人工智能正在深刻改变企业的运营方式,但据Pearson与亚马逊云科技(AWS)周一联合发布的最新研究报告显示,53%的雇主表示,其主要挑战在于难以找到具备合适AI技能的应届毕业生。
报告指出,78%的高等教育领导者认为自己正在满足雇主的期望,但仅有28%的雇主认为高校正在跟上AI驱动的变革步伐。
与此同时,在当前应届毕业生中,仅有14%的人表示自己在将AI工具应用于职业场景方面达到了较高的熟练程度。尽管64%的受访者表示经常将AI用于核心学业,但只有34%的人表示确信自己的使用行为符合学校相关政策规定。
报告指出,AI正在改变初级岗位的职能定义,与此同时技能的有效期迅速缩短,导致劳动力就业准备状况面临风险。本报告基于来自美国、英国、巴西、沙特阿拉伯、越南和马来西亚超过2700名学习者、高等教育领导者及雇主的调查问卷。
General Assembly去年的一项调查发现,83%的员工认为AI在大多数初级职位上的表现与人类不相上下。与此同时,部分雇主正在用AI替代员工,而非对其进行再培训。英国标准协会2025年发布的报告显示,31%的企业领导者表示,其所在组织在招聘某一职位之前,会先考虑是否可以通过AI解决方案来代替。
然而,尽管AI的采用率持续上升,报告认为"AI准备度的瓶颈并非源于缺乏意愿或获取渠道,而是集中体现在执行层面——即学习能力能否转化为实际职场应用能力"。
Pearson高等教育与虚拟学习部门总裁Tom ap Simon在声明中表示,基础性的AI素养显然已不再足够。
他说:"在AI准备度上领先的学校,将在未来主导劳动力准备工作。构建一支具备AI能力的劳动力队伍,依赖于有组织、可共享的系统,这些系统能够放大人类技能,并将课程与真实工作紧密相连。"
为帮助企业弥合当今学习者与未来劳动力之间的能力差距,报告提出了"AI准备度摩擦框架",这是一套用于识别并解决教育到就业通道中阻碍进展问题的方法论。报告重点指出了若干关键摩擦点,包括变革节奏、治理机制以及实践经验积累等方面。
Q&A
Q1:Pearson与AWS的报告中,雇主对高校AI人才培养的满意度如何?
A:报告显示,78%的高等教育领导者认为自己正在满足雇主期望,但实际上仅有28%的雇主认为高校跟上了AI驱动的变革节奏。这一巨大落差说明高校与企业之间在AI人才培养方面存在明显的认知偏差。
Q2:当前应届毕业生的AI技能水平怎么样?
A:整体水平偏低。仅有14%的应届毕业生表示在职业场景中应用AI工具达到较高熟练程度。虽然64%的人表示经常将AI用于学业,但只有34%的人确信自己的使用符合学校政策,说明学生对AI的合规使用意识同样有待加强。
Q3:什么是"AI准备度摩擦框架",它能解决哪些问题?
A:"AI准备度摩擦框架"是Pearson与AWS在报告中提出的一套方法论,旨在帮助企业识别并解决从教育到就业过程中影响AI能力转化的关键障碍。框架重点关注三个核心摩擦点:变革节奏(高校更新速度跟不上行业变化)、治理机制(AI使用的合规与管理问题)以及实践经验积累(学习能力能否转化为真实职场能力)。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
谷歌研究院开发的论文助手工具PAT,利用分阶段深度推理流水线自动审查学术论文,在真实错误检测任务上达到89.7%召回率,并已在STOC和ICML两大顶会完成超4700篇论文的真实部署。