從個人電腦到互聯(lián)網(wǎng)，從互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng)，從移動互聯(lián)網(wǎng)到AI，從AI到生成式AI，信息技術在加速滲透。根據(jù)Coatue的研究，PC覆蓋50%的用戶用了20年，互聯(lián)網(wǎng)用了12年，移動互聯(lián)網(wǎng)用了6年（Coatue，2023）。從這個趨勢中不難看出，也許生成式AI覆蓋50%的用戶只需要用3年或更短的時間。

進一步認識AI

在OpenAI的ChatGPT橫空出世后，人們對AI的理解多了一個重要的維度：生成式AI。過去人們對AI的分類更多地偏向學術，現(xiàn)在我們可以簡單地將AI分為兩類：生成式AI和分析式AI。分析式AI是根據(jù)現(xiàn)有的數(shù)據(jù)、信號等進行分析，進而給出建議、結論。當我們用搜索引擎、今日頭條、快手等信息流型產(chǎn)品時，就在使用分析式AI。而生成式AI，顧名思義，就是生成、創(chuàng)造、創(chuàng)新。無論是通過文字生成文字，還是通過文字生成圖片、音頻、視頻，都是屬于生成式AI。生成式AI是基于海量的數(shù)據(jù)進行訓練后形成的一種涌現(xiàn)能力。海量數(shù)據(jù)訓練的模型也叫大模型，訓練的參數(shù)規(guī)模往往在數(shù)十億到數(shù)千億之間。

基于AI的應用場景，我們可以將AI分為通用型AI和行業(yè)型AI。通用型AI是為不特定的人群和不特定的目的所開發(fā)的一般性人工智能產(chǎn)品。行業(yè)型AI則是為垂直領域，特定約束和人群所開發(fā)的產(chǎn)品。比如金融領域的風控AI產(chǎn)品就是典型的行業(yè)型AI。

我們可以將上述兩個分類方式放在一起進一步認識AI，可以看出，目前大家關注最多的是通用型生成式AI。在金融領域，我們應當進一步思考和應用行業(yè)型AI，無論是小模型產(chǎn)品還是大模型產(chǎn)品。

在組織中，我們的工作可以分為兩類：一類是創(chuàng)意類的工作，一類是精確的工作。創(chuàng)意類的工作如撰寫一段文案，給出一些方案，設計廣告等；精確的工作如計算利息，做出重要的決策，識別高潛力客戶等。

AI在組織中的形態(tài)也可以分為兩種，一種是以副駕駛（Copilot）的形態(tài)出現(xiàn)；一種是以自動駕駛智能體（Autopilot）的形態(tài)出現(xiàn)。AI作為副駕駛并不替代駕駛員的開車過程，而是在司機身邊提供必要的建議和幫助。自動駕駛形態(tài)則不需要原本的司機，由AI來完成全部的工作。這兩種形態(tài)也可以理解為副駕駛屬于增強形態(tài)，自動駕駛屬于替代形態(tài)。副駕駛增強了司機，自動駕駛替代了司機。AI可以在某些場景增強人才，也可以在某些場景替代人才。

目前市面上的人工智能產(chǎn)品，無論是分析式AI還是生成式AI，主要還是以副駕駛的形態(tài)出現(xiàn)，在不少領域朝著自動駕駛的形態(tài)演進。

AI對個人和組織的價值越來越明顯

目前學術界和工業(yè)領域已經(jīng)有多篇針對AI在組織中應用從而提升生產(chǎn)力的實證研究，表明AI可以顯著地提升知識工作者的生產(chǎn)力和多項關鍵指標。

我們看到，在2022年美國國家經(jīng)濟研究署針對5147名技術支持服務人員應用大模型的研究中，通過衡量每小時解決問題數(shù)量、每小時對話數(shù)量和平均處理時間等因素，發(fā)現(xiàn)使用生成式AI工具可以有效提高生產(chǎn)力，平均提高程度為14%，且AI對新手和低技能員工的影響程度最大。這個研究表明大模型產(chǎn)品可以對客戶服務領域產(chǎn)生直接的幫助和改變。在金融領域，很多業(yè)務都涉及服務人員和熱線工作，這是一個很好的提升生產(chǎn)力的機會。

學術界針對AI對人才績效的影響一直抱有兩個不同的假設。一個假設認為，AI會顯著提升高績效人才的生產(chǎn)力，從而放大差異；另外一個假設認為，AI不會顯著放大人與人之間的差異。我們看到，2023年MIT的兩位博士生所做的研究中表明，AI讓參與實驗的人員的績效方差變小了，也就是AI打破了績效的一致性。AI不但沒有擴大人與人之間的生產(chǎn)力差異，反而讓人與人之間的績效更相似了。在這個研究和上文提到的美國經(jīng)濟發(fā)展署的研究以及更多研究中都看到，AI對于新手或者資淺的員工的生產(chǎn)力提升最大。這為組織接下來招聘員工、培養(yǎng)新員工、培養(yǎng)應屆畢業(yè)生都帶來了重要的啟示。當AI打破了績效的一致性命題后，很多職位的招聘畫像、新員工的達產(chǎn)周期和生力水平都會發(fā)生顯著的預期改變。

平均而言，我們日常的工作任務中有63%是和語言相關的（埃森哲，2023）。只要是和語言相關的工作，基于大語言模型的生成式AI產(chǎn)品都有機會顯著提升生產(chǎn)力。根據(jù)埃森哲的研究，所有行業(yè)中40%的總工時將更具自動化潛力或更具人員強化潛力，而在銀行業(yè)這個數(shù)字達到了66%（埃森哲，2023）。

不少全球企業(yè)積極地抑或是小心翼翼地引入了大模型產(chǎn)品，目前主要的形態(tài)是向所有員工提供了聊天機器人（Chatbot）形態(tài)的入口。更多的企業(yè)還在觀望和評估，以及思考如何引入AI從而讓組織發(fā)展受益，提升生產(chǎn)力。

根據(jù)U M U和人才發(fā)展協(xié)會（ATD）在2022年、2023年連續(xù)兩年開展的全球研究中發(fā)現(xiàn)，超過65%的受訪企業(yè)在引入AI到組織中存在重重困難。組織要加速引入AI。AI不會簡單地替代掉工作，我們可以通過AI與人的互動關系來分析未來組織中AI和人才的互動模式。

AI是新技術，人和組織需要和技術有效地互動，才能讓AI作為一種新技術在個體和集體層面發(fā)揮出真正的和最大的價值。在北美的一些招聘廣告里面，使用生成式AI的能力已經(jīng)成為工作經(jīng)驗的加分項（NYT，2023）。

組織該如何擁抱AI？管理學大師馬奇教授在一篇經(jīng)典論文中提出，組織學習需要在“利用”和“探索”之間取舍。組織往往利用有余，探索不足。因此組織應當在探索AI應用到個人與組織生產(chǎn)力發(fā)展中抱有更大的耐心。

大模型時代的“AI力”

在不少組織提供了AI大模型的入口后，企業(yè)迎來了大模型使用的小高潮。每個月的大模型賬單金額讓許多企業(yè)大吃一驚：企業(yè)并沒有收到一張巨額賬單，相反，企業(yè)每個月的大模型用量非常有限。這有點像企業(yè)里面開設了一個圖書角或者圖書館，剛開業(yè)的時候人流如織，不久后就趨于寂靜。圖書角或者圖書館之于組織是一種能力，這種能力如果不被日常使用則是一種似有似無的能力。

這說明，大模型作為一種技術能力，并不直接等于個體和組織的生產(chǎn)力。為什么有的人使用大模型會覺得大模型的幫助非常有限，甚至覺得大模型有點笨？為什么有的人使用大模型就能夠如虎添翼？這說明，大模型作為一種新技術，將其應用到自己的工作領域并解決實際的問題背后代表了一種能力，這種能力平行于領導力、協(xié)作能力、學習能力，可將其定義為“AI力”。

在清華大學經(jīng)管學院李寧教授主持的一項研究中發(fā)現(xiàn)，使用AI的受試者的生產(chǎn)力水平高于不使用AI的控制組。當為受試者先提供使用AI的培訓再提供AI產(chǎn)品支持后，其生產(chǎn)力水平遠超過僅提供AI產(chǎn)品的受試者。

在后續(xù)的研究中，通過比較受試者和大模型的互動輪數(shù)、首個問題的提示詞長度、平均提示詞長度、問題的深度等多個指標，可以明顯看出提供培訓后受試者使用AI的能力顯著增強。

這也就意味著AI作為一種技術，需要通過再培訓為組織中的員工賦能，從而幫助員工掌握使用AI的能力，從而通過利用AI獲得生產(chǎn)力的顯著提升。

AI力表現(xiàn)為五個層級，分別是娛樂、檢索、反饋、建構、智合。

根據(jù)AI的使用場景和使用方式，我們可以將五級AI力模型放在一起進行比較：

AI力，顧名思義就是使用AI的能力與素養(yǎng)。我們可以用ASK模型來解構和充分定義AI力。ASK模型是態(tài)度（Altitude）、技能（Skill）、知識（Knowledge）的縮寫。

使用AI應當具備怎樣的態(tài)度？筆者認為應當建立與AI協(xié)作而非依賴的態(tài)度，建立開放而非封閉的態(tài)度，建立迭代而非刻舟求劍的態(tài)度。對大模型可能產(chǎn)生幻覺持有一種中立的態(tài)度，用好大模型避免幻覺，以及避免簡單直接使用大模型的回答從而陷入幻覺的風險。

使用AI應當具備怎樣的技能？筆者認為目前使用AI的技能主要分為兩大方面：一個是通過“提示詞”和大模型進行互動，通過深入學習提示詞這種全新的“語言”“語法”和最佳實踐，從而比較全面地調用大模型的各項能力，充分發(fā)揮出大模型的優(yōu)勢。另一個是直接利用AI領域最新軟件或工具的能力。對于行業(yè)型AI，能夠充分利用好AI產(chǎn)品或工具也是一種關鍵技能。如利用Midjourne y或者其他文生圖工具，或者利用Adobe Photoshop中最新的AI功能進行繪畫創(chuàng)作，高質量完成一幅海報設計的過程就是充分利用了這種技能。

使用AI應當具備怎樣的知識？筆者認為應當全面了解AI的發(fā)展歷史和當下大模型的主要工作原理，了解各類大模型產(chǎn)品的優(yōu)劣，知道在什么情景使用特定的大模型幫助自己完成工作。使用AI需要具備的知識還包括充分理解大模型的幻覺和使用邊界，知道什么時候適合使用大模型，什么時候不適合使用大模型解決特定問題。大模型產(chǎn)品日新月異，最佳實踐和創(chuàng)新探索也層出不窮，在這個過程中需要保持更新，掌握最新的最佳實踐，避免刻舟求劍，以及固定思維模式。

我們可以通過使用生成式AI的方式定義使用者與AI的關系。

第一種是人為AI工作。在這種模式下，典型的使用方式是通過簡單的AI提示詞獲得回答，并將AI給出的回答當作標準答案直接使用。沒有經(jīng)過系統(tǒng)性訓練的大模型使用者都在這一個層級。這時候我們可以把使用者稱為“AI素人”。AI本身能力下限決定了使用者的常見水準。使用者通過長期簡單使用，為AI提供語料，并且為終極的通用人工智能提供輸入。這種情況下，屬于人為AI工作，或者說人為未來的通用人工智能工作。終極的通用人工智能可以通過人類簡單的輸入給出高質量的回答，這個時候多數(shù)人在通用人工智能前就會喪失智力價值。模糊輸入，高質量輸出。使用者對AI是盲目依賴關系。

第二種是AI為人工作。在這種模式下，使用者學會使用復雜和高級的提示詞工程，能夠盡可能地發(fā)揮出AI的能力，為使用者提供更為精確的回答。在這種情況下，使用者對AI是高度依賴關系。生成式AI發(fā)展得越好，這類用戶越直接獲益。AI的水平?jīng)Q定了使用者的日常水平。

第三種是AI作為大學生與人工作。在這種模式下，使用者不將AI的回答直接使用，而是將AI的回答作為建構自己思考的基礎，也可以稱作腳手架。由于使用的提示詞比較簡單和直接，這個時候AI的能力直接決定了腳手架的水準。生成式AI發(fā)展得越好，這類用戶越加速獲益。這類用戶屬于建構式思維能力強，但AI素養(yǎng)弱的類型。AI的水平?jīng)Q定了使用者的底線水平。AI的上限決定了使用者的水平上限。

第四種是AI作為專家與人工作。在這種模式下，使用者利用AI作為腳手架進行建構式思考。通過復雜的提示詞工程獲得諸多創(chuàng)意和待選項，構建出高質量的腳手架和閃光創(chuàng)意。生成式AI發(fā)展得越好，這類用戶越指數(shù)性獲益，成為生產(chǎn)力與創(chuàng)造力爆棚的使用者。這類用戶屬于建構式思維能力強，且AI素養(yǎng)高的最佳類型。AI的日常水平?jīng)Q定了使用者的底線水平，AI的上限決定了使用者的日常水平。

針對內容復雜度和邏輯復雜度進行建模。涉及多個內容領域屬于內容復雜度高，涉及多個要素、層級、互動關系屬于邏輯復雜度高。使用大模型的時候可以先判斷內容復雜度和邏輯復雜度，然后決定使用提示詞的策略。

利用好AI的組織和個體將獲得更高的生產(chǎn)力和更好的工作體驗，從而在市場上取得競爭優(yōu)勢。大模型在加速發(fā)展，我們對人工智能的理解和應用都在發(fā)生著日新月異的升級。在這樣一個轉型的時間窗口，我們更要更快地采取行動，發(fā)展大模型時代的“AI 力”。