当我们在给不同的公司做AI项目咨询的时候，几乎每个公司的主管或HR都会问同样的问题：现在AI的发展这么快，我要怎么把非产研的同学们也都培养一下，大家能更好地使用AI，提升工作效率？
由于这个问题提出频繁，也促使我们去思考：在AI时代，当公司提出“无论你是什么岗位，都要加强对AI的使用”的时候，个人应该怎么应对？有哪些必备技能和认知是需要补齐的。基于此，我们做了一些调研，在此和感兴趣的朋友做一个分享。
一、公司的需求是什么？当公司谈到“我们希望员工AI能力能有所提升时”，背后的潜在诉求是什么？掌握AI的技术原理？了解AI技术的前沿发展？根据我们和公司主管或HR的交流，其实都不是。
公司的本质的需求还是“提质增效”。
引用一位高管的原话：“我希望提升员工的AI敏锐度，这样工作可以完成得更快、交付质量更高。”所以，AI的理论、技术掌握并不是重点，公司更期待的是“人+AI → 工作产出”的效率链。
二、产出导向的“AI敏锐度”那么，如何能让这个问题得以解决？我们查阅了相关的研究，发现国内外的主流观点可以总结为以下这个“三层次”。
第一层：对AI的正确认知正如吴恩达在AI for everyone里所说的，AI和人类目前在职场上其实并不是“替代”的关系。因为人能完成的是“Job”，而AI能处理的只是“Task”，所以与其说是AI会替代人，更不如说是互补和协作的关系。
另外，发表在《Science》杂志上的研究文章Experimental evidence on the productivity effects of generative artificial intelligence也提到，目前LLM能处理的工作有它的边界，并不是所有的工作任务都擅长。
这篇文章将工作任务分为两类：一类是在AI能力范围内的任务，另一类是在AI能力范围之外但对于人类可能相对容易完成的任务。
这两类任务的难度相近，但基于任务属性的不同，一类在AI能力范围内，另一类对于AI来说较为复杂且具有挑战性。然后研究发现，AI擅长的任务是创造性任务。
例如，在某个尚未受到足够关注的特定市场或运动领域提出10个创意点子，此类任务是AI擅长的，因为它涉及到创造力的工作。然而，AI不擅长的任务是基于详实数据和访谈给出一个准确答案，即需要根据这些数据指向一个正确答案的任务。
因此，从职场人的角度，我们需要对AI的“边界”和使用条件有清晰的认知——知道什么样的工作是适合AI来做的，什么样的工作还是得自己上；并且能判断和选择使用合适的AI工具来完成对应的工作。
第二层：人机协作技能有了清晰的认知，那么在真正的人机协作中，个人确实需要一些实操技巧来让LLM能更好地产出结果。这部分的能力主要以“提问为主”，即：员工知道在什么样的工作场景中用合适的方法向LLM获得最佳的结果。这部分通常分为三类：
对提示词通用模版的掌握程度：是否提示词通用模版中各个模块的设计技巧，如“角色、任务、要求”等。掌握提示词的进阶技巧：如Few shot，COT等等，并能正确高效地使用。对常用的工作场景，如写作任务、创意生成、方案产出等，能通过LLM获得好的产出。第三层：“人”的底层能力关于人机协作的研究中，还有一个很有趣的发现，就是关于“能力的迁移和重塑”。研究者发现，由于有了AI，过往我们在职场中看中的一些“技能”，如：写作和表达、excel能力等，并不是那么重要了，因为有了AI这个工具，人和人在技能上的差距在逐步变小。反而是在这些技能之下更“深层”的职场软实力，会变得更重要。比如：
分析和判断能力：与AI的合作过程中，个体要扮演判断者的角色，能在AI协作中判断出值得进一步探索的答案和方向、哪些并不值得去做，等等。目标解构能力：当面对复杂任务时，个体能有效拆解和重组任务，来确定哪些是AI介入的task，哪些是人类自己需要发挥的。创造力：AI的创新力往往局限于细节内容的生成，如生成10条创新的文案、生成10种不同的营销策略等……但是，在大方向上的突破和颠覆，依然还是要靠人类自己的努力思考和创新。因此，创新力也是在AI时代中，个人需要的核心底层能力。本文由 @AI 实践干货 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自 Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务