AI 助力个体与组织生产力提升｜UMU 全国第 1 期《发展大模型时代的 AI 力》工作坊

UMU 创始人，董事长兼总裁李东朔应《培训》杂志的邀请，8 月 22 日在上海成功举办了首场以《AI Literacy - 发展大模型时代的 AI 力》为题的线下工作坊。此次工作坊吸引了来自通用汽车、华住集团、罗氏制药、Kenvue、Prada Group、Boston Scientific 等知名企业代表的参与，共同探讨和学习在大模型时代如何提升 AI 素养和应用能力。

本次 AI 力工作坊中，李东朔以坚实的学术研究为支撑，深入剖析了来自麻省理工学院、哈佛大学和清华大学等顶尖高校的多篇学术研究论文，并结合波士顿咨询、麦肯锡咨询、埃森哲咨询等咨询机构的研究发现和核心数据，带领学员全面理解 AI 时代和大语言模型的工作原理，聚焦 AI 在组织人才发展领域的最新趋势与最佳实践。通过引入“AI 力”模型，李东朔为学员深入解读和分析如何在组织发展和业务场景中更高效地与 AI 互动和协作，帮助企业提升个体与组织的生产力，增强组织效能。

值得一提的是，AI 力工作坊的课程内容参考了几百篇关于 AI 素养的学术论文，以 AKIEE 模型为指导，从建立对 AI 的正确认知 (Awareness) 起步，引导学习者逐步构建知识体系 (Knowledge)，深入理解 AI 与大模型的内在机制，进一步带领学员与 AI 有效互动 (Interaction)，探索将 AI 技术融入工作场景中提升生产力和创造力 (Empowerment)，并始终强调遵循伦理道德 (Ethics)， 负责任地使用 AI。

以下是本次 AI 力工作坊的精彩回顾：

深入理解 AI 和大语言模型的工作原理

从学术角度上，公认的人工智能分类有三类：狭义 AI、生成式 AI 和通用 AI。

当前热门的生成式 AI，特别是大语言模型，具备强大的对话能力，可以学习和模拟人类的思维过程，生成文字、图像、音频和视频等各类内容。但是需要注意的是，生成式 AI 有其智能天花板。尽管可以通过多次训练优化其性能，但是它依然无法像通用AI那样完成所有人类能够执行的任务。

在这个技术背景下，我们应当思考如何在通用 AI 时代到来之前，充分发挥生成式 AI 的优势，将其有效融入组织人才发展中，赢得市场竞争的先机。同时，鉴于生成式 AI 的固有局限，我们必须清晰地理解其能力边界，才能获得更大的收益。

在生成式 AI 的众多应用中，大语言模型因其在文本创作和对话系统中的卓越表现而备受关注。其工作原理类似于孩子学习语法规则和词汇后写出句子，大语言模型通过学习和分析海量的文本数据来掌握语言的规则和使用方式，从而能够生成有逻辑和语义的内容。

大模型的工作方式就是预测下一个词，类似接龙游戏，它会选择那些在特定上下文中出现频率高的词，但有时也会选择一些不常见的词来增加创意。尽管大模型看起来很智能，但它的智能实际上来自于对语言模式的学习，而不是真正的思维。在实际使用中，大模型更像是一个助手，能够提供灵感和信息，帮助我们更好地表达和理解语言。

AI 如何应用于组织

作为新一代的智能工具，生成式 AI 正在逐步重塑行业格局和工作模式。在未来的企业环境中，AI 将以两种主要形态融入到组织运作中：副驾驶 (Co-pilot) 和自动驾驶 (Auto-pilot)。

副驾驶形态的 AI 扮演着陪伴顾问的角色。类似于赛车中的副驾驶，它不直接执行任务，而是为人类提供知识支持、智能分析和信息辅助，从而优化工作流程和提高效率。

自动驾驶形态的 AI 则更进一步，类似于飞机的自动驾驶系统，它可以独立承担任务执行的责任。在这种模式下，AI 能够自主完成特定任务，如夜间客服中心的自动回复服务，减少了对人工干预的需求，同时确保了服务的连续性和响应速度。

埃森哲 2023 年发布的一份报告展示了生成式 AI 对于行业和岗位带来的影响。如下图所示，柱状图的红色部分代表自动化，象征着生产力的显著提升主要得益于自动化的推进。而蓝色柱状图则代表人员强化，即大模型带来的批判性思维和部门提效的机会。这两个柱子的长度相加越长，意味着改变的潜力越大。

我们可以看到，变革最为显著的行业涵盖了银行、保险、以及软件和平台软件行业。在这些领域，大模型的应用不仅显著提升了代码质量，还大幅降低了编写和维护代码所需的时间和精力，简化了代码重构的复杂性。此外，资本市场、能源、通信和零售业也展现出了明显的变革趋势，这些行业的变革幅度超出了平均水平，而略低于行业平均值的则是医疗保健和公共服务。

我们进一步来看生成式 AI 在不同岗位上的影响。在众多岗位中，运营和行政支持受到的影响最为显著，紧随其后的是销售岗位。我们可以预见，生成式 AI 对于那些高度依赖语言沟通和文本处理的岗位将展现巨大的潜力，其出色的语言处理能力可以显著提升这些岗位的工作效率和质量。

用 AI 增强人，而不是用 AI 替代人

普华永道对一系列成功应用 AI 的公司 (AI Winner) 进行了研究，发现这些企业在应用 AI 时，主要专注于三件事——增加收入，提升利润和带来新的交付，这些 AI Winner 通过 AI 实现了提质增效和业务升级。相反，那些还没开始应用AI的企业，我们暂且称之为“AI 观望者”，他们大多期待的是通过 AI 来降低成本，这种短视的做法忽视了AI 作为提升生产力的关键因素。

AI 不仅是一项新技术，更是推动组织生产力变革的关键要素。对于组织而言，无论是助力新人快速成长，还是帮助资深员工保持领先地位，都可以通过合理部署大模型显著提升员工绩效，推动团队提质增效。我们来看几组学术研究：

美国国家经济研究局 (NBER) 2023 年 4 月发布的研究分析了 5179 名技术支持客服人员使用生成式 AI 后的生产力变化。结果显示，生成式 AI 提升了员工的问题解决速度和文本会话量，平均提高程度为 14%。这项研究证实了生成式 AI 能显著提升员工效率和生产力，尤其对新手和技能较低员工的正面影响最大。

两位来自麻省理工学院 (MIT) 的博士生在顶刊《Science》上发表的研究揭示了AI 大模型的引入如何显著提升员工的工作绩效。特别值得注意的是，AI 对于教育水平较低或之前表现不佳的员工具有显著的正向影响，有效缩减了员工间的绩效差异，促进了团队整体表现的提升。

哈佛商学院与波士顿咨询 (BCG) 联合开展的一项研究进一步强化了这个结论。实验将参与者分为资深和资浅两组，研究结果显示在 AI 能力边界内使用 AI 后，资深组的生产力提升了 17%，而资浅组的生产力提升了 43%，体现了大模型在加速新人成长和助力资深员工提高效率方面的显著作用。

在探讨大模型技术对组织人才的影响时，我们特别关注了职场新人和资深员工两个群体。对于初入职场的新人，大模型成为他们缩小认知与技能差距、加速从学生到职场人转变的有力工具。企业通过合理部署大模型，不仅能够促进新员工的迅速成长，还可以有效缩短人才的培养周期并节省相关运营成本。

对于经验丰富的资深员工，大模型技术则在他们的职业发展中扮演着更为复杂的角色。它不仅能够巩固他们在优势区的领先地位，还鼓励他们在学习区不断探索知识边界，同时避免进入可能导致职业风险的危险区。通过这种策略性的平衡，资深员工能够灵活应对工作环境的快速迭代，确保他们在激烈的职场竞争中保持领先。

清华大学经济管理学院近期开展的一系列研究探讨了生成式 AI 对工作绩效的影响。在一项实验中，参与者被随机分配到三个组别，研究人员持续监测他们两个月内的工作表现。第一组作为对照组，继续使用传统工具而不引入任何新技术；第二组则引入了 AI 工具来辅助工作；第三组除了获得 AI 工具外，还接受了专门的 AI 应用培训。

实验结果揭示了 AI 在提升工作活跃度和收益方面具有显著优势，尤其是那些接受了培训的参与者，其工作表现在各项指标上均优于仅使用 AI 的组别。这一发现不仅证实了AI 在提高生产力方面的积极作用，也凸显了适当培训在释放 AI 潜力中的关键性，针对性的 AI  赋能培训能够帮助知识型工作者更快地掌握新技术，提升工作绩效，为企业创造更大的利润。

AI 不仅是一项新技术，更是组织提升生产力的新引擎。企业在积极引入 AI 大模型的同时，必须认识到提升员工 AI 素养的重要性，将员工的 AI 素养培训作为战略投资。

通过系统的培训，培养员工对 AI 的正确认知和协作能力，是确保 AI 技术在组织中发挥最大效能的关键。这不仅能提升员工的个人能力，也能显著提高整个组织的生产力，使企业在激烈的市场竞争中获得关键的竞争优势，推动企业的可持续增长。

AI 力专题学习与实践

我们观察到，很多企业在购买和引入了 AI 大模型后，由于员工缺少 AI 素养的系统培训，员工在使用 AI 大模型时可能会遇到一系列挑战，他们可能不了解如何有效地利用这些工具，或者不知道如何判断和应用 AI 大模型的输出结果。

这种知识和技能的缺失容易导致员工使用 AI 的体验不佳，输出结果也不符合预期，甚至在某些情况下，员工可能会感到沮丧，选择放弃使用这些工具。这不仅浪费了企业在技术投资上的资源，也错失了通过 AI 大模型提升团队生产力和提质增效的机会。

基于这些洞察，UMU 独家推出了《AI Literacy - 发展大模型时代的 AI 力》版权课程。该课程旨在增强员工的 AI 素养，即 “AI 力” (AI Literacy)，培养员工在 AI 时代的必备技能，从而提升员工与组织的生产力，实现企业持续的利润增长。

我们可以通过 ASK 模型——即态度 (Attitude)、技能 (Skill)、知识 (Knowledge) 这三个核心要素来深入理解 AI 力的结构和内涵。

AI 力现已成为继传统读写素养和数字素养之后不可或缺的一项基本技能。掌握 AI 力不仅意味着能够深入理解并有效运用各种 AI 模型，还能够对 AI 进行批判性思考和互动。特别是在使用生成式 AI 时，需要具备创建和优化提示词的能力，解读 AI 输出的结果，并根据反馈持续的反馈和优化，以最终达成预期效果，提升工作效率。

在与 AI 的协作中，精心构建的提示词能够更有效地激发 AI 的智能潜力，实现更高效、更有针对性的交流和创新。本次工作坊详细介绍了构建高效提示词的策略和练习，旨在帮助学员用精确、结构化且易于迭代的提示词来解锁大模型的最大效能，像 AI 专家一样高效使用大模型，解决不同场景的工作任务。

AI 力的正式课程中包含 20 多个类似的提示词练习，让学员们能够在实践中学习，实现边练边学的教学效果。

在李东朔的指导下，学员们通过现场的互动练习，不仅亲身体验了所学知识，还获得了个性化的辅导和及时反馈，这种教学方式因其互动性和实用性而受到学员们的高度评价。

在最后的反思与总结环节，一位学员分享了他的收获，“这次工作坊彻底改变了我对 AI 的看法。我不仅对 AI 的发展历程和技术趋势有了深入了解，更重要的是，我学会了如何巧妙地构建提示词，这让我能够更精确、高效地利用 AI 满足工作需求，不再做大模型的搬运工”。