思想领袖

创建明确的AI优先事项和技能,弥合组织和员工之间的差距

mm
将 Unite.AI 添加到您在 Google 上的首选来源

随着人工智能不断渗透几乎每一个行业,它不仅在重塑企业的运营方式,也在改变组织对员工队伍的期望。

高管往往以提高生产力和推动创新为由迅速采用人工智能技术,但许多员工却被落在后面。他们对人工智能会如何影响自己的岗位感到不确定、准备不足,有时甚至心存怀疑。

这种日益扩大的差距凸显出一个迫切需求:组织必须让自身的人工智能优先事项与员工的技能发展保持一致。这种一致性依赖于共同的人工智能素养和适应性思维基础。它不应局限于技术能力,还要全面理解人工智能如何运作、如何与其有效互动,以及如何借助它作出明智决策。

组织内部日益扩大的人工智能技能差距

近期数据表明,领导层与员工的人工智能熟练度之间存在明显差距。盖洛普的一项调查发现,33%的管理者经常在工作中使用人工智能,而普通员工的这一比例仅为16%。这不仅引发了谁在使用人工智能的问题,也反映出有关准备程度、理解能力和战略整合的更深层忧虑。

一线员工通常缺乏与人工智能工具有效协作所需的基本知识。在许多情况下,理解不足会造成实施不当、误用,甚至彻底拒绝有用的技术。这些后果不仅会损害效率,还可能让组织面临违反监管规定、高额罚款,甚至违法行为的风险。

此外,员工可能担心工作被取代,忧虑人工智能的伦理影响,或难以理解其能力与局限。与此同时,许多员工表示,工作场所将使用人工智能视为“懒惰”。这意味着许多组织的整体人工智能战略仍然流于表面,技能发展也因缺乏透明度而受阻。

要弥合这一差距,组织必须在整个员工队伍中推广人工智能素养,而不能只关注技术团队或领导层。人工智能素养是理解、使用并批判性评估人工智能工具和系统的能力。它不只是学习如何操作某个平台或界面,还融合了技术知识、认知灵活性和伦理意识。

人工智能素养的核心组成部分包括:

理解人工智能基础:员工应了解人工智能是什么,包括机器学习、神经网络和自然语言处理等基本概念。这有助于揭开人工智能的神秘面纱,并为理解它在商业环境中的应用奠定基础。

数据能力:员工需要理解数据如何收集、处理并用于人工智能决策。理解高质量、无偏见数据的重要性,能帮助个人更好地评估人工智能输出并质疑有缺陷的建议。哈佛大学继续教育学院指出,数据素养是评估人工智能系统输入与结果的基础。

熟悉工具:团队必须接触并熟练使用常见的人工智能应用,例如生成式助手、人工智能增强的数据工具和工作场所自动化平台。熟悉这些工具能让员工把人工智能融入日常工作流程,同时提升效率与创新能力。

这些能力可帮助个人从被动的人工智能用户转变为积极、审慎的协作者。员工掌握的信息越充分,就越有可能有效且合乎伦理地使用人工智能。

组织的再培训与技能提升策略

解决人工智能技能差距不能只由员工负责。它需要自上而下地投入学习、适应和长期战略规划。为此,组织必须采取多层次的再培训和技能提升方法。

制定人工智能教育战略的第一步,是通过全面的技能审计评估现有能力。这些审计不应只衡量技术能力,还应评估适应性、协作能力和批判性思维,因为与人工智能工具协作时,这些素质同样重要。识别差距与优势后,领导者就能让培训计划更好地配合组织目标和员工发展需求。

同伴学习是扩大知识覆盖面的另一种有效机制。组织应培养内部实践社群,让员工分享见解、最佳实践和使用人工智能工具的真实经验。鼓励同伴指导与协作实验能够减轻恐惧、建立信心,并形成好奇、开放的文化。

在同伴学习之外,个性化学习路径也能提高参与度和长期技能习得。人工智能本身可以用来提供这些路径,根据员工的经历、岗位职能和职业抱负推荐培训,从而确保培训既相关又能激发动力。

最后,领导层的参与至关重要。高管和管理者参加人工智能素养课程,可以为整个组织定下基调。他们公开投入其中,表明技能提升并非例行打勾,而是共同成长和转型的过程。领导者也可以树立榜样,展示如何在决策中以负责任且有战略性的方式使用人工智能。

在整合人工智能与人类判断之间取得平衡

人工智能虽然强大,却不能替代人类智慧。它可以自动处理例行任务、总结文档、预测趋势并生成创意,但缺乏同理心、情境意识和伦理推理。这些鲜明的人类能力在医疗、教育、管理和产品设计等许多工作领域都不可或缺。

专家警告,过度依赖人工智能可能削弱人类的重要贡献。相反,应把人工智能视为增强人类能力而非取代人类的工具。组织以审慎且合乎伦理的方式整合人工智能时,人类员工便能专注于更高层次的思考、创造力和人际关系,而这些正是推动创新与建立信任的工作要素。

今天用人工智能技能赋能明天的员工队伍

世界各地的政府和企业开始认识到广泛提升人工智能技能的必要性。例如,英国政府官员正推动在2030年前为750万名员工提供人工智能相关技能培训。这一举措承认,即使只是基本熟悉人工智能工具,也能显著提高员工队伍的准备程度。

大型企业也在大力投资员工转型。亚马逊机器学习大学、IBM人工智能技能学院,以及埃森哲、普华永道和宜家的类似项目,都体现出企业日益认识到人工智能熟练度是一种竞争优势。这些项目并非象征性举措,而是代表一种更广泛的思维转变:从外部招聘人工智能人才,转向在内部培养人工智能人才。内部人才发展,尤其是对代表性不足群体和职业生涯中期员工的培养,将是确保人工智能创新具有包容性、可持续性和公平性的关键。

在人工智能时代用技能而非仅用系统赋能人们

人工智能的兴起不仅是技术转变,也是人的转变。随着人工智能融入日常工作,组织必须确保员工已经做好准备、拥有信心,并有能力以负责任且富有创造力的方式使用这些工具。这要从明确人工智能优先事项、培养基础素养,以及投资持续、以人为本的学习开始。

通过战略性的再培训和技能提升来弥合人工智能技能差距,组织不仅可以让员工队伍为未来做好准备,还能创造一个创新蓬勃发展、始终以人为进步核心的环境。

Josh Meier 是 Pluralsight 的高级生成式 AI 作者,他在那里创建有关最新 AI 技术的课程内容。拥有数据科学和数据工程背景的 Josh 已经撰写了包括对话式 AI 基础、机器学习模型泛化、防止数据泄露和随机森林介绍在内的课程。之前,他曾在 Pumpjack Dataworks担任数据科学家。Josh拥有科罗拉多州立大学的AI和机器学习硕士学位,以及乔治华盛顿大学的AI博士学位。