企业需加大投资，提升员工AI素养以应对未来挑战

快速阅读: 人工智能重塑劳动力市场，关键在于能否熟练使用AI。企业加大内部AI素养投资，通过个性化培训提升员工技能，适应技术快速发展。

人工智能不仅在自动化任务，还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的工人与不能者之间的差异。

随着人工智能的指数级增长，人才供需之间出现了显著的不匹配。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——企业正在评估生成式人工智能投资的回报率，技术原生公司向其他行业展示应用场景，而现有的资源也在利用人工智能提高生产效率。

在这种背景下，企业将大量投资用于组织内部的人工智能素养建设变得至关重要。领先的分析和人工智能服务提供商LatentView Analytics认为，当前迫切需要采取积极措施，构建一个协作的工作环境，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，而是会被那些懂得如何使用人工智能的人取代。”LatentView Analytics首席执行官Rajan Sethuraman说。

技能差距

对于公司的首席人力资源官Remadevi Thottathil来说，这一转变在招聘过程中已经显现。随着常规任务的自动化，公司现在更加重视批判性思维、解决问题能力和人工智能素养等技能。“我们讨论技术的同时，更需要的是创造性思维。”她说。

她认为，未来的员工需要具备数据分析能力，同时能够运用想象力有效地指导人工智能。人文、心理学和行为科学等学科重新受到重视。Thottathil解释说，为了让黑白分明的系统像人类一样思考，人们必须教导它表现出更人性化的行为。

劳动力市场分析公司Lightcast的数据表明，市场已经开始奖励成功结合技术和人际交往技能的人才。需要高级人工智能技能的职位比类似职位高出近18,000美元，且需求已远远超出信息技术领域。自2022年以来，非科技行业的生成式人工智能职位增加了800%。

印度的优势

尽管全球对服务业公司施压，要求其超越以人数驱动的增长模式，Thottathil仍认为印度占据优势。“我们仍然是最适应变化的劳动力。”她将当前的变化与打字员到计算机操作员的转变相比较。“拒绝学习计算机的打字员被淘汰了。这种情况将再次上演。”

然而，适应性本身并不足够。招聘和培训体系正在改变，以跟上人工智能快速发展的步伐。例如，筛选简历时，如果候选人没有以人工智能可读的方式撰写申请，就可能被遗漏。

“如果你的简历不是人工智能可读的，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，以防止人工智能筛选工具犯下昂贵的错误。

重新思考学习与发展

更大的挑战在于培训现有员工。传统的年度培训日程已经过时。学习必须高度个性化并融入工作流程中，通过人工智能实时提示员工参加高级课程。

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驱动入职模块首先在SQL、Python、Excel和统计学方面进行诊断测试。人工智能会根据回答调整问题，映射熟练度水平，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，以确定是否准备好接受针对性的培训计划——例如，只有通过高级SQL测试的人才能继续前进，而其他人则会收到定制建议来弥补不足，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。员工可以根据自己的节奏学习，专注于对他们真正重要的内容。

AI驱动的模拟

对于首次担任管理职务的人来说，LatentView Analytics提供了一项名为Rise的混合培训项目。该项目结合虚拟和现场培训，以及AI驱动的模拟，使管理者能够在实际场景中练习给予反馈或处理冲突。AI即时提供反馈，帮助他们在工作中建立信心。

公司还利用AI模拟训练员工的领导力和沟通技巧。这些游戏化的环境允许他们在安全的环境中尝试和失败，同时接收实时反馈。

在技术领域，LatentView Analytics通过在短短三个月内提升超过200名员工的技能，达到了Databricks精英地位，其中近三分之一的员工领导了重大项目，促进了客户获取率提高了15%。

建立具有AI敏感性的全球能力中心

公司还帮助《财富》500强企业在全球建立能力中心（GCCs），在这里面临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。这不仅仅是技术问题，更是人性的细微之处。”Thottathil表示，AI素养现在跨越了人力资源、财务、信息技术乃至行政等多个领域。“没有AI素养，任何部门都难以运作。”

Sethuraman将这一点视为LatentView的优势。“如果一家《财富》500强公司需要组建一支全面具备AI素养的团队，它必须从零开始。而我们已经领先几步。”他说。

Sethuraman观察到生产力已经有了明显的提升。“如果三年前需要100单位的努力，如今只需60或70单位。”他提到，特别是在编码方面，这种影响尤为显著。

然而，CEO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，公司正在增加上下文层，如RAG模型和小型推理系统，以减少幻觉现象。

三层培训框架

LatentView Analytics将其AI培训分为三个层次。

首先，通过像LLM这样的工具提高个人生产力。其次，针对面向客户的解决问题和AI架构的培训。最后，导航AI选项的洪流，涵盖数据层、模型和代理。

这些实验和研发成果大多汇入公司的AI卓越中心，旨在整合学习成果。两位领导人都对那些与实际工作不符的认证持谨慎态度。

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专注于策划相关项目，以赋能自己的团队，帮助客户优化其AI投资回报。

信息明确：不投资AI素养的企业面临落后风险。劳动力的分化将不是人与机器之间的对立，而是适应者与非适应者之间的差距。

(以上内容均由Ai生成)