在Catena-X整个汽车价值链中建立端端数据链，将基于云网络向德国和欧洲汽车行业的所有公司及全球合作伙伴开 放。已经发展到包括宝马、德国电信、博世、SAP、西门子、戴姆勒、采埃孚集团、大众集团、汉高、舍弗勒等成员。 国家数据基础设施技术路线发展研究报告 第二章 世界各国积极探索数据基础设施建设和运营 26 > 27 总体情况 欧盟2021年11月启动文化遗产数 据空间建设，依托Europeana数

方法帮助识别核心岗位及员工，但其实现过程面临诸多难点 , 例如： 1）行业专业性：半导体行业涉及高度专业知识和技能，需要深 入理解行业知识以制定一套可落地的岗职体系； 2）数据保密性：行业内对数据保密性要求高，常规调研无法获 得足够数据，新方法和模型需大量外部数据支撑； 3) 核心员工识别：核心岗位与员工的识别过程中，常规主观评 分法不适用，需引入客观标准； 4) 动态更新：人才预警模型搭建和模型数据更新需要动态监测、 在模型的选择上，我们要格外关注其“可解释性”，即：技术能够解释人工智能所给出结 果的原因。因为人力资源决策的公正性，不仅涉及伦理道德，还关乎法律风险，而且通常具有“不 可撤回”的属性。比如，招聘录用或晋升时，要能解释得清 AI 的行为逻辑，避免人工智能决策中 带入种族、性别和年龄等歧视因素。所以，在推进的过程中我们要与法律合规的合作伙伴以及供 应商合作，避免潜在风险和偏见，确保使用安全； 资料来源，Gartner 准备与加工 算法与模型 迭代与完善 图 6 算法模型框架——八步法 图 7 AI 应用场景图 81 AI 在企业人力资源中的应用白皮书 四 思考与展望 人工智能的浪潮已经掀起，未来将会发展得越来越成熟，对于企业和个人而言都将会有不同程度 的影响，也会带来更多的发展机遇。在这样的现实背景下，未来的组织、人才、工作环境和技术 如何发展，作为企业又当如何应对，都是需要积极思考的问题。大部分企业应该从三个方面顺应