根据AI就绪平台Docebo周二发布的一份报告,超过半数的AI学习与发展负责人将AI素养和AI应用技能列为首要优先事项。该报告对美国、加拿大和欧洲共2000名企业员工进行了调查,其中1000人担任学习与发展相关职位,另外1000人从事其他岗位工作。
然而,来自培训接受者的数据显示,培训效果与岗位实际应用之间存在明显落差——66%的受访者表示未获得组织的有效支持,57%的人认为培训内容与自身具体职责关联不强。超过半数的受访者表示,看不出AI培训将如何影响自己的职业发展或晋升路径。
Docebo首席营销官Kyle Lacy在一封电子邮件中表示,希望提升AI能力的企业可以从量身定制、与岗位紧密结合的培训中获益。"当人们能够看清掌握某项技能如何为自己打开一条成长通道时,参与热情自然随之而来。"
无论是普通员工还是决策层,都将AI就绪能力列为当前工作的重中之重,但基层岗位的员工普遍反映,难以想象这项技术究竟会如何影响日常工作或个人职业目标。
这也是大多数企业在评估AI试点项目成效、努力从持续增加的AI投入中获取实际回报时普遍面临的困境。越来越多的技术负责人正在寻求可量化的数据,以支撑相关项目的推进决策。
Docebo报告中,Endeavor Intelligence主管Markus Bernhardt指出,不同行业的企业都在努力提升AI流畅应用能力,但大多数仍停留在表层阶段。"它们普遍存在较高程度的个人化尝试——员工借助AI工具完成一些独立任务——但随后又回归到五年前一模一样的工作流程中。"
Lacy表示,如果一个组织收到反馈,员工在培训或AI部署过程中感到缺乏支持,解决之道并非推出更多培训内容,而是将培训细化到具体岗位,并深入到工具使用说明之外的层面。他同时强调,培训还必须涵盖批判性思维等人文素养技能,帮助员工学会在何时、以何种方式运用AI。
"这是一项需要刻意教授、在实际情境中反复练习并持续强化的能力,"Lacy说。
有效的培训工作同样有助于提升AI投入的回报率。上月发布的一项DataCamp研究显示,在数据与AI素养提升方面已形成成熟体系的企业,更有可能从AI支出中获得显著的正向回报。
Lacy指出,技术部署与员工就绪能力是两项相互独立的工作。报告发现,尽管大多数受访者都接受过AI培训,但仍有85%的人表示,这些培训并未帮助他们真正理解如何在工作中有效使用AI。
他强调,完成培训并不等于具备了AI就绪能力。
Q&A
Q1:为什么企业员工觉得AI培训对实际工作没有帮助?
A:根据Docebo的报告,57%接受AI培训的员工认为培训内容与自身具体职责关联性不强,85%的人表示培训并未帮助他们理解如何在工作中有效使用AI。核心问题在于培训内容过于泛化,缺乏与具体岗位的结合,且往往只停留在工具介绍层面,未能深入到实际工作场景中。
Q2:企业该如何提升AI培训的实际效果?
A:Docebo首席营销官Kyle Lacy建议,企业应将培训内容细化至具体岗位,让员工看到掌握AI技能对个人职业发展的实际价值。此外,培训不能仅限于工具操作说明,还需涵盖批判性思维等人文素养技能,帮助员工学会判断何时以及如何应用AI。有针对性的角色化培训能够有效提升员工参与度与培训转化率。
Q3:AI培训投入与企业实际回报之间有什么关系?
A:DataCamp上月发布的研究显示,在数据与AI素养提升方面已建立成熟体系的企业,更有可能从AI支出中获得显著的正向回报。然而,Docebo的报告也指出,技术部署与员工就绪能力是两项独立工作,单纯完成培训并不等于员工已具备AI就绪能力,两者之间仍存在较大差距。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。