化干戈为玉帛的7个锦囊 ●彼得·T·科尔曼 译 Deepseek 高晓萌 1.打好基础。在交战双方走进同一个房间之前，专业调解员往往要花费几个月的工夫去识别关键人物、建立沟通道、与各方构建信任关系。娴熟的领导者也会在矛盾激化前通过改善组织氛围、提升冲突应对能力和完善相关机制来奠定解决争端的基础。一旦冲突爆发，他们会审慎选择应对方式，领导者初始反应将影响整个事态的后续发展。 2.建立融洽关系。老练的谈判专家会在冲突各方之间创造外交领域所调的“积极和平”——他们不仅终止冲突，更致力于培育牢固的合作关系。调解者会在协议中加入增强双方互信的措施，每一次良性互动都能为抵御未来危机建立缓冲，例如，调解员常将停火谈判与文化交流或联合经济项目等举措相结合。可以借鉴设计有意义的合资项目来凝聚人心。 3.兼顾纪律与创意。观察谈判高手们能在坚定底线与协作解决问题之间、在公开强硬与私下灵活之间无缝切换。他们上一秒画出清晰红线，下一秒就在探索创新的妥协方案。 4.手段灵活多样。解决不同类型的冲突需要不同类型的外交工具。适用于资源争端的策略可能在身份认同的冲突中彻底失效。调解高手们往往掌握着多种干预策略，例如穿梭外交（由中间人在争端各方间传递信息）、多轨接触（同步推动政府、商界与民间社会的和解工作），以及和平走廊（在持续冲突中划定专门安全区供各方开展对话和援助工作）等。 5.利用宏观背景。当和平谈判陷入僵局时，经验丰富的外交官会超越眼前的敌对状态，试图理解引发紧张局势的宏观力量格局，并学会与之合作。有时解开双边争端的关键在于多边协作。 6.追求长治久安。谈判高手们会把眼光放置几十年之远，而不仅仅是新闻报道的周期。前人栽树，后人乘凉，推动的渐进式变革，能够让组织保持长久的和谐与稳定。 7.各种机遇。影响最深远的谈判突破往往源于意外：一次突如其来的情感共鸣、意料之外的共同立场，或是揭露共同问题的危机。娴熟的调解者善于捕捉情感转折点、非正式渠道、出人意料的共识领域等等，这些有助于化解冲突的微妙机遇。 摘自《哈佛商业评论》，2025.8 企业培训组织的窘境与革新 ●顾邦友 中国企业培训行业人需要直面五大行业级挑战：专业、体系、人、业务、人工智能。 第一大挑战：专业力。学习、培训、教学，是企业培训人的看家本领，看其对各类教学理论、学习科学规律是否吃得透，看其培训课程开发、学习项目设计的逻辑性和实用性，看其对学习技术和工具方法论应用是否创新、有效。 第二大挑战：体系建设。企业培训组织的建设和运营，是一个系统工程，单打独斗是不行的。对内，它需要构建组织结构体系（决策机构、执行机构、团队编制等）、产品服务体系（知识库、线上课、工作坊、游学、认证、解决方案、咨询等）、资源平台体系（课程、师资、供应商、数智化等）、运营保障体系（预算、制度、硬件等）、价值评估体系（绩效、质量、合规等）；对外，它需要连接人力资源部、业务部、技术部、财务部等部门，要从组织能力发展的系统思维角度出发，尽快联合形成组织学习与人才发展的事业共同体。 第三大挑战：人。主要分为两大类人的挑战，一是企业培训人自身的职业认知与能力素养挑战，包括培训组织专职团队成员、企业内训师队伍、业务部门岗兼职的学习发展管理人员；二是企业培训组织对其服务群体对象的人性深度研究和学习创新的挑战，比如新生代员工的行为研究与教学设计、中高层领导力项目创新等。 第四大挑战：业务。企业培训组织面临的最大考验，就是对企业战略要求和业务诉求的满足程度。对于企业人才需求的满足，如今仍是企业培训组织的重点工作，但已不是难度系数最高的工作。过去的十年间以及未来，中国企业培训组织的结构性变革主要来自业务挑战。 第五大挑战：AI。人工智能的加速发展，催化了企业经营管理、企业培训组织管理的共同的数智化革命。这二者之间的管理变革，不是先后的问题，而是战略统一性问题。换句话说，如果你的企业还没有AI战略化变革管理，你的企业培训组织是不可能率先实现AI革命的。指望通过一个企业培训组织去驱动企业整体的AI变革，也是痴人说梦。 摘自《培训》，2025.7 生成式AI你需要一套质检方案 ●斯蒂芬·托姆 克菲利普·艾森豪尔 普尼特·萨尼 译 DeepL 生成式AI的应用推广受限于这项技术会虚构内容、遗漏信息，并生成过多选项，很难识别有效内容。亚马逊为其庞大的商品目录运营开发出了名为Catalog AI的基于生成式AI系统。该系统能检测并拦截不可靠的数据，生成新商品页面的创意并测试其有效性，还能利用质量检查和实验反馈实现自主改进。 确保新方法可靠。1.进行审核。为了追踪进展，组织需了解系统的基准性能。在制造业是通过对稳定期间内的流程评估，确定控制阈值实现。亚马逊让大语言模型生成数千已知商品页面，由人工审核员将其与已知信息进行比对，对可靠性打分，并对不佳的页面根因分析。2.部署防护措施。当模型给出并非基于输入数据的输出时，会出现“幻觉”，避免的方法是对大语言模型加以限制，但这会降低推理能力。因此，亚马逊设置另外三种限制。简单规则：指示系统拒绝不符合规则的内容。如可设置规则：描述重量的数字后面须跟有千克或磅的单位。统计画像：当过程变量超出阈值，会触发警报和对问题根因的调查。AI检查AI：可部署第二个生成式AI系统。亚马逊第一个大语言模型是内容生成器，被训练来生成假设；第二个大语言模型则是内容审查器，被训练于检查前者的输出。3.测试有效性。公司需要找到高效方法，评估生成式AI生成的众多创意中的有效内容。Catalog AI团队将A/B测试集成到了系统的工作流程中。4.创建学习系统。质量系统应是有学习能力的系统，在很少人工干预的情况下持续改进，以下是构建学习系统所需组件。客户模型：为加快反馈速度，可开发反映客户偏好的综合指标。多元变量实验：是能深入洞察多个变量（如文本、颜色和图片）如何相互作用，或决定最佳设计选择的实验。概念测试：Catalog AI在推出初期，生成了几百万个需要经过客户测试的商品展示变更。理想情况下，每项变更都要通过独立的测试实验，但许多商品展示产生的客户流量都不足以达到所需的关键样本量。
