适配AI的技能并非你所想的那样(上)

作者：Pat Brans

出处：Computerworld.com

AI就绪的真正挑战在于教会员工如何对自动化系统进行提问、验证和监督。

过去两年，企业都在争先恐后地让员工队伍具备“AI适配能力”。但许多早期的培训项目——重点是提示词撰写和聊天机器人技能——被证明并不适合AI赋能工作的实际情况。

原因很简单：当人工智能真正融入实际工作流程后，最关键的技能与操作工具关联不大，而更多关乎判断力。人工智能时代涌现出的持久能力包括结果验证、数据素养、流程理解以及对自动化推荐提出质疑的能力。相比之下，随着模型和界面的不断迭代，特定工具相关的技能往往会迅速过时。

“具备AI就绪能力并非由有多少人参加了培训或购买了多少许可证来定义，”电子零售商百思买的执行副总裁兼首席数字与技术官尼尔·桑普尔表示。“它的定义是你是否重新设计了实际工作流程、明确了责任归属，并且能够证明该技术在带来业务成果提升的同时，没有引入不可控的风险。”

这一从“工具熟练度”到“运营判断力”的转变，正迫使企业重新思考如何为员工开展人工智能培训。

企业人工智能培训的第一波重点主要集中在提示词工程以及对生成式人工智能工具的基础熟悉度上。在员工需要帮助理解这项技术的初期，这种方法是合理的。但许多机构发现，这些技能的有效期限很短。

“提示词工程的迭代速度最快，”化妆品公司 cosnova Beauty 生成式人工智能高级经理丽贝卡·沙尔伯（Rebecca Schalber）表示。随着新模型和新界面不断涌现，投入打造完美提示词的精力很快就会过时。

当cosnova在全体员工中推出生成式人工智能时，沙尔伯原本预计培训将围绕个人能力展开——了解大语言模型、学习提示技巧以及试用各类工具。早期的应用情况看起来前景良好。六个月内，一项调查显示员工反馈生产力提升了近10%。

仅仅采用还不够。沙尔伯表示：“要产生显著效果，你需要实现广泛采用。但真正关键的是工作流程的设计。”

科斯诺瓦没有把重点放在提示词上，而是开始研究团队内部工作的实际开展方式——员工需要完成哪些任务、哪里存在阻碍、工作流程中的哪些环节可以通过AI安全实现自动化或增强。这一转变迫使员工们直面一个不同的问题：不是如何使用AI，而是如何验证AI的输出结果，并将其整合到实际的业务流程中。

一旦人工智能走出实验环境，进入实际运营流程，这一区别就会变得清晰。在测试阶段，输出结果可以与已知答案进行对比；但在实际业务流程中，答案往往无法提前知晓。部署人工智能系统的初衷，正是帮助员工分析复杂情况、解读数据或挖掘洞见。

这正是人工监督变得至关重要的环节。百思买的桑普尔表示：“人工监督并非对人工智能的每一项输出都进行事后质疑，而是要明确界定哪些环节的判断、升级处理与问责职责必须由人类承担。”

一项决策越贴近客户信任、监管义务或重大财务风险，其判断的重要性就越高。大规模部署人工智能的组织必须在工作流程中设置防护措施，并明确界定最终决策的责任人。

“对于每一个由人工智能驱动的工作流程，你都需要明确谁拥有决策权、谁来处理异常情况，以及在业务采取行动之前，人类必须在哪个环节进行干预。”桑普尔说。

换句话说，实现AI就绪的挑战并非是教员工如何与模型互动，而是教他们如何对模型进行监督。

在cosnova公司，沙尔伯的团队摒弃了通用的培训课程，转而开展实操工作坊，让管理者和员工梳理日常工作流程。在这些活动中，团队找出能借助人工智能提升效率的任务，随后围绕这些机会重新设计工作流程。

当人工智能最初被简单地当作另一款工具推出时，人们的热情十分有限。但当员工们看到这项技术能够帮他们摆脱繁琐的工作任务，或是减少工作中的阻碍时，其普及速度便迅速加快。

沙尔伯表示：“这不再只是管理层希望员工使用的又一个工具。”相反，各团队开始解决自身的问题——比如剔除重复性任务，或是加快那些让他们感到繁琐的流程。

该公司还开始强调适用于各类人工智能工具和模型的可迁移技能，包括批判性思维、工作流程设计以及数据素养。这些能力即便在技术不断发展的过程中依然具有价值，且已被证明比提示词撰写技巧更具持久力。

原文链接：

https://www.computerworld.com/article/4149417/ai-ready-skills-are-not-what-you-think.html