當公司提出“無論你是什么崗位，都要加強對AI的使用”的時候，個人應該怎么應對？

當我們在給不同的公司做AI項目咨詢的時候，幾乎每個公司的主管或HR都會問同樣的問題：現(xiàn)在AI的發(fā)展這么快，我要怎么把非產研的同學們也都培養(yǎng)一下，大家能更好地使用AI，提升工作效率？

由于這個問題提出頻繁，也促使我們去思考：在AI時代，當公司提出“無論你是什么崗位，都要加強對AI的使用”的時候，個人應該怎么應對？有哪些必備技能和認知是需要補齊的?；诖?，我們做了一些調研，在此和感興趣的朋友做一個分享。

一、公司的需求是什么？

當公司談到“我們希望員工AI能力能有所提升時”，背后的潛在訴求是什么？掌握AI的技術原理？了解AI技術的前沿發(fā)展？根據(jù)我們和公司主管或HR的交流，其實都不是。

公司的本質的需求還是“提質增效”。

引用一位高管的原話：“我希望提升員工的AI敏銳度，這樣工作可以完成得更快、交付質量更高?！彼?，AI的理論、技術掌握并不是重點，公司更期待的是“人+AI → 工作產出”的效率鏈。

二、產出導向的“AI敏銳度”

那么，如何能讓這個問題得以解決？我們查閱了相關的研究，發(fā)現(xiàn)國內外的主流觀點可以總結為以下這個“三層次”。

第一層：對AI的正確認知

正如吳恩達在AI for everyone里所說的，AI和人類目前在職場上其實并不是“替代”的關系。因為人能完成的是“Job”，而AI能處理的只是“Task”，所以與其說是AI會替代人，更不如說是互補和協(xié)作的關系。

另外，發(fā)表在《Science》雜志上的研究文章Experimental evidence on the productivity effects of generative artificial intelligence也提到，目前LLM能處理的工作有它的邊界，并不是所有的工作任務都擅長。

這篇文章將工作任務分為兩類：一類是在AI能力范圍內的任務，另一類是在AI能力范圍之外但對于人類可能相對容易完成的任務。

這兩類任務的難度相近，但基于任務屬性的不同，一類在AI能力范圍內，另一類對于AI來說較為復雜且具有挑戰(zhàn)性。然后研究發(fā)現(xiàn)，AI擅長的任務是創(chuàng)造性任務。

例如，在某個尚未受到足夠關注的特定市場或運動領域提出10個創(chuàng)意點子，此類任務是AI擅長的，因為它涉及到創(chuàng)造力的工作。然而，AI不擅長的任務是基于詳實數(shù)據(jù)和訪談給出一個準確答案，即需要根據(jù)這些數(shù)據(jù)指向一個正確答案的任務。

因此，從職場人的角度，我們需要對AI的“邊界”和使用條件有清晰的認知——知道什么樣的工作是適合AI來做的，什么樣的工作還是得自己上；并且能判斷和選擇使用合適的AI工具來完成對應的工作。

第二層：人機協(xié)作技能

有了清晰的認知，那么在真正的人機協(xié)作中，個人確實需要一些實操技巧來讓LLM能更好地產出結果。這部分的能力主要以“提問為主”，即：員工知道在什么樣的工作場景中用合適的方法向LLM獲得最佳的結果。這部分通常分為三類：

• 對提示詞通用模版的掌握程度：是否提示詞通用模版中各個模塊的設計技巧，如“角色、任務、要求”等。
• 掌握提示詞的進階技巧：如Few shot，COT等等，并能正確高效地使用。
• 對常用的工作場景，如寫作任務、創(chuàng)意生成、方案產出等，能通過LLM獲得好的產出。

第三層：“人”的底層能力

關于人機協(xié)作的研究中，還有一個很有趣的發(fā)現(xiàn)，就是關于“能力的遷移和重塑”。研究者發(fā)現(xiàn)，由于有了AI，過往我們在職場中看中的一些“技能”，如：寫作和表達、excel能力等，并不是那么重要了，因為有了AI這個工具，人和人在技能上的差距在逐步變小。反而是在這些技能之下更“深層”的職場軟實力，會變得更重要。比如：

• 分析和判斷能力：與AI的合作過程中，個體要扮演判斷者的角色，能在AI協(xié)作中判斷出值得進一步探索的答案和方向、哪些并不值得去做，等等。
• 目標解構能力：當面對復雜任務時，個體能有效拆解和重組任務，來確定哪些是AI介入的task，哪些是人類自己需要發(fā)揮的。
• 創(chuàng)造力：AI的創(chuàng)新力往往局限于細節(jié)內容的生成，如生成10條創(chuàng)新的文案、生成10種不同的營銷策略等……但是，在大方向上的突破和顛覆，依然還是要靠人類自己的努力思考和創(chuàng)新。因此，創(chuàng)新力也是在AI時代中，個人需要的核心底層能力。