站内正文
详细内容
这里展示站内保存的新闻正文，支持划线和批注；需要核对来源时，可以打开原始报道。
人工智能正在以比大多数组织所能吸收的更快的速度重塑工作。首席学习官、学习与发展领导者以及HR合作伙伴面临着不断提升员工技能、部署AI工具并展示可衡量业务影响的巨大压力。然而，他们所服务的许多人报告称，面对变化的速度感到不知所措、不确定和疲惫不堪。
这种紧张局势导致了如今许多组织所经历的 AI倦怠。关键在于，员工并非抵触AI本身。他们感到疲惫的是模糊的期望、不断变化的工具以及优先考虑采纳速度而非人类准备度的学习策略。这一信号很重要：问题不在于技术，而在于学习交付的设计。
融合技能 提供了一条前进之路。通过将学习从工具掌握转向人类判断和能动性，融合技能帮助组织减少倦怠，同时建立能够经受下一波颠覆浪潮的持久能力。
AI倦怠危机的形成
AI倦怠根植于L&D领导者会立即认识到的一种动态：技术采纳速度超过了为支撑它而建立的人类学习和支持系统。
证据令人震惊。Upwork研究所基于对2500名全球员工（包括C级高管和全职员工）的调查发现，**96%的C级领导者期望AI提升员工生产力，但77%的员工报告AI工具增加了他们的工作量 **。其中近一半的员工（47%）表示他们不知道如何实现雇主期望的生产力提升。结果：71%的全职员工报告经历了倦怠。
这与二十年来关于技术压力的研究一致——个体因使用信息系统的要求而经历的心理压力。Tarafdar、Cooper和Stich证明，当工作需求增长快于自主性、清晰度和技能发展时，快速的技术变革会增加倦怠。在这种环境下，要求员工在没有结构或支持的情况下“尝试”AI并不会加速创新，而是加速疲劳。
还有一个 信心差距 加剧了问题。高管使用AI工具的比例远高于一线员工，导致高层热情与基层现实之间的差距不断扩大。L&D领导者被要求弥合这一差距，而这一差距部分正是他们自身所承受的采纳压力造成的。
什么是AI融合技能？
融合技能的概念源于Paul R. Daugherty和H. James Wilson的研究，两人均是埃森哲的高级领导者，在人机协作领域拥有深厚专长。在他们发表于《哈佛商业评论》的文章《拥抱生成式AI于工作中（2024）》中，他们将融合技能定义为有效使用生成式AI所需的人类能力——强调判断、问题框架和问责，而非仅仅技术熟练度。
Daugherty和Wilson确定了三种核心融合技能，这些技能将有效的AI协作与表面化的采纳区分开来：
- 智能提问：构建有目的、范围明确的提示和指令，引导AI生成更准确、有用和可信的输出。这包括将复杂任务分解为步骤、提供丰富上下文以及指定约束条件等技术。
- 判断整合：结合专家和伦理的人类判断来评估AI生成的内容。这意味着用权威的领域知识增强AI输出，识别和纠正偏见，并对最终决策保持问责。
- 互惠学徒制：随着时间的推移，与AI工具进行迭代、双向学习——训练模型更好地理解组织背景，同时通过嵌入实际工作的实践加深自身的熟练度。
这三种能力共同将AI从生产力捷径重新定义为 放大人类专业知识的思维伙伴。这一区别对学习设计至关重要：培养融合技能主要不是教人们使用软件，而是培养判断何时信任AI、如何改进其输出以及何时人类专业知识必须优先的能力。
融合技能为何直接减少AI倦怠
AI倦怠的驱动因素更多是两种潜在动态而非技术本身：能动性丧失和清晰度缺失。融合技能正是为恢复这两者而设计的。
它们恢复控制感。当员工理解如何构建任务、评估AI输出并保留决策权时，AI成为一种资源，而非焦虑或过时的来源。研究一致表明，自主性和感知能力在技术密集环境中减少倦怠并提高参与度。融合技能并非削弱AI，而是增强人类与之共存的能力。
它们将学习锚定于真实工作。融合技能在真实任务中实践，而非抽象培训练习。哈佛商业出版企业学习与Degreed基于2739名员工的全球调查发现，AI熟练者通过嵌入日常工作的实验来区分自己——他们报告通过动手实验学习生成式AI的可能性是较不熟练者的两倍。情境化、基于实践的学习正是持久技能发展所需要的。
员工随后可以将AI重新定义为增强而非替代。对过时的恐惧是AI倦怠最强大的催化剂之一。融合技能通过将AI定位为增强判断力和创造力的协作者来积极对抗这一点——建立职业韧性而非威胁它。这种重新定义并非空谈，而是一种教学法。
来源：Chief Learning Officer