员工对AI工具使用方法缺乏了解,这与企业在试点项目、部署和许可证上投入多少资金无关,Forrester的最新研究显示了这一问题。
Forrester使用人工智能商数(AIQ)来衡量员工对AI工具的理解程度,结果数据"令人震惊",Forrester副总裁兼首席分析师J.P. Gownder在一篇关于该研究的博客文章中表示。Gownder说,这些结果应该为"绝大多数雇主敲响警钟"。
作为研究人员之一的Gownder表示,这种学习停滞阻碍了生产力提升,而错误在于企业。"是你——雇主——还没有培养出足够的学习和参与环境来帮助员工获得这些技能,"Gownder说。
雇主无法成功地为员工提供理解、技能和道德规范培训,以便他们能够熟练使用AI工具,这已经成为"阻碍生产力和投资回报的瓶颈",Gownder表示。
举例来说,根据报告,理解提示工程的员工比例从2024年的22%仅增长到2025年的26%,仅上升了4个百分点,而提示工程是使用Microsoft 365 Copilot和Google Workspace等工具的核心技能。
许多雇主已经推出了AI的某些功能,认为这项技术对员工来说容易使用,Gownder说。然而,许多组织在部署AI时没有投资于员工培训,结果导致低AIQ"阻碍了潜在的生产力提升",他说。
研究人员表示,虽然AIQ较高的员工在使用AI工具提升生产力方面更加有效,但AIQ较低的员工可能根本不使用这些工具,或者使用错误导致生产力下降。许多员工也可能不知道何时质疑AI输出结果,也不知道如何道德地使用AI。"这很容易让他们感到沫丧,在太多情况下完全放弃使用这些工具,"他说。
员工体验平台Culture Amp最近的一份报告发现,96%的C级高管预期AI会提高产出,而77%的员工表示AI工具实际上增加了他们的工作量。
与此同时,根据简历模板服务Zety的报告,当管理者分发AI生成的"粗糙工作"(指看起来精美但不准确或马虎的工作)时,85%的员工表示这损害了他们对领导层的信任。
Q&A
Q1:什么是人工智能商数AIQ?它如何衡量员工能力?
A:人工智能商数(AIQ)是Forrester用来衡量员工对AI工具理解程度的指标。研究显示,理解提示工程这一核心技能的员工比例从2024年的22%仅增长到2025年的26%,增幅微小,反映出员工整体AI素养偏低。
Q2:为什么员工AI技能提升缓慢?责任在谁?
A:Forrester研究指出,责任主要在企业雇主。许多组织在部署AI技术时没有投资于员工培训,认为AI工具容易使用,但实际上没有培养足够的学习和参与环境来帮助员工获得必要的理解、技能和道德规范。
Q3:低AIQ会对企业带来什么负面影响?
A:低AIQ会导致员工不使用AI工具或使用错误,造成生产力下降而非提升。员工可能不知道何时质疑AI输出结果,也不懂如何道德使用AI,最终可能因挫败感而完全放弃使用这些工具,形成阻碍投资回报的瓶颈。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。