AI 素养：弥补人工智能技能差距

根据 AI 治理中心研究员 Sam Manning 的最新研究，美国有 610 万劳动者既面临 AI 的影响，又缺乏适应这项技术的能力。与此同时，IBM 近期调查的近半数高管表示，其员工缺乏大规模部署 AI 技术所需的技能与知识。

考虑到 AI 预计对全球各行业产生的影响，这种技能差距可能带来深远影响。IBM 商业价值研究院的研究显示，87% 的高管认为，员工更可能被生成式 AI 增强而非取代。

他们能否有效利用该技术的潜力，将对整个行业产生重大影响：AI 投资正激增 150%，预计到 2030 年，AI 将使企业生产率提升 42%。多达 70% 的机构计划将这些生产率收益重新投入到创新与增长中。

但如果没有强有力的 AI 素养教育，这些广泛的企业转型可能受阻。要打造未来的工作场所，高等教育机构和企业必须主动培养员工长期成功所需的态度与能力。

AI 素养是指理解、审慎评估并合理使用 AI 系统的能力。它并非专属于工程师的技术技能，而是从基层员工到高管层，组织内各职能、各层级工作者都应具备的基础能力。

通过理解 AI 的能力、局限性及伦理考量，学习者可获得实践与概念两方面的技能。这些技能使具备 AI 素养的人能够在理解 AI 技术及其应用时进行批判性思考。

最基本的 AI 素养意味着知道 AI 能做什么、不能做什么。例如，理解机器学习模型可以识别数据中的模式，但仍需人工监督。更高级的 AI 素养包括能够理解偏见和风险，并就能否在工作流程中部署 AI 做出明智决策。

与主要涉及如何使用软件的数字素养不同，AI 素养需要更深层次的概念理解。

IBM 全球人才招聘与高管寻聘副总裁 Natasha Pillay-Bemath  表示：“随着 AI 处理更多常规编码和文档工作，从业者越来越需要全局思维。”他们的角色必然正在转向“理解端到端的系统，并验证 AI 输出的质量与偏见”。

AI 素养不仅仅是计算机科学。它涉及知道如何使用 AI 工具、理解它们如何运行、如何推理，以及最适合应用于哪些任务。它也是工作方式发生根本性转变的体现：“采用 AI 需要思维模式的转变，”IBM Consulting 的 Glenn Dittrich 和 Kim Morick 写道。“这不仅需要对技术技能进行投入，还需要对同理心、批判性思维和好奇心等能力进行投入。”

人们对 AI 的理解速度尚未赶上 AI 使用量的急剧增长。随着 2022 年 OpenAI 推出 ChatGPT，大批公众首次接触到生成式 AI。如今，据 Gallup 调查，在所有行业中，12% 的在职成年人每天在工作中使用 AI。在技术、金融等 AI 高采用率的行业，员工使用频率更高。

但随着各类组织部署从客服聊天机器人到生成式内容工具等 AI 工具，许多员工仍缺乏负责任且有效使用这些工具的基础知识。

根据麦肯锡近期的研究，对 AI 熟练度的需求在两年内增长了七倍，增速超过美国职位发布中的任何其他技能。与此同时，世界经济论坛预计，全球劳动力所需的 40% 的技能 将在五年内发生变化。

技能差距会带来实际后果：不了解 AI 局限性的员工可能过度信任其输出结果。持怀疑态度的员工则可能未能充分利用具有变革性的工具。而未能理解 AI 模型的管理层则无法设计出能为整个组织提供真正价值的实施方案。随着技术日益复杂，这些问题会相互加剧。

此外，随着企业 部署  AI 智能体和更多自动化软件，治理系统变得更为复杂。 直观的应用程序、仪表盘、无代码选项和自然语言查询虽然都提高了可及性，但仍需具备 AI 素养才能安全操作。

而随着一些 AI 试点项目停滞不前，各组织难以看到立竿见影的效果，人们越来越清楚地认识到，该技术的潜力远不止于简单的技术实施。当组织重新设计工作流程、员工适应新的工作方式时，他们能看到更多价值。所有这些工作都需要对与 AI 相关的工作场所工具和技能有细致入微的理解。

“初级岗位正从纯粹的任务驱动型工作转向分析、解决问题 和负责任地使用 AI，”IBM 全球人才招聘与高管寻聘副总裁娜 Natasha Pillay-Bemath  说道。她指出， 对于新员工而言，学习敏捷性如今已与技术技能 同等重要。

AI 素养是一组相互关联的技能，它们协同发挥作用。理想情况下，这是一套跨学科、实用、针对特定结果和角色量身定制的能力。虽然 AI 素养的具体路径可能因 技能水平目标不同而变化，但世界经济论坛最近针对教育场景提出了一份 AI 素养课程草案。世界经济论坛的四支柱 AI 素养框架包括：

• 接触 AI：了解 AI 的应用，并能够评估其输出结果
• 利用 AI 进行创造：理解如何与 AI 工具协作，并牢记伦理考量
• 管理 AI 的行为：负责任地将任务委派给 AI，并确保人工监督
• 设计 AI 解决方案：理解 AI 的工作方式，以解决日常生活中的问题

其他一些实用形式的 AI 素养可能包括：

• 理解 AI 的工作原理：在概念层面理解 AI 是什么，机器学习系统如何从数据中学习，以及各种软件和算法的优势与局限。
• 评估 AI：批判性地评估 AI 时，使用者能够判断 AI 输出的准确性、偏见和可靠性。例如，这一过程意味着知道何时需要验证，或者何时应完全拒绝 AI 生成的结果。
• 应用 AI：实际应用 AI 涉及知道如何针对特定任务和工作流程有效使用 AI。

运用 AI 的伦理、社会和治理框架：负责任的 AI 素养包括在更广泛的背景下理解 AI 的影响：隐私、公平性、问责制和可解释性。 真正具备 AI 素养的用户明白，部署 AI 不仅仅是技术决策。

生成式 AI 素养是 AI 素养的一个特定子集，专注于大语言模型 (LLM) 和其他生成式系统。随着生成式 AI 工具在组织工作流程中日益深入，这一维度已变得迫在眉睫。

其中一个关键方面是理解“幻觉”这一概念，并鼓励用户对 AI 的输出结果保持一定程度的质疑。另一个方面是优先考虑负责任的使用。例如，了解哪些内容不应与外部 AI 系统共享，或者识别何时某项任务并不适合使用生成式 AI。

生成式 AI 素养的其他重要方面包括：

• 理解训练数据
• 考虑知识产权和版权问题
• 识别模型的局限性
• 保持数据隐私意识

AI 素养是稳健数字化转型的基石。IBM Consulting 人力资源技术合伙人 Kimberly Morick 表示 ：“有意义的实施远不止是激活新技术那么简单。“成功需要细致理解结构化和非结构化数据如何相互补充，洞悉 AI 的学习机制，并在关键决策点进行战略性的人工监督。”

她补充道：“没有这一基础，组织就有可能部署强大的工具却收效甚微。”

在企业环境中培养 AI 素养的一些最佳实践包括： 

有效的 AI 素养项目始于对组织现状的如实评估。既要评估企业现有的 AI 素养水平，也要判断未来需要哪种类型的素养。一次有意义的基线评估可以从多个维度来衡量素养：

• 正在使用哪些工具？使用效果如何？
• 特定岗位最需要哪些能力和概念理解？
• 组织内已经具备哪些技能？如何最好地利用这些技能？

在基线评估过程中，梳理各岗位在短期和长期内预期会发生的变化会很有帮助。通过规划岗位再设计，组织有助于确保员工具备未来所需的技能，并帮助员工看到 AI 素养在现实中的价值。

IBM 人力资源与人才转型副合伙人 Sarah Damenti 表示：“通过将每一次工作流程自动化都视为开展新的创造性工作的潜在机会，规划过程就能释放出潜在价值。” 

在拥有众多不同岗位的大型组织中，单一课程有时效果不佳。一刀切的培训或网络研讨会，同时面向一线员工和 IT 人员，可能会适得其反。成功的组织会认识到不同岗位需要不同的技能，并相应地进行个性化培训。借助 AI，组织可以为员工创建个性化、针对具体岗位的学习路径，并 考虑其现有的熟练程度。 

虽然所有员工都具备对 AI 工作原理的基本理解至关重要，但有效的企业 AI 素养项目应围绕员工在实际工作中可能遇到的具体工具来构建学习内容。这种 方法能弥合“了解 AI”与“知道如何在真实工作流程中有效使用它”之间的差距。设计良好的 AI 素养模块会引导员工完成具体的实操场景，而不是培训抽象概念或通用工具。 

真正的 AI 素养取决于在实际情境中批判性评估 AI 输出和潜在错误信息 的能力。具有前瞻性的企业会通过有意识的练习和反馈来明确地培养这种技能——那些频繁使用 AI 系统却缺乏评估方面的结构化练习的员工，随着时间的推移可能会变得更加依赖这些系统。

例如，加州大学圣塔芭芭拉分校技术管理副教授 Matt Beane 实践了一种方法，鼓励用户反思自己使用 AI 时的选择。正如 Beane 向 IBM 所说的那样，他将小型学徒团队与资深员工配对，由资深员工指导小组利用 AI 工具完成 一系列挑战。在复盘环节中，各小组回答一系列问题，以揭示他们无意识的假设或寻找替代方案。 

有效的 AI 学习实践的一个基础是建立内部倡导者网络。这些人在不同职能部门担任各种职务，他们对 AI 充满热情，并愿意分享自己的知识和经验。通常，对 AI 素养的热情会从高层向下传递；关键的利益相关者应能熟练使用 AI，并能够解释它将如何为组织带来价值。

当员工对新工具的潜力感到兴奋时，他们更有可能深度参与 AI 素养项目。

这些内部倡导者还可以发现员工正在试验的新的 AI 用例或意外的失败案例。这种反馈循环对于保持政策和学习项目与整个组织中 AI 使用的实际情况相连接至关重要，从而为后续培训提供信息。 

缺乏强有力的治理教育的 AI 素养是不完整的。有效的企业 AI 素养项目应建立在清晰的治理框架之上。这种方法意味着需要制定关于可接受使用的明确政策，教导用户哪些类型的数据可以输入 AI 系统，以及 AI 生成的输出在使用前应如何注明出处。AI 素养项目还应让各级员工都能看到治理保障措施，从而鼓励合规文化。

学习需要试错，真正的 AI 素养需要培养一种重视迭代的文化。在实践中，这种方法意味着要投入时间和资源进行实验，例如内部黑客马拉松。Morick 将这种 思维模式称为“像初创公司一样思考”。

“AI 是每个人的事业，”她说。“每个人都需要主动担当，问自己：我怎样才能在工作中更高效？我怎样才能通过自己的工作为组织带来更快、更高价值的结果？” 通过有意识地创造安全的实验空间，组织可以培养长期的 AI 素养，并激发对新创意的热情。

将 AI 素养视为组织的长期优先事项而非一次性举措的组织，更有可能取得成功。在未来几年内， 多达三分之一的工作时间可实现自动化，这 使得这一优先事项变得尤为紧迫。 那些将 AI 素养视为一次性努力的组织，其员工队伍将在数月内落后。他们还会错失发展员工技能和保障未来福祉的机会。

持续优先开展 AI 学习体验，需要结构性投入，并将其融入现有人才发展流程中。这也意味着要从长远角度重新思考技能发展。

例如，一些组织正加大入门级岗位的招聘力度，并专注于培养一套不同的技能。截至 2026 年，67% 的首席执行官认为  AI 将增加其入门级员工数量，而 IBM 最近宣布今年将把入门级招聘人数增加两倍。但这些岗位已被重新设计，优先强调批判性分析和对 AI 的人工监督，而不是更常规的重复性任务。

Pillay-Bemath  说：“如果 我们 不 继续投资于入门级招聘，三到五年后会发生什么？人才管道将 不复存在，源泉会彻底干涸。”

优先发展 AI 素养不仅仅意味着为资深员工提供职业发展培训。它关乎重新构想整个组织如何培养技能，以实现持久的成功。