长期以来，LinkedIn（领英）一直处于AI技术的前沿，并将AI技术融入产品和服务。最近，笔者与LinkedIn公司首席数据官兼工程技术副总裁Igor Perisic进行了交流，探讨了LinkedIn公司内部AI技术发展，如何将AI应用于日常工作，全球数据法规带来的实际影响，以及如何应对不断变化的AI工作环境与工作角色等问题。

▲ 图：LinkedIn公司工程技术副总裁兼首席数据官Igor Perisic

LinkedIn公司很早就意识到，「数据」将成为企业之间的一大核心差异化因素。为了从市场竞争中脱颖而出，该公司建立起“会员优先”这一核心价值观（以明确、统一的方式对会员数据加以控制），并以此为基础，为全球会员提供职业提升通道。

随着LinkedIn将越来越多的AI技术融入产品与服务，他们也意识到，必须为每一位员工在工作流程中配备必要的AI工具。为此，他们建立起内部培训计划，名为「AI Academy」。这项计划希望覆盖从软件工程师到销售团队的各个群体，为员工们传授最适合当前岗位的AI知识，保证他们为这类技术的实际使用做好准备。

LinkedIn早期AI项目之一正是「你可能认识的人（People You May Know，简称PYMK）」推荐服务。在本质上，这种算法可以向会员们推荐他们可能认识的其他会员，并据此建立起人脉网络。当初的推荐系统当然不像现在这么复杂，但确实成为LinkedIn产品的一大核心。PYMK以数据产品的形式亮相，约在2006年左右，当时开发这项服务的是技术行业中最早的“数据科学”团队之一。但在早期，没人把PYMK称为“AI”项目，因为当时AI这种说法还没流行起来。

大约在同一时期，LinkedIn启动的另一个重要项目是「搜索排名」。谷歌的出现将搜索引擎领域的竞争推向白热化，而搜索排名正是一类经典的AI问题。

在LinkedIn，Igor表示“我们把AI技术看得像氧气一样重要——它会渗透到我们工作中的每一个角落。”例如，对于LinkedIn的会员，AI技术可以帮助推荐工作机会、组织简历资料、保证他们收到及时且翔实的通知，并根据个人特质推荐新的技能与学习内容。至于LinkedIn的企业产品，他表示“AI技术可以帮助销售人员吸引到对其产品最感兴趣的会员，帮助营销人员发布高质量赞助内容，帮助招聘人员确定并接触新的人才群体。”此外，LinkedIn还将AI技术广泛引入后台，帮助会员免受欺诈及有害内容的影响，同时优化互联网连接以保证会员始终拥有最佳站点访问速度等。

“保障平台会员安全，一直是我们关注的重要目标。”Igor说，作为一家具有明确职业倾向的社交网络，最重要的就是迅速采取行动，尽快识别并阻止一切恶意行为。随着恶意与威胁形势的不断变化，AI技术也成为安全保障工作中的核心。事实证明，机器学习在检测虚假资料信息方面确实表现出色。

如果没有AI，LinkedIn的多数产品及服务将根本无法运行。LinkedIn针对全球经济体系建立起的“经济图谱”实在太过庞大、太过细致，没有AI根本无法进行解析。

AI也在切实增强每一项使用体验。虽然「通知功能」已经可以在一定程度上帮助会员了解项目情况，但目前AI体验中最关键的一环主要体现在Feed方面——即对各类活动（包括网络帖子、新闻、视频以及文章等）进行分类与排序。为了保证摘要信息的相关性，算法必须有能力处理“内容推荐”与“会员偏好”之间的细微差别，这种能力也成为决定成败的关键。

Igor还分享了一个有趣的例子。2018年初，他们发现不同用户群体在Feed中的参与度出现了严重分裂——前1%超级用户依靠“病毒式传播”获得了巨大收益，但大多数创作者却陷入零反馈困境。这是因为当时的摘要模型遵循一条简单粗暴的原理：分享那些能够引起广泛关注的“病毒式内容”。

但LinkedIn很快意识到，这种优化思路不一定适合所有会员。为了对抗由AI技术造成的负面生态系统影响，他们开始在Feed中引入更深层次的创作优化功能，借此帮助那些受众规模较小的创作者。

在此次更新中，排名算法开始考虑，读者与创作者在特定项目之间产生的联系与价值。对于读者来说，他们希望根据自己的喜好获取相关内容；对于创作者来说，他们希望自己产出的高质量内容能够切实吸引到目标受众。Igor指出，“通过模型的调整与优化，我们将新闻摘要逐步转化成意见领袖与受众之间更加健康的关联与内容组合，从而极大提高了读者与创作者的参与度。”

近几年来，世界各地都已经开始制定法律，借此约束企业对用户数据的存储与使用方式。欧洲推出的《通用数据保护条例（GDPR）》以及加利福尼亚州的《加州消费者隐私法（CCPA）》都在强化隐私权与消费者保护的重要意义。对部分企业来说，这意味着他们必须重新审视对用户数据的处理思路。好在，LinkedIn一直将数据视为宝贵的企业资产，同时也是该公司的核心差异化因素之一。

Igor解释道，甚至早在GDPR出台之前，LinkedIn就设有一套内部框架，名为3C——即透明（clarity）、一致（consistency）以及控制（control）。他表示，“现在我们仍然坚持着同样的思路，保证会员们清楚我们在如何处理他们的数据、可以求证我们的言行之间是否一致，同时允许会员真正控制自己的数据。”结合当前历史背景，LinkedIn希望通过GDPR，进一步巩固自己对全球会员做出的数据隐私保护承诺。例如，LinkedIn将把GDPR数据的主体权利扩展至全球所有会员。他们还在不断思考，如何在LinkedIn与AI模型中处理会员数据，同时增强查看与更新流程设计层面的私密性保障。LinkedIn始终将会员利益视为运营宗旨，并将保护会员数据视为组织内部的整体责任。

作为规模庞大的专业社交网络，LinkedIn能够以非常独特视角，观察并理解其他企业难以涉及的「职位变动」、「职位趋势」以及「区域吸引力」等重要洞见。

去年底，LinkedIn发布了第三期年度新兴工作岗位报告，希望确定增长速度最快的工作岗位。人工智能专家成为榜单中的头名，在过去4年中年均增长率高达74%。这一增长远远超出科技行业的平均水平。尤其令人兴奋的是，他们发现在2017年，来自教育领域的核心AI技术专家，已经在LinkedIn平台全部AI会员群体的占比中位列第二，这意味着大部分AI职位增长都与教育行业以及学术研究相关。

最近面对COVID-19疫情引发的经济衰退，LinkedIn发现，AI就业市场仍然保持着持续增长。在对总发布职位数量进行标准化整理后，美国遭遇COVID-19疫情侵袭的十周之内，AI职位数量增长了8.3%——虽然这一增长速度要低于疫情之前，但相较于市场上人才需求总体下降的趋势，雇主们似乎仍然更加关注AI技术专家。

AI领域的另一个有趣之处在于，LinkedIn观察到一个完整的技术角色生态系统，各角色支撑起AI生命周期中的不同阶段。回顾去年底发布的新兴工作报告，除了AI专家角色（负责模型创建与训练）的持续增加之外，与AI相关的“配套”岗位也在不断发展。未来，市场对于「数据科学家」、「数据工程师」以及「云工程师」的需求也将提升——这种提升不仅体现在技术领域中，而是各行各业。

归根结底，AI仍是一种工具，其最大的潜力在于增强人类智能并帮助人类取得更大的成就。LinkedIn目前的AI工具，在很大程度上仍依赖于人工输入，而且永远无法彻底实现自动化。

Igor坚信，AI的未来在于实际应用，特别是如何利用AI工具提升人类的智能水平，从而更好更快地完成任务。为了实现这个目标，我们不仅需要AI专家，同时也要推动AI技术的大众化。AI应该逐步转化为一种即插即用、能够直接操作的界面。他发现，各大主要云服务供应商已经参与进来，努力开发出各类有助于降低AI使用门槛的工具。一旦AI与应用场景得到全面结合，就会真正激发出人们的创造力，开发出越来越多更酷、更有趣的实际用例。

以此为基础，AI技术也将实现贯通式的整体升级。从算法到数学发现、再到硬件与AI系统设计，从业者们将立足各个环节，用自己的独创性为AI发展贡献力量。这将是一片广阔的天地，每个角落当中都有着值得奋力发掘的宝藏。