企业采用 AI 的最大障碍不是技术，而是培训

快速阅读: 据《技术点》最新报道，研究显示，企业正加速采用生成式AI，但面临培训不足、旧习难改等挑战。只有45%的公司提供基础培训，40%提供特定应用培训。员工缺乏有效使用工具的技能，导致体验不佳或未尝试。企业需加大培训投入，改善产品易用性，推动AI广泛应用。

科技行业目前面临的最大问题之一是全球企业采用生成式AI（生成式人工智能）应用和服务的速度和程度。我在这方面的深度研究报告（详见：《智能前行之路：企业中的生成式人工智能》）表明，高级采用正在以相当快的速度展开。然而，在这项研究以及我审查的其他研究中隐藏的事实是，生成式人工智能对个人工作者的影响和价值依然存在明显差异。是的，组织正在积极开发利用大型语言模型强大功能的应用程序和流程，但完成这些应用程序并向全企业部署已证明是由于多种原因而极具挑战性的任务。

**生成式人工智能采用的主要挑战和培训差距**

首先，许多企业发现收集必要的内部数据来训练和微调模型——以便它们反映组织的独特知识库——比最初预期的要复杂和耗时得多。其次，即使在数据收集完成后，AI模型的快速演变和可用选项的日益增多使得维护和更新生成式人工智能应用成为一个困难且持续的过程。最重要的是，员工没有接受使用这些新应用和服务所需的培训。

我的生成式人工智能研究中最令人惊讶且令人担忧的发现之一是，只有不到一半的受访的1010家公司提供任何形式的生成式人工智能培训。只有45%的受访者表示他们的组织提供入门级生成式人工智能课程，而只有40%的公司为员工提供特定应用的培训。在现实世界中，这意味着大多数员工不得不自行摸索如何使用和最大化生成式人工智能驱动应用的潜力。这是一个重大的问题，因为正如我们开始看到的那样，生成式人工智能不仅仅是对现有工作流程的增量改进——它从根本上重新定义了工作的进行方式。然而，尽管这些工具功能强大且能力出众，但大多数员工不知道如何有效利用它们。简单地说，没有人天生就是提示工程师。

**相关故事**

苹果可能正在Broadcom的帮助下研发定制的AI服务器芯片；开发者因在其前雇主网络中安装杀毒开关而面临十年监禁。

**结果？**

没有适当培训就尝试使用生成式人工智能工具的员工往往会有不完整且令人失望的体验。更糟糕的是，更大的员工群体甚至从未尝试过——或者根本不知道从哪里开始。（详见我之前的专栏：“设备端AI的兴起正在重塑PC和智能手机的未来”）

**打破旧习惯**

即使有培训可用，另一个主要挑战是克服根深蒂固的工作习惯。多年来一直使用传统生产力套件如Microsoft Office和Google Workspace的员工往往难以采纳新的工作流程。这可能是许多企业在最初急于为部分员工投资生成式人工智能扩展和服务后放缓这些投资的一个关键原因——这也是我在研究中发现的另一个令人担忧的趋势。

调查受访者平均报告称，只有大约三分之一的员工目前可以访问像Microsoft Copilot、ChatGPT或Google的Gemini这样的生成式人工智能工具。此外，他们预计在未来12个月内这一数字只会增加3%，显示出采用速度的减缓。如果没有通过广泛的培训计划实现的明确且一致的生产率提升，许多企业都在努力证明进一步投资生成式人工智能的合理性。

另一个问题是需要重新构想生成式人工智能驱动应用的用户界面。当前的实现方式——例如基于文本的提示工具或办公软件中的侧边栏集成——通常感觉像是早期设计拙劣地附加到现有应用程序上的。这些界面无法与传统工具和工作流无缝整合，常常需要大量的复制粘贴才能发挥作用。与生成式人工智能驱动应用交互的理想方法尚不清楚，但基于语音的UI可能会发挥更大的作用。然而，让人们习惯于对着电脑说话可能比看上去更具挑战性。

此外，AI代理的快速发展带来了新的用户体验挑战。虽然AI代理有可能非常强大，但有效地创建、管理和部署它们并不是一个简单任务。如果设计得直观，它们可能会推动快速采用。然而，鉴于当前生成式人工智能应用和工具的碎片化状态，我对短期内看到重大突破并不乐观。尽管AI代理可能非常强大，但弄清楚创建、管理和调用这些代理的最佳方式显然不是一项容易的任务。

**企业前进的道路**

无论用户界面如何演变，生成式人工智能对员工生产力产生持久影响的唯一途径是企业大幅投资于培训。组织需要开发或引入全面的培训计划，并确保员工积极参与。虽然这一点可能还不太明显，但生成式人工智能注定会改变许多员工每天执行任务的方式。然而，实现这种转变将需要前所未有的劳动力教育。

如果公司真正希望推动广泛的人工智能采用，他们必须将重点转向培训员工如何有效使用这些工具。目前，对这一关键问题的关注度不足。相反，大多数讨论仍集中在AI模型的最新进展及其性能指标上。

如果公司真正希望推动广泛的人工智能采用，他们必须将重点转向培训员工如何有效使用这些工具。如果公司真正希望推动广泛的人工智能采用，他们必须将重点转向培训员工如何有效使用这些工具。

我们还需要看到供应商加大对开发力度的投入，以改善易用性和提高其产品的直观性。这两项都不容易，但如果我们要超越目前主导生成式人工智能世界的单纯为了技术进步而改进技术的故事，这项工作亟需尽早开展。

**鲍勃·奥唐奈简介**

鲍勃·奥唐奈是TECHnalysis Research, LLC的创始人兼首席分析师，这是一家为科技行业和专业金融社区提供战略咨询和市场研究服务的技术咨询公司。您可以在Twitter上关注他@bobodtech

(以上内容均由Ai生成)