AI 流畅性是组织不可忽视的关键工作技能

组织正快速扩大 AI 的使用，但获取速度已超过员工能力。研究来自 Google and Ipsos 显示，虽然 40% 的员工在工作中使用 AI，但只有 5% 真正具备 AI 流畅性。为员工提供 AI 工具并不意味着他们知道何时使用、如何评估其输出，或哪些决策仍需由人类来做。 

弥补这一差距要求组织将 AI 流畅性视为一种 workforce 能力，最终成为运营模型的一部分。它不是仅限于 IT 团队、数据科学家或早期采用者的技术技能。员工需要自信和判断力，将 AI 应用于真实的业务问题，挑战其输出，并了解哪些工作应当、哪些不应当交给技术。领导者也需要这些能力，因为他们的角色不再仅仅是决定 AI 部署位置。他们必须重新设计工作方式，确定 AI 可以执行的环节、现有技术可以支持的环节，以及人类判断、关系和问责能够创造最大价值的环节。这就是向 AI 流畅组织转变的意义，即围绕人类、AI 与技术的优势共同设计运营模型。 

AI 采用并不等同于 AI 流畅性

组织最常犯的错误之一是把 AI 使用当作 AI 成功的证据。登录次数、提示次数、激活许可证、培训完成率以及令牌使用量只能说明员工可以接触到技术，却几乎不透露 AI 是否提升了工作效率和准确性。 

Gallup 报告称，65% 的员工表示 AI 提升了个人生产力，但仅有 12% 认为 AI 改变了整个组织的工作方式。把 AI 放在员工手中并不自动创造业务价值，尤其当采用率被视为唯一成功指标时。组织必须超越使用率，评估员工是否懂得有效使用 AI。这意味着要识别正确的使用场景、提出更好的问题、质疑看似合理但可能错误的输出，并认识到在某些情境、同理心或判断力比机器智能更重要。 

成功衡量标准应随之转变。组织应评估 AI 是否提升了决策的质量和速度，是否为员工和客户创造了更佳体验，是否消除了低价值工作并让人们专注于判断、创造力、协作和关系等能够创造最大价值的方面。最终，AI 的价值应体现在对业务绩效的贡献上，从更高的生产力和敏捷性到更强的质量、增长和韧性。 

构建这种能力不仅仅是教员工如何提示。AI 流畅性意味着了解何时使用 AI、如何评估其输出，以及哪些工作应仍由人类完成。目标不是让 AI 使用更多，而是让工作因此变得更好。 

组织需要平衡的 AI 人才策略

现实是，组织无法仅通过招聘来打造 AI 流畅的 workforce。他们仍然需要 AI 工程、数据科学和治理等领域的专家，但专才数量根本不足以支撑大多数企业所需的规模。此能力必须在整个组织中扩展。更大的机会在于培养现有员工，使各岗位人员都能有效与 AI 合作。 

这意味着要有针对性地决定是自行构建、购买还是借用能力。对能创造差异化价值的岗位招聘专家；在需求具体或临时时引入外部帮助；对已被 AI 改变的岗位，投资提升现有员工的技能。 

这也会改变公司的招聘需求。当工具和岗位要求快速变化时，仅掌握当下技术的熟练度已不足以评估候选人。学习敏捷性、好奇心、批判性思维和判断力将变得更有价值。人才招聘团队应询问应聘者是否能快速学习、在不同情境中运用知识并批判性评估 AI 输出，而不是盲目接受。 

发展也需同样的实务视角。AI 课程可以教授基础，但流畅性来源于实际工作。让员工用真实问题去实践 AI，检验其在哪些方面节省时间、提升结果、以及哪些方面仍有不足。通过管理者辅导和跨职能项目，将这些经验转化为可复制的实践。 

领导者需要明确界限。员工应了解引入 AI 的原因、解决的具体问题、哪些实验被鼓励以及哪些决策必须由人类负责。缺乏清晰指引，组织会出现两种局面：员工不愿使用 AI，或在缺乏判断的情况下盲目使用。 

目标不是培养一支 AI 专家的队伍，而是让 workforce 因 AI 的存在而以不同方式工作。员工需要明确的护栏和可见的人类所有权，以便自信实验，而不是把判断外包给技术。 

The Microsoft Work Trend Index 发现，仅约四分之一的 AI 使用者表示其组织的领导层在 AI 方面保持明确且一致的对齐。 Deloitte 也报告称，AI 曝光度更高的公司生产力增长约比曝光度低的公司高出 40%。其研究显示，53% 的组织将教育更大规模的 workforce 视为主要的 AI 人才策略，而 36% 则侧重于招聘专门的 AI 人才。 

这种演变很重要，因为 AI 战略不再仅仅是技术采购的问题，而是日益成为 workforce 战略。 

领导者必须围绕人类与 AI 重新设计工作

AI 流畅性固然重要，但仅培训员工使用 AI 而不改变工作方式，运营模型基本保持不变。如果人们仍在相同的角色、流程和工作流中工作，组织只能捕获 AI 潜力的一小部分。更大的机会在于围绕人类和 AI 各自的优势重新设计工作——利用 AI 加速执行、提升体验，同时在人类判断最能创造价值的环节让其发挥作用。 

数据表明，大多数组织仍在原地踏步。只有 16% of organizations 完全重新设计了角色、流程和运营模型以将 AI 融入工作。然而，那些将工作设计置于首位的组织，其 AI 投资回报率超出预期的可能性是后者的两倍。 

举例来说，经理在与员工进行困难对话前准备时，AI 可以汇总绩效历史、概括以往反馈，并识别值得探讨的主题或问题。这可以节省准备时间并为经理提供更好的信息。但对话本身仍应由经理主导，理解员工、阅读情境、展现同理心并做出关键决策仍是经理的职责。 

在人才招聘中亦是如此。AI 能分析劳动力市场数据、处理行政事务并发现招聘人员可能需要数小时才能发现的模式，从而释放招聘人员的时间。价值在于招聘人员如何利用这些信息——花更多时间了解候选人动机、挑战用人经理的假设或向业务领袖提供人才权衡建议。 

这正是组织应当追求的转变：不是单纯自动化任务，而是利用 AI 创造产能，并有意识地将其引导至人们能够创造更大价值的工作上。 

否则，容易出现把糟糕的流程自动化，结果得到更快的糟糕流程。更大的机会在于围绕人类和 AI 各自的优势重新设计工作。 

AI 流畅性将决定未来的 workforce

AI 流畅性将日益成为基础的 workforce 能力，类似于如今的数字素养。但 AI 原生并非某一代人，也不只是对现有工具的熟练使用。它是一种能力和思维模式，能够在 AI 持续演进时不断学习、实验并调整工作方式。平台会更迭，能够构建持久能力的组织会投资于能够随之变化的人才，懂得何时使用 AI、何时质疑以及在人类判断仍占主导的场景中发挥作用。 

随着这种能力的成熟，AI 不再是工具的集合，而是组织运作方式的一部分。做对这件事的组织并非拥有最多 AI 工具或最高采用率的组织，而是那些其员工能够持续将 AI 转化为更好的工作、更好的决策和更好的业务绩效的组织。 

这最终就是 AI 流畅性的考验。不是看你的 workforce 是否在使用 AI，而是看它是否带来了更好的工作、更好的决策、更好的体验以及更好的业务绩效。