能管理工具进行精细化经营。在今年 5 月收购易勤软件之后，盖雅工场已实现近 800 家中大型客户和超过 300 万名活跃员工的覆盖。

对于未来，章新波非常期待。「国内任何一家企业早晚都会面对因劳动力成本持续上升所导致的管理问题，并且问题可能比现在更复杂。因为到时候我们的企业需要管理全职、兼职、外包和人工智能的多样化劳动力团队。作为一家专注劳动力管理解决方案的厂商，盖雅工场希望可以探索出一条适合的路。而这条路才刚刚开始。」章新波说。