《利用生成式人工智能增加就业和提高劳动生产率》世界经济论坛
该报告深入分析了GenAI在增加就业和提高劳动生产率方面的潜力与挑战，并提出了相应的行动框架与策略。这对于组织在部署GenAI时具有指导意义。
《利用生成式人工智能增加就业和提高劳动生产率：场景、案例和行动框架》是世界经济论坛发布的一份报告，该报告主要探讨了生成式人工智能（GenAI）在增强岗位职能、提高员工生产力以及创造就业机会方面的潜力。以下是对报告主要内容的归纳：
一、GenAI对就业与生产力的影响
- 就业增强：
- GenAI能够部分执行任务，增强人类能力，但同时也引发了对工作被替代的担忧。然而，研究发现完全自动化的工作岗位较少，更多是任务自动化与人类能力提升并存，未来甚至可能创造新的工作。
- 生产率提升：
- GenAI有望通过释放员工从事低价值任务的时间，使他们能够投身于更高附加值的活动，从而提升生产率。
- 报告指出，虽然目前还很难从宏观经济层面评估GenAI提高生产力的情况，但在组织层面，这种提升已有显现。例如，一家公司利用自动化将原本需要数周才能完成的请求缩短至几分钟。
二、不同国家、行业和组织间的差异
- 发达国家和技术、金融等行业可能受GenAI影响较大，因为这些地区和行业更有可能大规模采用生成式人工智能。
- 不同组织在部署GenAI时面临的基础和起点不同，因此需要根据自身需求定制相应的战略。
三、采用GenAI的障碍与挑战
- 信任问题：
- 由于算法复杂、透明度低等因素，员工和组织对GenAI的信任程度存在差异。
- 高度的信任可能导致未经验证的工具使用，进而引发决策失误或错误的认识。
- 技能不足：
- 员工缺乏AI技能可能阻碍GenAI的广泛采用。
- 培训可以揭开技术的神秘面纱，通过再培训和技能提升可以让员工具备胜任新岗位的潜力。
- 文化因素：
- 组织文化可能影响新技术的采用。例如，有些组织可能更倾向于保守和稳定，对新技术的接受度较低。
- 商业价值不明：
- 投资回报的不确定性可能使组织对GenAI的投资持谨慎态度。
四、未来情景设定
报告基于信任水平和GenAI适用性及质量的改进情况，构建了四个未来情景：
- 高期望（High Hopes）情景：
- 组织和员工对GenAI热情高，但因使用不当未达预期，投资回报率低，组织缩减投资。
- 破碎承诺（Broken Promises）情景：
- 员工信任度低，GenAI主要用于低风险任务，虽有轻微效率提升，但需额外时间验证。
- 错失机会（Lost Opportunities）情景：
- 员工抵制GenAI，担忧工作被取代。但GenAI适用性和质量提升快，早期采用者有竞争优势。
- 换挡加速（Shifting Gears）情景：
- 组织和员工积极，GenAI广泛应用，带来高生产率提升和业务创新。
五、行动框架与策略
报告提出了一个强化岗位职能的行动框架，包括“启动”和“扩展”两个阶段，围绕“使能（Enable）”和“参与（Engage）”两个核心主题。具体策略包括：
- 数据和技术基础设施：
- 建立可扩展的数据和技术基础设施，以支持GenAI在各功能和应用中的推广。
- 监管合规与治理：
- 遵守法规，制定负责任的AI计划，处理伦理问题，保障员工权益。
- 文化和变革管理：
- 营造有利于变革的文化氛围，从启动阶段的资源分配、沟通愿景到扩展阶段的促进各级支持、建立信任等。
- 技能开发与重新部署：
- 启动阶段确定技能差距并提升技能；扩展阶段管理员工重新部署、重新设计工作。
- 用例管理：
- 启动阶段确定并试点有价值的用例；扩展阶段逐步扩展用例，标准化开发实践。
该报告深入分析了GenAI在增加就业和提高劳动生产率方面的潜力与挑战，并提出了相应的行动框架与策略。这对于组织在部署GenAI时具有指导意义。