IBM Watson Talent 人力资源中的 AI 业务案例 关于入门的见解和提示 Nigel Guenole 博士和 Sheri Feinzig 博士 人力资源中的 AI 业务案例 2 前言 人力资源正处于大规模颠覆的边缘。无处不在的移动和社交技术以及个性化重新定义了员工体验的 门槛。随着所有行业商业模式的颠覆 ， 人才获取游戏发生了变化 ， 随着技术变革对工作的影响 ， PoPMYoOtO 人力资源中的 AI 业务案例 3 Introduction 人工智能与战略洞察力相结合创造了新的商业机会, 并正在改变人力资源对组织竞争优势的贡献方 式。 本报告概述了人工智能在当今人力资源中提供价值的具体例子。它描述了 IBM 内部人力资源团队的 开创性工作，他们与 IBM 的客户服务专家一起为人力资源开发了真正出色的 AI 解决方案。所描述 的许多示例最初是为 构建投资业务案例 ， 确保有意义的业务和员工成果 ， 并提供有关如何管理由数字和 AI 重塑驱动的变革的独特见解。 作为一家以人才为中心、以人工智能为动力的领先组织 ， 我们很高兴能站在这一旅程的最前沿。 蒂娜 · 马龙 - 帕特里奇 全球商业服务管理合伙人、全球领导者、人才与参与。 IBM 人力资源中的 AI 业务案例 4 Contents ExecutiveSummary ....

随着2006年DeepLearning算法的提出，人工智能(AI)的发展进 入了第三次浪潮。DeepLearning凭借自身优秀的信息表征及关系提 取能力，已经为计算机视觉(cv)及自然语言处理(nlp)等领域带来了突 破性的进展。现在，AI的魔力已经被逐步引入药物研发的领域，并正 在深刻地改变这个领域的研究和发展流程。无论是在早期的药物筛 选、药物优化，还是在药物的临床试验和后期的上市监控，AI的应用 都愈发广泛。 在上篇 在上篇 "AI for 医疗" 的专题文章“AI for 医疗: AI大模型在药物 靶点识别中的应用”中，我们整体描述了药物研发的流程，并介绍了AI 大模型在药物研发的第一步: 靶点识别中的应用。这篇文章，我们将 延续这一路线，介绍AI在药物研发的第二步: 先导化合物发现中的应 用。 图1：药物研发生产流程，图片引自[1] 传统方法在先导化合物发现中的局限性 在AI大模型时代到来之前 满意的筛选，则需要长达3000年的时间。简而言之，利用CADD进行高精度的 药物虚拟筛选，所需的时间同样是难以接受的。 AI大模型辅助药物虚拟筛选 基于AI的算法，包括监督学习，无监督学习，自监督学习，强化学习以及基 于规则的算法，可能有助于解决传统方法中存在的问题。 AI方法通常基于对数据特征的学习。具体来说，就是从大量的已知药物化合 物和非药物化合物中，去学习成药所需的潜在特征，并依据这一特征对化合物进

AI+政务：最具执行力的 AI 应用落地方向 2025 年 04 月 26 日 ➢ 深圳推出“AI+政务助手”引发热议，多地上马 AI 政务项目。2 月 16 日， 深圳市基于政务云环境面向全市各区各部门正式提供 DeepSeek 模型应用服务， 其中深圳福田区上线“AI+助手”引起广泛关注。目前，福田区已上线 11 大类 70 名“数智员工”，“AI 数智员 政务 IT 包括多个垂直场景，AI 赋能实现开源节流。1）AI+招采：2023 年 中国公共采购交易总额超过 46 万亿元，招采业务以 Saas 为主要收费模式，通 过 AI 赋能可以提升招采环节效率，实现开源节流；2）AI+财政，我国财政体系 涉及大量的财政单位、预算单位，以及每年超过 20 万亿的财政支出，在整个财 政资金的流动环节中有大量的环节适合 AI 落地，财政 IT 双龙博思软件和中科江 DeepSeek，将 AI 全面应用到财政信息化系统中，在财政预算管理、 非税票据管理、政府采购环节等实现落地；3）AI+税务，随着金税四期数电发票 在全国推广上线，在“以数治税”的背景下，企业财税实务数字化产品及财税风 险及合规相关服务的市场渗透率和普及程度将大幅度上升，税务 Saas 龙头税友 股份推出自研 AI 大模型“灵犀”，在税务合规等领域加速 AI 应用落地。 ➢ AI 为政务办公实现效率提升。政务

AI如何赋能药物研发工作中的最后一步：临床试验。 图1：药物研发生产流程，图片引自[1]↓ 临床试验简介 药物研发的最后一步，便是将药物大规模应用到患者体内以进行实际效果测试，这 一步骤即临床试验。临床试验是一种系统性的研究，其目的是调查医药产品对人类 疾病过程的影响，以证实或揭示试验药物的作用、不良反应及试验药物的吸收、分 布、代谢和排泄，并最终确定试验药物的疗效与安全性。 基于大语言模型的临床试验患者匹配方法 近年来，随着大语言模型（LLM）的发展，越来越多的人注意到了大语言模型在提 高临床试验招募的效率和准确性方面的潜力。 大语言模型作为一种基于深度学习的AI技术，已经在许多领域展现出了惊人的能 力，比如大语言模型为自然语言处理（NLP）领域的文本生成、文本摘要、问答系 统等任务带来了颠覆性的突破，也为计算机视觉（CV）领域的文生图等多模态任 务提供了新

随着2006年DeepLearning算法的提出，人工智能(AI)的发展进入 了第三次浪潮。DeepLearning凭借自身优秀的信息表征及关系提取能 力，已经为计算机视觉(cv)及自然语言处理(nlp)等领域带来了突破性的 进展。现在，AI的魔力已经被逐步引入药物研发的领域，并正在深刻地 改变这个领域的研究和发展流程。无论是在早期的药物筛选、药物优 化，还是在药物的临床试验和后期的上市监控，AI的应用都愈发广泛。 本文 本文将简要的概括药物研发的流程，并深入探讨AI在药物研发的第 一步: 靶点发现中的作用，以及它如何为这个过程带来革新。 药物研发的整体流程 药物的研发是一个复杂且耗时的过程，业内一直流传着"三十定律"的说法: 耗时10年，耗资10亿美金，成功率不足10%。因此，如何降低药物研发的金钱 成本、时间成本，提高成功率已然成为了药物研发行业的重中之重。 通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅 助药物设计的方法。多组学方法主要通过对病例组和对照组进行基因组、蛋白质 组等组学数据差异性比较，提取出可能致病的基因或蛋白靶点。这一方法通常有

AI 赋能 建设新型智慧社区 背景目标 建设内容 方案优势 01 02 03 目 录 CONTENTS Background & Targets 1 背景目标 B C A 内涵 气质 颜值  门户网站  移动 APP  可视化平台  AI 应用 运营管理  物业管 理  招商管 理  租赁管 理  智能管 理 社区服务 社区服务  企业服务  产业服务  生活服务 社区展现 建设目标 Construction Content 2 建设内容 一基础 一心 一平台 N 应用 智慧社区 AI 赋能综合管控运营平台 智慧社区大数据中心 智慧社区配套基础设施建设 总体规划 满足各类角色用户使用的应用服务 社区基础 配套 集团 物业 用户 智慧社区 应用支撑 (PaaS) 智能管理行业应用基础平台 应用平台 (SaaS) 智慧社区 数据中心 （ DaaS ） 社区信 息 中心大数据中心（数据中 台） AI 赋能平台（ AI 中台） 平台架构 社区基础设施建设 方案亮点  1 、网络与 业务解耦，快速部署 新业务  2 、 Open access 多层次开放，与 上层网络灵活对 接  3 、带宽弹性扩容，持续演进

AI+ 智慧水务解决方案 3 排水防涝场景 知识融合 知识众包 知识抽取 利用 AI 技术与行业词 汇相结合，在会商会议 中，通过硬件设备能够记 录与会人员的声音，其次 能够把与会者的发言转换 成文字，甚至同时翻译成 多种文字。以及支持手机 扫码查看会议内容。

2025 年 3 月 25 日 证券研究报告 [Table_C ontacter] 本报告联系人： [Table_Title] 农林牧渔行业 “AI+农业”系列专题一：政策大力支持智慧农业发展，AI 赋能种植链前景可期 [Tabl e_Author] 分析师： 钱浩 分析师： 周舒玥 SAC 执证号：S0260517080014 政策推进智慧农业发展，“AI+农业”前景可期。人工智能（AI）正引领着智能化农业时代的到来，近年来国家 高度重视并积极推动智慧农业建设，25 年一号文件指出“支持发展智慧农业，拓展人工智能、数据、低空等技 术应用场景”。AI 正驱动传统经验农业向标准化生产转型，在种植领域中，AI 在作物监测与管理、精准农业、 农业机器人、农业数据分析与预测等领域发挥重要作用。  育种：AI 驱动智能设计，助力效率大幅提升。当前植物育种步入 4.0“智能设计育种”阶段，借助 AI 驱动的工具 对海量数据进行分析，从而精准预测基因型-表型关联，识别新的基因组合，大幅提升精度和效率并优化育种策 略。先正达、拜耳等国际种业巨头完善的作物基因组数据库和表型数据库基础上，利用 AI 算法在作物基因编辑 靶点预测、全基因组选择模型优化等方面取得显著成果，并广泛运用于田间试验及商业化育种中。我国近年来 在 AI 作物育种领域有所突破，如农科院

教师的 AI 能力框架 © UNESCO 2024 联合国教科文组织 - 全球教育领导者 封面 ： scart / Shutterstock. com * CLD 1005.24 教科文组织设计和印刷 法国印刷 2030 年全球教育议程 联合国教科文组织（UNESCO）作为联合国负责教 育的专业机构，被委托领导和协调教育2030议程， 这是全球通过17项可持续发展目标消除贫困运动的 指导教师在教育中使用和滥用 AI AI处理大量信息，生成新内容，并通过预测分析辅助决策。在 教育领域，AI已将传统的教师-学生关系转变为教师-AI-学生的 动态关系。 作为全球参考，该工具指导国家人工智能能力框架的发展，影响教 师培训项目，并帮助设计评估标准。它还提供了教师构建人工智能 知识、应用伦理原则和支持其职业发展的策略。 教学方法，以及专业学习中的AI应用。这些能力被划分为三个进 阶层次：获取、深化和创造。 阶层次：获取、深化和创造。 The AI能力框架针对这一缺口，通过定义教师在AI时 代必须掌握的知识、技能和价值观来解决这一问题。 该框架基于保护教师权益、增强人类自主性和推动可 持续性的原则进行开发，并详细列出了五个维度下的 15项能力：以人为中心的心态、AI伦理、AI基础与应 用。 这一转变需要重新审视教师的角色及其在人工智能时代所需的能力。然而，很少 有国家定义这些能力或开发国家级项目来培训教师使用人工智能，导致许多教育