AI流利度：美国经济竞争力的下一个基础

人员与组织绩效实践人工智能熟练度：美国经济 竞争力的下一个基础 人工智能的发展速度超过了组织适应的能力。要达到下一个生产力前沿，将取决于整个经济体的劳动者获得所需的习惯和技能。 阿列克谢·克里夫科维奇、布鲁克·韦德尔和莫里斯·奥贝德 著 随着美国迈过其250周年，人工智能已成为下一阶段经济增长的关键技术之一。纵观美国历史，持续的经济增长依赖于广泛的能力转型。工业时代需要能够操作日益复杂的机器的工人。信息时代则要求各行各业普遍具备数字素养。在每一次转型中，美国经济都成功地适应并建立了新的经济优势。 如今，人工智能熟练度正迅速成为工作领域的通用语言，也是下一阶段竞争力的先决条件。工人们在日常生活中运用和管理人工智能的实践能力、将其融入工作流程、批判性地评估其输出结果，以及日益重要的、利用其进行创造，正在改变工作的执行方式。与许多早期技术能力（如云计算）主要只与专家相关不同，对人工智能熟练度的需求正蔓延至所有类型的工人、行业和工资群体。一项始于技术技能的要求，正成为知识工作者、蓝领工人、管理者、学生和普通公民必备的能力。 这一转变至关重要，因为人工智能的经济潜力并非仅靠技术就能实现。最大的收益将来自于组织重新设计工作方式——在人与人、智能代理和物理自动化之间创造新的协作形式。AI熟练度是这场转型的通用语言。随着越来越多的公司和组织成功建立起这种熟练度，美国经济也将从中受益——事实上，几乎每个国家的经济都可能从其人民掌握这项技能中获益。在下文中，我们将探讨熟练度的基本要素、它与生产力和价值的直接联系、公司为建立熟练度所采取的步骤、其对整个经济的影响，以及建立动力的协作需求。 从数字素养到人工智能熟练 过去三十年来，数字素养的普及已经改变了劳动力市场。或许难以回想，但诸如文字处理、电子表格操作和网页设计等技能曾经是专家的专属领域。如今，它们已成为几乎所有职业的基本要求。人工智能的熟练运用似乎也必将遵循类似的路径——只是速度要快得多。 其核心在于，要懂得何时以及如何运用人工智能以达成更优结果——并且，一旦将工作委托给人工智能，还需懂得如何验证和改进结果。关键在于，人工智能的熟练运用也意味着要增强那些随着人工智能日益强大而愈发宝贵的人类独特能力：提出正确的问题、在不确定性下运用判断力、将想法整合为引人入胜的叙事、理解他人，以及在何时挑战或覆盖人工智能生成的输出。总而言之，人工智能的熟练运用结合了实用的AI能力与以人为中心的原则——如审慎的判断力、适应性、协作、持续学习和负责任的决策——这些是有效应用人工智能所必需的。正如数字素养之前一样，人工智能的熟练运用正迅速成为一种基础能力，它能放大工作者已具备的专业知识，使他们能够正确运用时，更快、更好地完成更多工作。 随着人工智能的发展，使用其的熟练度也在提升。早期的讨论集中于有效使用人工智能工具和负责任地管理它们。如今，其定义已扩展至包含使用人工智能进行创造和发展。诸如通过自然语言提示构建应用程序、协调人工智能代理，甚至“氛围编程”等新能力正迅速成为工作流程的一部分。 对人工智能熟练掌握的需求几乎是三年前的14倍（展品）。劳动力市场的需求变化速度如此之快，鲜有其他需求能与之相比。1 尽管需求目前仍主要集中在技术和商业领域，但已开始扩展到工程、技工乃至教育等各个领域。很明显，人工智能熟练掌握并非一项固定的技能组合，而是一项快速发展的能力，正成为整个劳动力市场的基础。 为什么人工智能熟练度是价值捕获的关键 人工智能代理和机器人到2030年可能为美国经济解锁约2.9万亿美元年度价值。但正如公司所学的，要捕获这一价值，不仅需要部署新技术，还需要组织重新思考工作如何从根本上完成。 展品《美国250：AI流利度》展品《1》中的《1》 对人工智能的熟练度需求在过去三年中增长了13.6倍。 要求具备人工智能熟练度的美国职位的员工，百万 麦肯锡公司 组织将从人工智能中通过不同方式创造价值。部分价值是横向产生的，通过使组织内所有员工都能利用人工智能来提高他们自身的生产力。额外的价值是纵向产生的，通过重新设计特定领域的业务流程，并构建针对特定职能或业务流程量身定制的、人工智能赋能的解决方案。 人工智能带来的最大收益不太可能来自第一类，即逐一自动化任务。公司已经注意到，虽然大多数员工都在富有成效地使用这些工具，但企业价值却在无形中流失。相反，最大的收益将来自于重新设计工作流程，围绕人与人、代理人和机器人之间的协作展开。在过去的绝大部分时间里，组织都是围绕人类执行工作、做出决策以及相互协调而设计的。技术最多只是一种支持这些活动的工具。然而，工作将越来越多地由结合了人类判断和机器智能的团队来执行。挑战并非简单地采用人工智能——而是要学会如何有效地协调这些新的协作形式。 那就是人工智能熟练掌握变得至关重要的地方。人工智能熟练掌握是指帮助员工确定该交给人工智能代理处理什么、在采取行动前该核实什么、该将哪些问题升级给人类决策者，以及人类判断、创造力和问责制必须留在决策回路中的能力。94%的员工熟悉这些工具，而且许多人已经在自己的工作中有效地使用人工智能了。现在，人工智能熟练掌握的管理者、倡导者和高级用户也将重新设计工作流程，并帮助他们的团队围绕人工智能建立新的工作方式。人工智能熟练掌握将成为组织内部协调的新语言。 一个移动的目标 有些技能可以在一个下午内掌握，但人工智能的熟练掌握并非如此。相反，熟练掌握需要通过持续发展来建立。在这方面，它类似于许多领域的从业者——如医疗、法律、教育、工程和科学——随着法规、技术和最佳实践的不断演变而定期更新的专业知识。不同之处在于，人工智能的熟练掌握是全新的，发展速度更快，并且被更广泛的工作人群所要求。模型在不断改进，界面在不断变化，新的应用案例几乎每周都会出现。挑战不在于，或者说不仅仅在于，以传统意义上的精通，而在于建立持续适应技术发展的习惯。目标是培养这种习惯，而不是教授工具本身。 这需要一种不同的技能建设方法。组织不应将人工智能熟练度视为一次性的技能提升活动，而需要建立持续学习的循环机制，定期更新人工智能使用预期，分享新兴实践，并帮助员工将新工具融入日常工作。外部合作伙伴的生态系统有助于在技术发展的同时保持学习内容的时效性。在实践中，人们并非通过学习人工智能来变得人工智能熟练，而是通过在日常工作中使用人工智能来实现的。重点不应是死记硬背的人工智能培训，而应是不断提升对人工智能的理解和应用能力。 培训只是鼓励人工智能应用的一个组成部分，应辅以更广泛的管理变革努力，以强化新的行为方式、工作流程和工作方法。重塑文化对于为实验和失败创造心理安全感至关重要。一些切实的行动可以帮助推动组织朝着熟练应用的方向发展。采用“灯塔”方法是一种途径，该方法涉及选择少数几个人工智能领先的强团队，为整个组织示范变革。这些团队在人工智能影响方面有显著记录，拥有强大的人工智能赋能领导力、积极参与的人工智能倡导者以及引人入胜的应用案例。在实践中，“灯塔”团队既创造了即时的业务影响，也培养了持久的能力。团队成员显著提升了他们的AI熟练度，并在参与活动数月后继续使用AI，同时分享成功的 workflows 和实践，鼓励了组织内其他团队采用和实验人工智能。 另一种方法是同伴式学习，通过同行辅导、知识共享和协作解决问题的平台来实现。在麦肯锡，我们通过AI研究员项目将此付诸实践，该项目为顾问网络配备了先进的AI能力，并赋予他们担任同行辅导的角色，帮助同事在日常工作中采纳新工具和新方法。通过将这些AI研究员嵌入团队中，组织可以加速AI的采用，通过实践学习建立信心，并让成功的实践经验在整个业务中自然传播。 培养人工智能熟练度并不仅限于一线员工。管理者越来越需要指导团队有效使用人工智能、审核人工智能生成的输出，并在新能力出现和组织结构变化时重新设计工作流程。领导者面临一个额外的挑战：平衡人工智能熟练度与适应性领导力。随着人工智能改变工作方式，领导者必须帮助组织应对模糊性、建立信任、鼓励实验，并在人类监督仍然必要的地方做出明智的判断。人工智能熟练度和以人为本的领导力是互补而非相互竞争的特质。 人工智能熟练度作为可携带的人力资本 人工智能的熟练掌握不仅将帮助人们在他们当前的工作岗位上表现更出色，还将帮助他们适应未来可能从事的工作。 美国劳动力市场正进入一个重大转型期。技术变革、人口结构变化以及不断变化的商业需求可能会重塑各行业的劳动力需求，要求数百万工人在未来十年内转向新的岗位。到2030年，可能需要高达1200万次职业转型，其中低薪工人和女性面临更高的职业转换风险。 在这种环境下，人工智能熟练掌握可以成为一种独特宝贵的人力资本，因为它具有跨职业的可转移性。与许多局限于特定角色或行业的专业技能不同，人工智能熟练掌握使工作者具备了快速学习新工具、与智能系统有效协作以及重新思考工作方式的能力。这些能力即使随着工作、技术和行业的演变，仍然具有价值。 随着职业生涯变得越来越非线性，便携性很可能变得越来越重要。当今的劳动者在其工作生涯中不太可能使用相同的技术，甚至可能不会从事同一职业。能够与智能系统有效学习和协作，将成为一种韧性来源，帮助劳动者更有信心地应对向邻近角色和新兴职业的转型。 对于雇主而言，投资人工智能熟练度并不仅仅是帮助员工提升当前的工作表现。它关乎提升整个劳动力的适应能力。随着职业生涯变得越来越长且不再线性，持续学习、自我重塑并流向新机遇出现的地方的劳动力，可能成为最大的竞争优势之一。从这个意义上说，人工智能熟练度不仅仅是一种劳动力能力——即随着角色和技能的演变，每家组织都需要具备的能力——它更是一种促进经济流动的催化剂。 促成之 随着人工智能熟练度成为美国经济竞争力的先决条件，一个关键问题随之产生：谁负责构建它？ 答案不太可能来自任何单一机构。人工智能的熟练掌握并非自上而下的技能传递。它始于个人的实验探索，通过团队和组织发展壮大，并由商业、学术和政府等机构加以巩固，这些机构帮助工作者学习、获取资质认证，并在其整个职业生涯中进行转型。其结果与其说是一个培训项目，不如说是一个动态发展的生态系统——一个必须以技术支持的速度不断演进的生态系统。 个人有责任保持好奇心，尝试新工具，并持续更新工作方式。但仅靠个人努力是不够的。公司处于挑战的核心，因为它们决定了工作如何组织、人工智能如何部署以及哪些能力能创造价值。它们的角色不仅在于开发和部署培训，还在于重新设计工作流程、为人工智能熟练度设定明确期望，并为员工通过实践学习创造机会。员工正表明他们已做好准备：近半数人表示，来自其所在组织的正式培训将是增加他们日常使用人工智能的最重要因素，然而大约相同数量的人表示他们得到的支持只是适度或更少。挑战不在于员工缺乏意愿，而在于组织缺乏能力建设。 支持劳动力发展的机构也面临着自身的适应挑战。学校、大学、专业协会、资格认证机构以及公共机构都是为技能逐渐演变、职业路径相对可预测的世界而建立的。人工智能正在压缩这些时间线并融合不同行业。为了保持步伐，雇主和教育提供者（包括大学、社区学院和两年制学院、职业学校以及劳动力发展组织）之间需要建立更紧密的联系，以便学习路径能够随着不断变化的劳动力需求而发展。为此，这些机构需要重新思考如何在工人的职业生涯中教授、认可和更新技能。 美国必须大胆重塑连接学生、工人、雇主、教育者、机构及政府的学习与技能生态系统。随着人工智能加速变革步伐，学习需要从人们脱离工作去完成的事情，转变为嵌入工作本身的一种体验。人工智能可以通过自适应数字学习平台、模拟、虚拟现实等沉浸式环境，以及能够根据个体需求定制发展的AI赋能学习伙伴，赋能更具个性化和体验式的学习。实际上，每个工作场所可能都需要在每天的一小段时间内成为教室。成功实现这一转变的组织和经济体或许能获得持久优势——并非因为它们拥有更先进的技术，而是因为它们更擅长帮助人们与之共同适应。 麦肯锡洞察应用 随着美国展望其未来的250年，人工智能熟练程度是国家竞争力的当务之急。正如工业时代需要识字能力、信息时