企业亟需投资AI素养，适应未来工作需求

快速阅读: 人工智能重塑劳动力市场，关键在于熟练使用AI技术的工人与不具备此技能的工人之间的差距。企业需加大AI素养培训投入，适应技术变革。

人工智能不再仅仅是自动化任务，它正在重塑劳动力市场的格局。关键的分歧点不是人与机器之间，而是能够熟练使用人工智能技术的工人与那些不具备这种技能的工人之间的差距。

随着人工智能的指数级增长，人才供需之间的巨大差异日益明显。由于只有有限的人工智能专家资源，这成为了一个集体学习的时期——企业仍在评估生成式人工智能投资的回报率，科技公司正在向其他行业展示应用场景，而现有的资源则通过使用人工智能来提高生产力。

在这种背景下，企业必须在组织内部构建人工智能素养方面投入大量资金。领先的分析和人工智能服务提供商LatentView Analytics认为，当前最迫切的需求是采取积极措施，建立一个协作型劳动力市场，使人类智慧与人工智能能力相辅相成。

“未来，你不会被人工智能取代，而是会被懂得如何使用人工智能的人所取代。”LatentView Analytics首席执行官Rajan Sethuraman表示。

技能差距

对于公司首席人力资源官Remadevi Thottathil来说，这一转变已经在招聘过程中显现。随着常规任务的自动化，企业现在更加重视批判性思维、解决问题能力和人工智能素养。“尽管我们讨论了技术，但更需要的是创造性思维。”她说。

Thottathil认为，未来的员工不仅需要具备分析数据的能力，还需要运用想象力有效地提示人工智能。人文科学、心理学和行为科学正重新受到重视。她解释说，为了让一个黑白分明的系统像人一样思考，人们必须指导它表现出更人性化的行为。

劳动市场分析公司Lightcast的数据表明，市场已经对成功适应人工智能劳动力所需的综合技术和人文技能给予了回报。

需要高端人工智能技能的职位比类似不需要这些技能的工作高出近18,000美元，而且需求已经远远超出信息技术领域。自2022年以来，非技术部门的生成式人工智能职位增长了800%，据Lightcast数据显示。

印度的优势

尽管全球服务型企业面临从依赖人力数量转向质量的压力，Thottathil仍认为印度具有优势。“我们仍然是最具适应性的劳动力市场。”她将这种情况比作打字员向计算机操作者的转变。“拒绝学习计算机的打字员被淘汰了，这种情况将会再次上演。”

然而，仅仅适应性还不够。招聘和培训体系也在发生变化，以跟上人工智能快速发展的步伐。例如，筛选简历时，如果求职者没有以AI可读的方式描述自己的申请，可能会导致错误。

“如果你的简历不是AI可读的，你可能会错过机会。”Thottathil警告说。招聘人员也需要掌握提示工程技能，以防AI筛选工具做出代价高昂的错误决定。

重新思考学习与发展

更大的挑战在于培训现有员工。传统的年度培训计划已经过时。学习必须高度个性化并嵌入工作流程中，利用AI在员工工作时实时提示他们参加高级课程。

LatentView Analytics已经围绕这一点重新设计了其学习策略。其数据分析训练营的AI驱动入职模块首先进行SQL、Python、Excel和统计学的诊断测试。AI会根据回答调整问题，映射熟练程度，并构建个性化的课程。

对于专业角色，还会进行更深入的预评估，以评估准备情况，制定针对性的培训计划——例如，只有通过高级SQL测试的人才能继续前进，而其他人则会得到定制的建议来弥补不足，确保他们为未来的机遇做好准备。

除了入职培训，LatentView Analytics还使用AI驱动的平台设计基于技能水平、兴趣和职业目标的个性化学习路径。员工可以按自己的节奏学习，专注于对自己真正重要的内容。

AI驱动的模拟

对于首次担任管理职务的人来说，LatentView Analytics开展了一个结合虚拟和现场培训的项目，名为Rise。该项目通过AI驱动的模拟，让管理者练习实际场景，如提供反馈或处理冲突。AI即时提供反馈，帮助他们在工作中应用这些技能之前建立信心。

该公司还使用AI模拟来培训员工的领导力和沟通技巧。这些游戏化的环境让他们可以在安全的环境中尝试和失败，同时获得实时反馈。

在技术领域，LatentView Analytics通过三个月内对超过200名员工进行培训，达到了Databricks精英状态，其中近三分之一的员工领导了重大项目，使客户获取量增加了15%。

构建具有AI敏感度的全球能力中心

该公司还帮助《财富》500强企业在全球设立能力中心（GCCs），这里的挑战不仅限于技术技能，还包括文化差异。“不同的国家，不同的文化背景，不同的敏感度。这些不仅仅是技术问题，更是人的细微差别。”Thottathil说，强调AI素养现在横跨人力资源、财务、信息技术乃至行政管理等多个领域。“没有AI素养，任何部门都将难以运作。”

Sethuraman将这一点视为LatentView的优势。“如果一家《财富》500强公司需要组建一个全面的AI素养团队，它必须从零开始。而我们已经领先了几步。”他说。

Sethuraman已经观察到明显的生产力提升。“如果三年前需要100个单位的努力，如今只需60或70个单位即可完成。”他提到，尤其是编程方面，已经取得了显著的影响。

然而，这位首席执行官也警告不要过度依赖概率模型。“并非所有现实问题都是概率性的。企业经常担心你将概率方法应用于确定性问题。”为了解决这一问题，公司正在增加诸如RAG模型和小型推理系统等上下文层，以减少幻觉现象。

三层培训体系

LatentView Analytics将其AI培训分为三个层次。首先，通过大型语言模型等工具提高个人生产力。其次，培训面向客户的解决问题能力和AI架构知识。最后，导航AI选项的洪流，涵盖数据层、模型和代理等方面。

许多实验和研发成果都汇集到了公司的AI卓越中心，旨在整合这些学习成果。两位领导人都警惕那些与实际工作不匹配的认证。Thottathil称大多数认证为“认可”，而非能力证明，而Sethuraman指出，认证通常与特定平台绑定。相反，LatentView专注于策划相关课程，赋能其团队帮助客户优化AI投资回报。

信息明确：不投资AI素养的公司将面临落后的风险。未来的工作力分化不会是人与机器之间的对立，而是适应者与不适应者之间的区别。

(以上内容均由Ai生成)