2024 年诞生式 AI(GenAI) 与岗场 ： 知悉及用情况汇报(英文版)

生成型AI专业使用和感知调查 在新兴的差距中，知识就是力量 执行摘要 自OpenAI的ChatGPT获得突出地位以来，生成AI在这一年中产生了相当大的影响。 好到伟大 但是，用吉姆·柯林斯的话来说如果生成式AI是那辆公交车，商业领导者仍然需要确保车上的人是正确的，人们坐在合适的位置上，并且领导者知道要将这辆车开往何处。 在Contentful，我们的目标是将客户置于最佳位置，充分利用数字内容和任何有助于他们与关心的受众进行互动和沟通的技术。显然，生成式AI（以下简称genAI）属于此类技术。随着我们继续预测其能力并将其纳入自己的产品路线图中，我们希望更好地了解塑造客户优先级和使用情况的背景和态度。 在对全球范围内820名从事各种技术与非技术角色的专业人士进行首次调查中，我们力求了解那些潜在的公交乘客如何看待生成式人工智能（genAI）带来的机遇和潜在风险。 对我们而言，理解业务各领域人员对生成式AI（genAI）的看法提供了必要的背景。我们的客户基础涵盖了广泛的角色和部门：市场营销人员及其他业务用户、各种描述的设计者、数字战略师、开发人员以及工程师。 我们对多种不同的角色进行了调研，以了解它们之间差异和相似之处如何影响这些角色对生成式人工智能（genAI）的使用方式。特别地，我们寻求了那些经验足够丰富，能够从超越自身角色的角度出发提供观点的人们的看法，同时又不是级别太高以至于与日常工作的细节脱钩的人。 我们发现：不仅仅是技术和非技术角色之间的地理差异或区别，也许the显著的特点在于，最能体现受访者之间有意义差异的是他们自我报告的对生成式人工智能（genAI）的知识水平。 在生成式AI方面，自称非常了解该领域的人员与其他人之间存在显著差距。 不管他们是否在技术或非技术角色认为自己对生成式人工智能 （genAI）了解深入的人正在对其进行最多的实践应用。他们正在进行实验，探索并确定生成式人工智能在其工作和目标对象中产生积极影响的方式和领域。这才是生成式人工智能真正价值的体现。 尽管存在差异，支持者和非支持者在多个议题上仍达成了一致，包括需要披露使用生成式人工智能的情况、这些新工具将要求学习新技能，以及希望拥有开启和关闭生成式人工智能功能的能力。 大多数人——尤其是那些对genAI了解较少的人——希望得到更多关于如何负责任地使用它的指导。 我们正站在量身定制的生成式AI工具浪潮的边缘：有三分之二的受访者表示，他们的企业要么已经制定了使用某种类型的定制大型语言模型（LLM）的计划，要么正在考虑这样做。对于那些已经有计划或正在考虑的公司而言，倾向于使用现有的大型语言模型而非自行训练的比例略高一些。 超过四分之三的受访者在工作中支付访问了生成式AI工具。只有24%的人在我们的调查中不支付费用使用生成式AI工具——并且几乎同样多的人自己支付费用（完全或在雇主资助的基础上额外支付）来使用这些工具。 埋头忽视生成式人工智能（genAI）的消失并非有效的策略——无论是对个人还是对企业而言。生成式人工智能已经在改变许多人的工作方式，这预示着一种潜在的快速增长的差距：那些能够赋能员工使用这些工具的企业与那些不能的企业之间。 ContentfulGenerativeAI专业人员使用和感知调查3 经验、态度和看法 每个人都是genAI专家 我们的数据集存在固有的偏见——感觉自己了解某个主题的人更有可能对该主题的调查做出回应——但很明显，大多数调查受访者感觉自己在生成式AI方面具备一定的专业知识。已经如此！接近五分之一（18%）的受访者将自己的知识水平评为“5”（共五个等级），而71%的人给自己评了“3”或“4”。 技术受访者在人工智能生成（genAI）专业知识方面给自己评分4或5的可能性比非技术受访者更高。（同样，美国人和男性也更有可能这样做——这与所有类型调查中的一般趋势相符。） GenAI的自我评估知识 总计n=820，技术n=390，非技术n=430 按角色 技术受访者更有可能频繁使用生成式人工智能工具，具体而言，无论是专业上还是个人生活中，都倾向于每天使用。非技术受访者更有可能未曾使用生成式人工智能，仅偶尔尝试过个人使用，并且在工作中每月使用几次 。 专业genAI使用频率 总计n=820，技术n=390，非技术n=430 个人使用genAI的频率 总计n=820，技术n=390，非技术n=430 按知识 或许不出所料，认为自己对生成式AI了解甚深的人也往往是使用它频率最高的人。同样，声称对生成式AI了解不多的人很可能表示他们要么从未使用过它，要么只是试用了一两次。 专业genAI使用频率 高AI知识n=148，4n=332，3n=244，小AI知识n=96 个人使用genAI的频率 高AI知识n=148，4n=332，3n=244，小AI知识n=96 那些尚未在专业或个人层面使用生成式AI的人群中，我们看到了怀疑、担忧以及缺乏知识或机会的混合情绪。 受访者中，那些表示既没有在职业上也没有在个人生活中使用生成式人工智能（genAI）的人被要求在开放式的回答中解释原因。在159名表示无论是在职业上、个人生活中还是根本未使用过生成式人工智能的受访者中，最常见的理由包括缺乏兴趣或需求、缺乏知识、担忧或恐惧，以及缺乏机会（详见第7页的数据）。 我们仍在探索将AI融入工作模式的适当方法，以便使其成为一种助力而非负担。 另一部分（12%）表示他们要么已经在某个场景中使用了生成式人工智能（genAI），要么即将开始使用，通常是在职业环境中。在这第二批受访者中，有些人表示他们正在等待公司制定有关如何使用生成式人工智能的指导方针或政策。例如：“我们仍在寻找一种适当的方法，在我们的工作模式中利用AI，以便使其成为一种助力而非负担。” 受访者中有相似的比例表示没有理由或不确定为何尚未使用生成式人工智能。其他原因包括对功能或输出的批评、数据保护或隐私问题以及缺乏指导。 不使用genAI的最常见原因 没有兴趣或需要 29% “不需要它，相信人们太依赖它了。“到目前为止还没有这个需要。”“我还没有想到我想用它，也许在将来。 “我没有理由使用它，因为我喜欢自己写作和想出想法。”“不用担心，我只是不需要。我手工做事情。” 担忧或恐惧 13% “还没有解决这个问题，也有很多担忧 。” 我不really信任它。我不认为这是一件好事。我尝试过，我不喜欢因为它夺走了人们的创造力。我认为他们需要小心人工智能，它可能会掌控世界。我担心它没有得到适当的监管。 缺乏知识 16% 对它了解不足，或对其Accessibility的获取不够。愿意学习更多。 不知道如何使用它或它是用于什么 的。 对它了解不足。 对该工具不够熟悉，无法使用它。 缺乏机会 11% “我只是没有时间考虑有用的应用程序。 “专业级别的防火墙问题。个人使用没有问题。” “我只是还没有遇到它，我 如果它出现了，我会尝试的。"“它还不适用。” 总体而言，对genAI的热情很强 在整个调查样本中，我们的受访者对生成式人工智能（genAI ）表现出极大的热情（平均评分为3.79，中位数为4.0，标准差为1.0），并且他们认为雇主的领导层对genAI的热情与自己的感受相当（平均评分为3.77，中位数为4.0，标准差为0.94）。这些顶级结果让我们感到有些意外——我们本以为个人对genAI的看法和公司领导层的热情之间可能存在明显的差距，但实际上并没有明显的差异。 对genAI的热情 总计n=820 我们假设不同地理区域对生成式人工智能（genAI）的热情可能存在显著差异，但实际情况并非如此。在整个区域内，受访者对genAI的热情程度和管理层对genAI的热情程度之间仅存在细微差异。即使在地区之间也几乎没有显著差异，这些差异主要可以归因于样本大小 、受访者角色的集中程度以及文化因素对评分尺度的影响。 你对GenAI有多热情？ 总计n=820，美国n=203，加拿大n=104，澳大利亚n=102，欧洲n=360 你认为管理层和/或商业领袖对genAI有多热情？ 总计n=820，美国n=203，加拿大n=104，澳大利亚n=102，欧洲n=360 到目前为止，最具意义的差异取决于自我宣称的生成式人工智能 （genAI）知识水平。那些知识水平最高的人也往往是热情最高的——他们自己比认为管理层或企业领导者更为热情。而在知识 你对GenAI有多热情？ 水平较低的一端，这种关系则相反。表示知识水平较低的受访者 认为管理层对生成式人工智能的热情程度高于他们自己。 这突显了此次调查中一个最为重要的发现：那些认为自己对生成型人工智能（genAI）更为了解的人（尤其是非常了解的人）与其他人之间存在显著差异。正如我们将进一步探讨的那样，这种正在出现的差距是企业应当识别并采取行动的。 总n=820，高AI知识n=148，4n=332，3n=244，小AI知识n=96 你认为管理层和/或商业领袖对genAI有多热情？ 总n=820，高AI知识n=148，4n=332，3n=244，小AI知识n=96 教授的观点：SamMaglio的观点 山姆·马格里奥 多伦多斯卡伯勒大学市场营销与心理学教授 专业知识：富人与穷人之间的裂痕 它几乎毫不意外的是，技术专业人士对生成式AI的知识比非技术同行更为丰富。他们的工作可能需要掌握这些知识。他们的个性类型可能使他们对这一领域感兴趣。当这种知识差距将他们引导至截然不同的地方时，事情变得有趣起来。 当他们思考未来时，那些已经掌握了很多技术知识的专业人士认为自己在未来需要学习更多技能。将这一点视为反常识的可能很诱人：既然他们已经知道这么多，非技术人员才是应该期待更高学习需求以追赶的人群。但这种看法忽视了一个雪球效应的心理过程。未来承诺的最佳预测指标之一就是在过去已经做出了多少努力。较小的承诺在过去拥有知识会激发学习越来越多的欲望。 热情的专家认为企业领导者充满热情；而那些不太热情的人则认为企业领导者与他们持有相似的平淡态度 。这正是心理学家所说的完美例子，即认知偏差（cog nitivebias）。天真现实主义人们认为外部存在着一个客观的世界，他们自己能够清楚地看到它，并且任何有理智的人会以相同的方式看待事物。 这种趋势使得技术人员和非技术人员对他人有不同的看法。但谁是对的？证据支持技术人员的观点。证明这一点，只需看看两个thirds的企业已经制定了数字化转型的愿景这一事实。LLM在他们的公司在制定计划中。我们可以祝贺技术人员他们在这方面预测的优势。但作为管理者，我们更应该帮助非技术人员提升这方面的能力。如果不准确地预见未来，他们可能会被落下。这将是一种遗憾，因为新的研究这表明他们是最有可能在工作中获得生成AI好处的人。 技术人员对生成式AI（genAI）略显更为乐观，非技术人员则略显悲观，而所有人普遍认为其他人与他们持相同观点。 知识越高，使用genAI节省的时间就越多 受访者中有38%表示，他们每周使用生成式人工智能工具可以节省大约1到4小时的时间。令人印象深刻的还有，37%的受访者每周能节省5到10小时的时间，而11%的受访者每周节省的时间超过10小时。 保存的小时数 通过使用genAI 总计n=820 按知识 具备更高水平生成式AI知识的受访者更可能通过使用这些工具每周节省更多时间，其中最了解生成式AI的21%的受访者每周节省超过10小时的时间。相比之下，知识最少的受访者节省的时间最少。 使用genAI节省的小时数 按角色 生成人工智能知识水平在决定谁更多地利用生成人工智能节省时间方面比技术职位与非技术职位的差异更为重要，尽管两者之间也存在一些差异。值得注意的是，技术职位的受访者每周更有可能节省5至10小时，而非技术职位的受访者每周节省的时间少于一小时。 高AI知识n=148，4n=332，3n