AI‑грамотность — навык рабочей силы, который организации не могут игнорировать

Организации стремительно расширяют использование ИИ, но доступ опережает возможности рабочей силы. Google and Ipsos выявили, что хотя 40 % сотрудников используют ИИ в работе, только 5 % действительно владеют AI‑грамотностью. Предоставление сотрудникам инструментов ИИ не означает, что они знают, когда их применять, как оценивать их результаты и где всё ещё должно доминировать человеческое принятие решений. 

Для устранения этого разрыва организациям необходимо рассматривать AI‑грамотность как способность рабочей силы и, в конечном счёте, как часть операционной модели. Это не технический навык, предназначенный исключительно для ИТ‑команд, специалистов по данным или ранних последователей. Сотрудникам требуется уверенность и суждение, чтобы применять ИИ к реальным бизнес‑задачам, ставить под вопрос его результаты и понимать, что следует, а что не следует делегировать технологиям. Руководителям тоже нужны эти способности, поскольку их роль больше не ограничивается лишь решением, где развернуть ИИ. Им необходимо переосмыслить процесс выполнения работы, определяя, где ИИ может действовать, где существующие технологии могут поддерживать работу, а где человеческое суждение, взаимоотношения и ответственность создают наибольшую ценность. Это переход к организации, обладающей AI‑грамотностью. Это означает проектирование операционной модели с учётом сильных сторон людей, ИИ и технологий в совокупности. 

Внедрение ИИ не то же самое, что AI‑грамотность

Одной из самых простых ошибок организаций является восприятие использования ИИ как доказательства успеха ИИ. Входы в систему, запросы, активированные лицензии, завершённые обучения и использование токенов показывают, что сотрудники имеют доступ к технологии, но мало говорят о том, повышает ли ИИ эффективность и точность их работы. 

Gallup сообщила, что 65 % сотрудников считают, что ИИ повысил их индивидуальную продуктивность, однако лишь 12 % считают, что он изменил процесс выполнения работы в их организации. Передача ИИ в руки сотрудников не автоматически создаёт бизнес‑ценность, особенно если принятие считается главным показателем успеха. Организациям необходимо смотреть дальше простого использования и оценивать, умеют ли сотрудники эффективно применять ИИ. Это означает определение правильных сценариев применения, постановку более качественных вопросов, проверку результатов, которые кажутся правдоподобными, но могут быть ошибочными, и признание того, когда контекст, эмпатия или суждение важнее, чем сырая информация. 

Показатели успеха должны соответствующим образом измениться. Организации должны оценивать, повышает ли ИИ качество и скорость принятия решений, создаёт ли более лучшие впечатления для сотрудников и клиентов, устраняет ли работу с низкой добавленной стоимостью и освобождает людей, чтобы они сосредоточились на суждениях, креативности, сотрудничестве и взаимоотношениях, где создают наибольшую ценность. В конечном счёте, ИИ следует измерять по его вкладу в бизнес‑результаты, от повышенной продуктивности и гибкости до более высокого качества, роста и устойчивости. 

Развитие этой способности требует большего, чем обучение сотрудников формулировать запросы. AI‑грамотность означает понимание, когда использовать ИИ, как оценивать его результаты и что должно оставаться в руках человека. Цель состоит не в увеличении использования ИИ, а в получении более качественной работы. 

Организациям нужна сбалансированная стратегия AI‑талантов

Реальность такова, что организации не могут нанять путь к AI‑грамотной рабочей силе. Им всё равно понадобятся специалисты в областях, таких как инженерия ИИ, наука о данных и управление, но просто не будет достаточного количества специалистов, чтобы обеспечить грамотность в масштабах, необходимых большинству компаний. Эта способность должна охватывать всю организацию. Более важная возможность — развивать существующую рабочую силу, чтобы сотрудники разных ролей могли эффективно работать с ИИ. 

Это означает целенаправленно решать, где развивать, где приобретать и где привлекать способности. Нанимайте специалистов там, где это создаёт дифференцированную ценность. Привлекайте внешнюю помощь, когда потребность конкретна или временно. Для ролей, изменённых ИИ сегодня, инвестируйте в развитие навыков текущих сотрудников. 

Это также должно изменить, на что компании нанимают сотрудников. Когда инструменты и требования к работе быстро меняются, владение текущими технологиями даёт лишь ограниченную информацию. Гибкость обучения, любопытство, критическое мышление и суждение становятся более ценными. Команды по подбору талантов должны задаваться вопросом, может ли кандидат быстро учиться, применять знания в разных контекстах и критически оценивать результаты ИИ, а не просто принимать их. 

Развитие требует того же практического подхода. Курс по ИИ может обучить основам, но грамотность приходит от практики. Дайте людям реальные задачи для решения с помощью ИИ, позволяя им проверять, где он экономит время, улучшает результаты и где имеет ограничения. Используйте менеджеров, наставничество и межфункциональные проекты, чтобы превратить эти опыты в повторяемые практики. 

Руководителям необходимо чётко определить границы. Сотрудники должны знать, зачем вводится ИИ, какую проблему он решает, где поощряется экспериментирование и какие решения требуют человеческой ответственности. Без ясности организации сталкиваются с одним из двух исходов: сотрудники неохотно используют ИИ, или используют его без достаточного суждения. 

Цель не в создании рабочей силы из экспертов по ИИ; цель — создать рабочую силу, работающую иначе благодаря наличию ИИ. Людям нужны чёткие ограничения и видимая человеческая ответственность, чтобы они могли экспериментировать уверенно, не передавая своё суждение технологии. 

The Microsoft Work Trend Index обнаружил, что лишь примерно один из четырёх пользователей ИИ считает, что руководство их организации ясно и последовательно согласовано по вопросам ИИ. Deloitte также сообщила, что компании с более высоким уровнем внедрения ИИ наблюдают примерно на 40 % более высокий рост продуктивности по сравнению с теми, у кого внедрение ниже. В её исследовании 53 % организаций заявили, что обучение более широкой рабочей силы является их основной стратегией AI‑кадров, в то время как 36 % сосредоточены на найме специализированных AI‑специалистов. 

Эта эволюция важна, потому что стратегия ИИ больше не ограничивается лишь приобретением технологий. Всё чаще это стратегия рабочей силы. 

Лидеры должны переосмыслить работу вокруг людей и ИИ

AI‑грамотность важна, но обучение людей использованию ИИ без изменения способов выполнения работы оставляет операционную модель в значительной степени неизменной. Если люди возвращаются к тем же ролям, процессам и рабочим потокам, организации захватят лишь часть потенциала ИИ. Более широкая возможность — переосмыслить работу с учётом того, что каждый из них делает лучше всего: использовать ИИ для ускорения выполнения и улучшения опыта, а человеческое суждение применять там, где оно создаёт наибольшую ценность. 

Данные свидетельствуют, что большинство организаций всё ещё делают именно это. Только 16% of organizations полностью переосмыслили роли, процессы и операционные модели для интеграции ИИ в работу. Тем не менее, те, кто ставит в приоритет проектирование работы, в два раза чаще превышают свои ожидания по возврату инвестиций в ИИ. 

Возьмём менеджера, готовящегося к сложному разговору с сотрудником. ИИ может собрать историю производительности, резюмировать предыдущие отзывы и выявить темы или вопросы, достойные обсуждения. Это может сэкономить время подготовки и предоставить менеджеру более полную информацию. Но ИИ не должен вести разговор. Понимание сотрудника, оценка ситуации, проявление эмпатии и принятие важного решения всё ещё остаются задачами менеджера. 

То же самое относится к подбору талантов. ИИ может анализировать данные рынка труда, выполнять административные задачи и выявлять паттерны, которые рекрутеру пришлось бы искать часами. Это создаёт резерв мощности. Ценность проявляется в том, как рекрутер использует его: тратит больше времени на понимание мотиваций кандидатов, ставит под вопрос предположения менеджера по найму или консультирует бизнес‑лидера по компромиссам в подборе талантов. 

Это тот сдвиг, к которому должны стремиться организации: не просто автоматизировать задачи, а использовать ИИ для создания возможностей и целенаправленно перенаправлять их на работу, где люди приносят большую ценность. 

В противном случае легко автоматизировать неэффективный процесс и получить более быстрый, но всё равно плохой процесс. Более важная возможность — переосмыслить работу с учётом того, что каждый из них делает лучше всего. 

AI‑грамотность определит будущее рабочей силы

AI‑грамотность всё больше будет становиться базовой способностью рабочей силы, аналогично сегодняшней цифровой грамотности. Однако AI‑нативность не является поколением и не сводится к владению текущими инструментами. Это способность и менталитет постоянно учиться, экспериментировать и адаптировать способы выполнения работы по мере развития ИИ. Платформы будут меняться. Организации, создающие устойчивую способность, будут инвестировать в людей, способных меняться вместе с ними, зная, когда использовать ИИ, когда ставить его под вопрос и где человеческое суждение остаётся наиболее важным. 

По мере развития этой способности ИИ перестаёт быть набором инструментов и становится частью того, как работает организация. Организации, которым это удастся, не будут теми, у кого больше всего инструментов ИИ или даже самым высоким уровнем внедрения. Это будут те, чьи сотрудники постоянно превращают ИИ в более качественную работу, лучшие решения и более высокие бизнес‑результаты. 

Это, в конечном счёте, проверка AI‑грамотности. Важно не то, использует ли ваша рабочая сила ИИ, а приводит ли это к более качественной работе, лучшим решениям, лучшему опыту и более высоким бизнес‑результатам.