AI素养:CIO不可忽视的劳动力竞争优势
企业AI转型的成功不仅取决于技术,更取决于劳动力的AI素养。世界经济论坛报告显示,到2030年39%的核心技能将改变,近60%的全球劳动力需再培训。然而,当前AI教育模式存在理论与实践的鸿沟、缺乏个性化等问题。本文提出沉浸式、实战化的学习框架,强调以工作方式变革为衡量标准,助力企业构建适应性 workforce。

编者按:本文为印孚瑟斯(Infosys)副总裁兼全球负责任AI主管Syed Ahmed的客座文章。
当企业将多智能体系统嵌入业务流程时,一个关键点日益清晰:成功的AI转型,其成败不仅取决于技术,更取决于人才转型。
过去两年,企业主要聚焦于基础平台的构建与用例试验,但这些能力仍局限于从业者和具备AI素养的员工手中。
然而,要实现规模化与投资回报率,关键在于广泛而有效的采用。劳动力理解、应用、治理并持续适应AI的能力,才是真正的差异化因素。换言之,AI素养已演变为一项战略能力。
与传统软件不同,智能体系统能够自主决策、编排工作流、使用工具,并以日益增强的自主性运行。成功部署这些系统,要求员工理解AI的局限性、治理要求,以及人类在闭环中必须持续扮演的角色。
生存的必然要求
对许多企业而言,基础的AI素养项目仍被定位为劳动力准备或合规性练习,这严重低估了其商业影响。
这实际上是关乎企业自身的存亡问题。
根据世界经济论坛《2025年未来就业报告》,到2030年,39%的劳动者核心技能将发生变化,同期全球近60%的劳动力需要再培训或技能提升。
随着智能体系统、上下文工程、AI原生界面及机器对机器协议等新范式的涌现,拥有AI素养劳动力的企业,其适应速度将显著快于仅依赖外部专家的企业。
一项关于印度AI经济的研究印证了这一点:目前该国仅有30%的劳动力具备企业所需的AI素养水平,而企业估计到2030年这一比例需提升至57%,实际上要求AI素养人才近乎翻倍。
原因不难理解。智能体正在颠覆流程与工作本身。在营销领域,智能体可自主进行市场调研、生成活动方案、优化内容并分析绩效;在咨询领域,它们可执行研究、综合洞察、构建分析并起草建议。若岗位角色改变,所需技能也随之改变。
此外,具备AI素养的员工能更明智地决策AI的使用。他们能更快识别高价值机会,更有效地质疑输出结果,并避免昂贵的实施失败。他们明白,部署AI是一项涉及工作流设计、治理、人类行为与组织变革的综合性工作。
或许最重要的是,AI素养能降低风险。理解AI治理、安全、隐私、偏见及负责任AI原则的员工,更能在问题演变为事故前加以识别。一次重大安全漏洞、监管违规或声誉危机的避免,或许就能证明整个劳动力能力建设投资的合理性。
在模型每月升级、架构每季度演进的当下,AI素养的真正回报是组织的适应能力。
现有AI素养模式已失效
尽管AI素养日益重要,多数企业仍沿用不适用的教育模式。
首要挑战是学术理论与企业实践之间的鸿沟日益扩大。大学和认证项目难以跟上创新速度。智能体协议、模型上下文协议、上下文工程、多智能体编排、AI可观测性及合成数据工作流等概念,进入企业环境的速度远超传统课程体系的更新能力。结果,许多专业人士虽具备扎实的理论基础,但对企业AI系统实际如何设计、部署、安全防护、监控与治理却知之甚少。
第二个挑战是,AI教育很少针对员工的实际工作方式定制。咨询顾问与网络安全专家所需的AI教育不同,产品经理与软件工程师所需的能力也各异。对所有员工教授相同的入门课程,只能提升认知,而非能力。
最后,企业正面临前所未有的AI内容洪流。新模型、框架、基准、工具与技术层出不穷。挑战在于,如何筛选出真正重要的知识,并有效加以应用。
新的学习框架
最有效的AI学习体验应具备沉浸性、实践性与问题导向性。
游戏化学习环境可模拟真实商业场景,让参与者竞争设计、部署与治理AI解决方案。基于模拟的学习使团队能在受控环境中体验系统故障、安全事件、幻觉及治理失灵。
角色扮演练习可要求参与者同时以产品经理、业务负责人、法务团队、数据科学家、安全专家及最终用户的视角思考。设计思维工作坊可从构思到实施与治理,对AI用例进行压力测试。
红队演练(参与者刻意尝试破坏AI系统)尤为有效,因为它教会员工AI如何失败,而非仅仅如何成功。
企业还应投资内部学徒制、跨职能AI项目、轮岗计划及内部创业计划。真正的AI工作本质上是跨学科的,需要法律、伦理、统计、系统工程、网络安全、用户研究及业务运营等专业知识。员工通过实践而非讲授,能最有效地掌握这些技能。
最重要的是,企业应停止以认证和课程完成率衡量成功。关键指标是学习是否改变了工作的完成方式。
在智能体时代能够生存的企业,将是那些构建起能持续学习、适应、治理并从未来一切变化中提取价值的劳动力的企业。
这才是AI素养的真正承诺,也是企业再也无法忽视的劳动力竞争优势。