夜雨聆风近年来，人工智能（Artificial Intelligence，AI）已经从实验室中的前沿技术逐渐走向现实世界，深刻影响着人们的工作方式、组织运行模式以及社会发展的整体格局。在这一背景下，关于“人如何与AI协同工作”的讨论迅速成为学术界和实践领域共同关注的重要议题。
然而，与大量聚焦于算法性能、系统设计以及技术创新的研究相比，一个同样关键却长期被忽视的问题是：
当人工智能越来越智能时，人类究竟需要具备哪些能力，才能真正发挥AI的 价值？
为什么需要重新定义AI时代的人类能力？
信息系统（Information Systems）研究一直强调个体能力对于技术应用成效的重要作用。无论是企业数字化转型，还是教育技术创新，人们普遍认为，技术价值的实现不仅依赖于技术本身，更依赖于使用者所具备的知识与能力。
过去几十年里，研究者已经开发出许多用于测量信息技术能力（IT Competence）的工具和模型。然而，这些模型大多建立在一个共同前提之上：技术只是工具，而人始终是主动的决策者和控制者。人工智能的出现正在改变这一基本逻辑。
与传统技术相比，AI不仅能够执行预设任务，更能够通过数据学习、自主决策并持续优化自身行为。因此，人与技术之间的关系正在从“使用工具”逐渐演变为“与智能体协作”。
在这种新型关系中，人不再只是技术的操作者，而开始成为AI的合作伙伴、监督者甚至被协作者。
这意味着，传统的信息技术能力框架已经难以充分解释人机协同情境下所需要的能力结构。我们需要重新思考：在AI时代，人类究竟需要掌握什么知识、积累什么经验、形成什么判断能力，才能实现高质量的人机协作。
AI为何会改变我们对于能力的理解？
研究者指出，人工智能之所以会挑战传统技术观念，根本原因在于它具备三项不同于传统信息技术的核心特征：
第一，AI具有自主性（Autonomy）。
传统软件严格按照程序设定运行，而AI则能够根据环境变化自主作出响应，并在一定程度上拥有独立行动能力。因此，人与AI之间不再是单向控制关系，而逐渐形成双向互动关系。
第二，AI具有学习能力（Learning）。
传统系统的行为相对稳定且可预测，而AI能够根据反馈不断调整自身模型，从而使其行为表现呈现动态变化特征。这意味着同一个AI系统在不同时间、不同情境下可能会产生不同结果。
第三，AI具有不透明性（Inscrutability）。
许多先进AI模型，尤其是深度神经网络，其内部运行机制极其复杂，即使是开发者本人也难以完全解释其决策过程。这种“黑箱效应”使得人们不得不重新思考信任、责任以及决策解释等问题。
正是由于这些特征的存在，长期以来支撑信息系统研究的一系列基本假设开始被打破。
例如，过去认为“人是技术使用者”，而现在人与AI之间正在形成协同关系；过去认为“技术输出结果稳定一致”，而现在AI系统可能随着学习过程持续发生变化；过去认为“技术决策过程可以被理解和验证”，而如今许多AI模型的决策逻辑却难以被清晰解释。
这些变化共同指向一个事实：AI时代所需要的人类能力已经不再等同于传统意义上的数字技能，而是一种更复杂、更综合的社会技术能力。
AI素养究竟是什么？
在系统梳理人工智能研究、信息系统能力研究以及AI素养相关研究成果之后，研究团队提出了一个具有代表性的定义：
AI素养是个体在人机互动过程中所具备的社会技术能力，它既包括对人类与AI角色关系的理解，也包括对AI运行过程的认识，以及在实际应用情境中与AI协作所积累的经验。这一界定特别强调了两个重要特点。
首先，AI素养并不仅仅是技术知识。
过去人们往往将AI能力理解为编程能力、算法知识或数据分析能力，但研究发现，这种理解过于狭窄。真正的AI素养不仅涉及技术层面的认知，同时还包括伦理意识、协作意识以及对人机关系的理解。
其次，AI素养不仅包括“知道什么”，还包括“经历过什么”。
研究借鉴信息系统能力理论，将能力区分为两种不同形式：
一种是显性知识（Explicit Knowledge），即能够通过学习获得并清晰表达出来的知识；
另一种是隐性知识（Tacit Knowledge），即通过实践经验逐渐形成、难以完全用语言描述的能力。
对于AI素养而言，这两种能力缺一不可。
一个人即使了解机器学习原理，如果从未真正与AI系统协同工作，也难以形成成熟的AI素养；反之，仅仅频繁使用AI工具，却缺乏对其原理和局限性的理解，同样无法称之为具备较高水平的AI素养。
AI素养由哪些核心维度构成？
经过文献分析、专家访谈、两轮卡片分类以及量表验证等多个研究阶段，研究最终形成了一个包含五个维度的AI素养模型。
AI技术知识（AI Technology Knowledge）
这一维度关注个体对于AI技术本身的理解程度，包括AI建立在什么技术基础之上、AI与传统软件系统之间存在哪些本质区别，以及AI能够应用于哪些场景等内容。
从本质上看，它回答的是“理解AI是什么”的问题。
人类角色知识（Human Actors in AI Knowledge）
这一维度强调个体对于人机协作关系的理解。
它不仅涉及AI能够完成什么任务，更涉及人类在哪些方面仍然具有优势，以及在人机协作过程中需要哪些角色共同参与。
换言之，它关注的是“理解人与AI如何共同工作”的问题。
AI过程知识（AI Steps Knowledge）
这一维度聚焦于AI运行机制的理解。
研究者将其概括为三个关键环节：输入（Input）、处理（Processing）与输出（Output）。
具备这一维度能力的人，不仅知道AI需要什么样的数据才能发挥作用，也能够理解AI如何处理信息，以及应当如何正确解读和使用AI生成的结果。
AI使用经验（AI Usage Experience）
这一维度反映个体在实际情境中与AI互动的经历。
例如，是否使用过聊天机器人、智能推荐系统、生成式AI工具或图像识别系统等。
研究认为，真实的互动经验是AI素养形成的重要基础，因为许多关于AI的判断能力都来源于实践过程中的不断试错与反思。
AI设计经验（AI Design Experience）
这一维度关注个体是否参与过AI系统的设计、开发或配置过程。
虽然并非所有人都需要成为AI工程师，但研究发现，对AI设计过程有所了解的人，往往能够更加准确地理解AI系统的能力边界与局限性，从而形成更成熟的人机协作认知。
AI素养的本质：从“会用AI”走向“理解AI”
这项研究最重要的启示在于，它帮助我们跳出了“工具使用能力”的狭隘视角，重新认识AI时代所需要的人类能力。
真正的AI素养，并不只是学会几个提示词（Prompt）、掌握几个生成式AI工具，或者了解几种机器学习算法。
更重要的是，人们需要理解AI为何能够做出某种决策，认识AI能够做什么、不能做什么，理解人与AI各自的优势与边界，并能够在复杂情境中合理配置人与AI的角色关系。
从这个角度来看，AI素养实际上是一种融合了技术理解、实践经验、批判思维和伦理判断的综合能力体系。
未来，随着AI逐渐从“辅助工具”转变为“协作伙伴”，AI素养或许将像读写能力、信息素养和数字素养一样，成为每个人都需要具备的基础能力。而教育所面临的新任务，也不再仅仅是教会学生如何使用AI，而是帮助他们学会如何理解AI、驾驭AI，并在人机共生的时代中保持人的主体性与创造力。
参考文献：
Pinski, M., & Benlian, A. (2023). AI literacy-towards measuring human competency in artificial intelligence.
往期文章推荐：
人工智能素养量表（Artificial Intelligence Literacy Scale, AILS）的效度与信度研究
