核心观点与关键数据
- 员工能力要求：无论职能、角色或级别，每位员工都需具备评估AI如何及何处能为工作创造最大价值的能力，并掌握将合适技术融入流程及培养互补人类技能（如判断力、道德监督、人际交往和创造性问题解决）的方法。
- AI与就业：AI和自动化导致大规模失业的担忧 largely unfounded。多数行业仍显示 net positive 招聘需求。机会在于员工需调整角色以更高效地与AI协作。
- AI应用现状：人才获取职能的AI应用最成熟，近半英国雇主 (45%) 正在利用AI进行招聘和入职。多数雇主 (80%) 认可候选人在招聘过程中使用AI（如搜索信息、了解公司、准备面试）。南美公司在招聘、培训和入职的AI早期应用方面领先。
- AI局限性：雇主认为AI无法替代或增强某些人类技能，如道德判断和个性化客户服务。高投资成本仍是主要障碍 (41%)。仅11%的英国CIO和高级技术领导者表示AI在其组织内完全集成。亚洲太平洋地区33%的公司将员工缺乏AI技能列为最大的采用障碍。
- 员工AI技能认知：92%的英国员工对自身工作能力有 moderate to high confidence，81%认为拥有有效完成工作的技术和工具。但低AI素养的员工对AI在工作场所的负面看法更强烈，更易感到焦虑和恐惧。
- 管理者态度：管理者更青睐展示AI素养的员工，认为其应获得更好的绩效评估。
员工AI技能提升建议
- 理解职业持久性：职业持久性包含硬技能、软技能、机构知识、应用技术技能和成长心态，AI proficiency 是应用技术技能的体现。
- 了解工作场所AI：区分生成式AI（如ChatGPT）和能动式AI（可自主行动），了解公司部署的AI类型。
- 研究AI应用场景：探索AI如何改进自身职能的业务成果，如人力资源中的“人才智能”。
- 提出试点方案：向经理提出AI应用试点想法，明确业务 justification、资源 allocation 和预期收益，采用“快速失败”模式。
- 衡量与推广成果：设定成功标准，跟踪ROI（如收入增长、成本降低、客户满意度），并通过内部外部渠道展示成果。
- 参加相关培训：利用公司提供的培训或免费在线资源（如Google、Microsoft、AWS、DeepLearning.AI）学习 prompt engineering 和 LLM。
- 强化人类技能：培养AI难以替代的竞争力（如创造力、解决问题能力）和协作能力（如道德监督、清晰沟通）。
- 争取试点支持：与IT或创新团队沟通，争取小范围试点机会。
雇主AI整合建议
- 侧重增强而非自动化：AI更倾向于增强而非完全自动化工作，人类在需要微妙判断或情感互动的岗位上仍不可或缺。
- 与信任的伙伴合作开发测试模型：利用现有HR技术供应商的AI组件，分领域实施，并视新方案为持续改进的工作进程。
- 实施持续技能提升计划：提供AI素养培训，整合实际操作练习，缩短技能获取时间。
- 始终融入人工监督：AI处理数据分析或初稿，但人类需提供 context、道德判断和情感 intelligence。需重新设计多数角色以最大化人机协作（AI处理重复性任务，员工专注人类优势领域）。
- 内部整合优先于外部商业化：先在内部部署AI，提升运营效率后，再向客户和其他利益相关者展示，减少潜在错误和声誉风险。
