用 AI 增强人，而不是用 AI 替代人 | UMU 全国第 2 期《发展大模型时代的 AI 力》工作坊

9 月 5 日，UMU 在北京成功举办了首场《AI Literacy - 发展大模型时代的 AI 力》线下工作坊。本次工作坊由 UMU 创始人，董事长兼总裁李东朔担任导师，汇聚了来自蒙牛集团、北京环球度假区、拜耳医药、康希诺生物、优时比制药、康龙化成、百济神州、爱普生中国、新氧科技等多家知名企业代表，共同探讨和学习如何全面建构大模型时代所需的 AI 力。

为什么有些人已经用大模型解锁了专家级智能，而有些人却觉得大模型笨拙无用？为什么有些组织通过大模型实现了收入和利润的提升，甚至能够交付新产品，而另一些组织仍在望洋兴叹？

在李东朔看来，这种明显差异的核心在于 AI 力，也就是 AI 素养 (AI Literacy) 的不同。在大模型时代，AI 力现已成为组织中继读写素养和数字素养之后不可或缺的一项基本素养。掌握 AI 力不仅意味着能够深入理解并有效运用各种大语言模型，还能够敏捷、高效地与 AI 互动和协作，交付有价值的业务结果。

李东朔以严谨易懂的语言，依托扎实的学术研究，详细介绍了 AI 的发展历程和大模型的工作原理，深入剖析了来自美国国家经济研究局、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，不仅证实了AI 在提高组织和个人生产力方面的积极作用，也强调了针对性的 AI 力赋能有助于帮助知识型工作者更迅速地掌握新技术，提高工作绩效，为企业带来更大的经济效益。

提示词素养是 AI 力的关键核心之一，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。李东朔向学员们详细介绍了基于 RSTCC（角色、技能、任务、上下文、限制）的五级提示词模型、12 个与工作场景紧密相关的高级提示词技巧和建构式学习路径，帮助学员用精确、结构化且易于迭代的提示词解锁大模型的最大效能，从而像 AI 专家一样高效解决工作场景中的复杂问题。

工作坊还提供了大量基于工作场景的提示词互动练习，学员可以边学边练，在每次提交提示词后获得大模型的即时反馈和专业辅导。

提示词的练习设计从易到难，从简单的情景到复杂的情景，学员通过持续的练习和反馈循环，以及多轮互动对话，逐步建立起对大模型的深刻理解和应用能力，迅速提升 AI 力。

在工作坊中，学员不仅会学到了提示词的使用技巧，更重要的是掌握提问能力，让学员从被动地使用大模型，仅仅获得一些相对简单的实习生水平的回答，提升为能够与大模型互动协作，像与一位真正的领域专家合作一样。这种大模型原生的结构化学习模式融合了学习科学中“生成式学习”与“形成性评估”两大理念，用生成式的学习方式学习生成式 AI，用学习科学实现有效果的学习。

在最后的课程反思与总结环节，学员们积极分享了学习心得。有学员表示学会了如何巧妙地构建提示词，不再做大模型的搬运工，“以前在与大模型对话或者协同的时候没太关注提示词素养，今天的RSTCC 模型帮我找到了和大模型沟通的密钥。”

还有学员表示 AI 力是应对不确定性的能力，“AI 技术本身不会取代人类，我们要把 AI 当成朋友，一起成长。那些没能掌握 AI 力的人将逐渐失去竞争力。”

李东朔也分享了他对 AI 的看法，“我一直有一个信念，应该用 AI 来增强人，而不是用 AI 来替代人。每次使用 AI 的机会都应该是一次提升自己的机会。如果你用得好，AI 就是一个专家；用不好，AI 就像一个没有经验的实习生。因此，如果我们能充分解锁 AI 的能力，让 AI 成为专家型的伙伴和业务助理，它就像副驾驶一样支持和陪伴着你。随着我们越来越多地使用 AI，我们也将自己培养成更多领域的专家，建立更多的竞争优势。”