104學習精靈
人資分析
人資分析
關注
邀請朋友 
Facebook
Line
複製連結
Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
我要分享
我要提問
人資分析 學習推薦
全部
影片
文章
人資是勞方，還是資方？｜我要當HR！
今天來探討一個許多人資心中共同的痛，那就是：總是被其他同事視為「資方打手」……。究竟人資是勞方還是資方？如何看待這則經典大哉問呢？
【人資的立場矛盾源自勞資雙方的競合】
以前在勞工系學習的時候，有一本聖經等級的教科書，書名叫「勞資關係：平衡效率與公平」，至今仍是勞工領域及高普考勞工行政的必讀入門書籍（推薦有志擔任人資者閱讀）。書名取得很有藝術，白話說，勞資關係就是教如何同時顧及雇主（營運效率）與勞工（勞動權益）的需求，達到雙贏局面的一門學問。
身為工作者的您肯定在想：怎麼可能？
相信我，人資也常常是這麼自我懷疑。
一方面，雇主與勞工擁有共同利益，就是努力提升企業盈餘，進而共享經營成果；但另一方面，員工的薪酬福利同時也是企業的人事成本，成本愈高對營收的影響就愈大，兩方面之間要如何均衡，考驗勞資雙方的智慧。
當兩方面無法取得均衡時，雇主認為人資處理人事事務，應該著眼於如何達到企業經營利益最大化；勞工認為身為人資，應該幫忙員工向雇主反映問題跟爭取權益。因此，人資簡直是一塊不可口的夾心餅乾。
【人資的雙重法律身分】
從客觀的角度來看，首先，人資當然是「勞方」，人資也受到雇主所聘用，付出勞務換取報酬（領老闆的薪水做事）；也要投保勞保、提撥勞退；公司內部一切人事制度也都與其他員工共同遵守。
但是與此同時，人資某種程度也是「資方」，因為法律課予人資有關雇主的責任。根據勞動基準法第2條第1項第2款，雇主是指「僱用勞工之事業主、事業經營之負責人或代表事業主處理有關勞工事務之人」，其中人資就屬於「代表事業主處理有關勞工事務之人」，因此，人資在其職責範圍內，適用勞基法中對於雇主的義務要求。
綜合以上，人資明明也是勞工，卻要一起承擔雇主的責任。更別說，人資也不被容許加入企業工會，較難獲得集體勞動權的保障（主管人員是工會法明文禁止加入；基層人資人員則是因為身分而不會被工會所接納。即使可以加入，老闆不會原諒您、工會會員也不會信任您）。
【見樹又見林，轉換心境】
一路讀下來，人資不就很可憐、很不值得入行嗎？究竟人資應該如何理解自身的立場或角色？在執行職務時的思考點，到底要站在雇主的角度，還是勞工的角度？或許，讓我們跳脫人資的框架，從廣義的專業工作者觀點切入，比較能夠獲得解答。
事實上，如果想在企業環境工作，把事情做對、做好，並有所成就或深受重用，無論任何職務，都應該把自己的思考邏輯提升到雇主的決策高度。這就是常見的「要時時從老闆 / 主管的角度看事情」。換言之，從老闆 / 主管的角度看事情，才有機會做出老闆 / 主管希望看到的成果。
以上的工作技巧，也同樣適用在人資這項職務上。偏偏，人資的職責就是貫徹雇主在人力資源管理上的決策與制度，所以視不同雇主對人力資源管理的哲學，以及每位員工對事物看法的差異，有時的確不免會站在勞方的對（立）面。
也因為如此，當人資最有挑戰、也是最有成就感之處，即是在貫徹雇主的人力資源管理決策與制度時，能夠融入人性關懷、顧及員工權益。
現今的人力資源管理者，已進階至「策略夥伴」(Business Partner) 的層次，就如同顧問一般，提供雇主人資決策方向建議。人資可以致力在基於企業營運效益的前提下，建議雇主採取促進員工福祉的人力資源管理制度措施，也說服員工接受、信賴公司所推行的政策，例如：提供優於法令的婚育友善假別日數、設計彈性工作制度、導入員工協助方案等，不只能讓員工安心工作、兼顧工作與生活平衡、提升歸屬感與生產力，也能讓雇主品牌增值，有利企業招募人才及優化ESG表現，進而提升企業競爭力，最終反映出好的營收成果。
如此，才有機會讓人資化解內心的自我矛盾，發揮專業價值，並協助企業邁向所謂「平衡效率與公平」的勞資關係。
========================================
●觀看更多「一起當人資 HR Together」教室文章：
●了解更多我在 104 Giver 社群的服務：
●觀看更多我的文章，歡迎到我的個人網站：
●透過 LinkedIn 與我建立專業聯繫：
========================================
【最後的最後】
★☆★ 如果喜歡這篇文章，或覺得這篇文章有幫助到您，請不吝大力按下方的「拍手」！！也歡迎多多「分享」與「收藏」，如果有任何心得或想提問的問題也可以「留言」告訴我喔！ ★☆★
0
3
2901 0
拍手
留言
分享
Line
複製連結
收藏
有效溝通模型 ｜結構化表達 X 故事性思維
有效溝通模型 ｜結構化表達 X 故事性思維
≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣
① 結構化表達一：STAR法則｜著重應對當下情境
Situation 情境 → Task 任務 → Action 行動 → Result 結果
☞ S /情境：宏觀表述具體時間、地點，闡述事實發生的背景。
☞ T /任務：具體描述在該情境的角色、執行的任務內容
與欲達到的目的。
☞ A /行動：為了達成任務所採取的行動與嘗試，重點是行動的過程中起了什麼作用與影響。
☞ R /結果：完成任務後達到得效果，盡量以具體可量化的指標與數據說明。
☺ 實際應用案例 ☺
情境一：工作分配
☞ S /情境：去年在做團隊項目時，兩個成員因對工作量不滿意，拒絕完成自己的部分。
☞ T /任務：必須要先解決他們的問題，才能讓團隊因持續運作。
☞ A /行動：所以我安排了一次小組會議，聽取兩位對分工的看法，以及他們擅長和想做的部分，重新分配工作，盡可能讓所有人滿意。
☞ R /結果：最終我們的項目很成功，這件事也讓我明白了合理地分工對於團隊來說是非常重要的。
情境二：問卷調查
☞ S /情境：年底時，公司希望針對組織管理進行審核。
☞ T /任務：我必須在一週內蒐集到所有員工對企業的滿意度調查。
☞ A /行動：因此我選擇網路問卷取代傳統紙本。並在一天內想好問卷內容，並使用SurveyCake製作表單，以 E-mail 方式寄送請大家填寫，七天內回收所有問卷。
☞ R /結果：成功在一週內提交調查結果，並獲得主管的高度評價。
② 結構化表達二：SCQA模型
③ 故事性思維一：SCRTV模型｜有邏輯的故事
Scene 情境 → Confllict 衝突 → Reason 原因 → Tactics 策略 → Value 價值
☞ S /情境：客觀描述事件情境。
☞ C /衝突：提出與現實相違背的內容與疑問。
☞ R /原因：了解事件原因與動機，分析原因。
☞ T /策略：產生並創造價值、有益的情感等。
☞ V /價值：解決問題的方法，進行決策。
☺ 實際應用案例 ☺
情境一：系統導入
☞ S /情境：你是一位HR，隨著公司的員工數量增加，你的工作量也越重，因此希望引進eHR系統，更有效的管理員工現況，你向老闆建導入eHR系統。
☞ C /衝突：公司近年組織規模快速擴張，因此在人力資源管理上出現了問題，如，績效、薪酬、培訓等數據，分別由不同處室管理，無法全面的追蹤和統計。
☞ R /原因：所有數據皆是人工計算，各處資訊並不相通，因此若需要對員工的數據做全面評估，則需要橫向進行整合或協作。
☞ T /策略：若導入eHR系統，將可降低溝通成本，重複性工作可由系統處理。
☞ V /價值：人力資源部門可投入更多的精力在如何改善人才結構、員工發展、內部培訓等工作，為公司同仁提供更全面的資源。
④ 故事性思維二：SCI模型｜包裝成故事的表達
Situation 情境 → Complication 衝突 → Implication 影響
☞ S /情境：現況？具體描述故事中面臨的情況。
☞ C /衝突：陳述問題？說明該情境下要處理的問題是什麼？表達其改變的必要性以營造緊張感。
☞ I /影響：故事啟示？從情境與複雜問題中導出一個符合邏輯的解決方案。
☺ 透過SCI模型將事情包裝成故事，帶來更好的溝通效果 ☺
≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣ ≣
推薦學習『掌握成為B2B超業的成功秘笈』
學習成為業務戰將所需擁有的隱性特質與顯性專業，並內化成具備高競爭力的優質超級業務。
3
0
2175 2
拍手
留言
分享
Line
複製連結
收藏
推薦給你
全雙工對話框架來襲！Moshi 語音辨識模型開源，效能超越傳統 AI｜功能優勢、應用場景、開源連結
在語音辨識技術飛速進展的今天，速度與精準度成為衡量模型效能的重要指標。Moshi 作為一款全新開源的語音辨識模型，不僅打破傳統語音處理方式，更帶來極低延遲的對話體驗。本文將詳細介紹 Moshi 的核心功能、效能優勢，並分析它如何解決用戶在語音互動中的痛點。
▍Moshi 語音辨識模型：打破傳統 AI 界限
Moshi 是一款革命性的語音辨識模型，於今年 9 月正式開源，讓技術開發者與 AI 研究者有機會深入探索其內部結構。與傳統 AI 語音辨識模式不同，Moshi 採用了全新的全雙工對話框架，不再依賴文本輸出再轉換語音的方式，大幅提升了語音互動的自然流暢度。
● 傳統語音辨識模式的挑戰
傳統語音辨識技術流程繁瑣，通常需要將語音轉換成文本，再通過自然語言處理 (NLP) 模型生成回應，最終再利用語音合成技術 (TTS) 將回應轉回語音，這樣的流程雖然有效，但在實際使用中會導致明顯的延遲感，使人機對話不夠自然。
▍Moshi 的全雙工對話框架：即時自然的語音互動
Moshi 最大的突破點在於其語音輸入與語音輸出的直接連接，取消了中間的文本轉換步驟。這樣的全雙工處理方式大大縮短了延遲時間，達到僅 200 毫秒的回應速度，幾乎與真人對話無異。用戶無需等待機器逐一分析、生成文本再輸出語音，而是享受如同真人之間的自然交流。
這種即時性的回應能力，不僅能應用在日常語音助手中，對於需要高效溝通的場景，如客服應答、自動化電話中心等，更是提供了顯著的效能提升。由於 Moshi 採用語音直接生成語音的技術，它能處理雙方同時發聲的情況，這樣的全雙工架構對於多方對話與協作平台而言，無疑是巨大的技術突破。
▍Moshi 開源的意義：加速語音科技的進步
Moshi 於 9 月中開源，意味著這項強大的技術不再只是企業或少數研究機構的專利，任何開發者都能免費訪問這款模型，進行深度學習和二次開發。開源不僅能促進技術的快速迭代，還能加速語音辨識技術的普及，讓更多場景受惠於這項突破性的技術。
▍Moshi 的應用場景
Moshi 的開源讓開發者有了更多的創新空間。比如，它可以被應用於智慧家居控制，透過全雙工語音框架，家庭設備能夠更即時、更智能地回應用戶需求。或者在車載系統中，Moshi 能為駕駛員提供更即時的導航與指示，減少因語音延遲帶來的困擾。
Moshi 這款語音辨識模型不僅突破了傳統技術的限制，還以其極低延遲與全雙工語音交互成為市場中的佼佼者。隨著它的開源，我們有理由期待更多創新應用的出現。Moshi 的出現，無疑為語音科技的未來打開了新的大門，帶來更自然、即時的互動體驗。
➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！
0
0
5 0
拍手
留言
分享
Line
複製連結
收藏
你可能感興趣的教室