AI大家说 | 职场，影响几何？

前程无忧

今天，有很多人想问：生成式AI对我的工作影响究竟有多大？我的团队会因此发生怎样的变化？


一项最新的调研中显示，超过75%的全职员工会在工作中使用生成式AI，这一比例比半年前增加了不少。随着技术的不断进步，生成式AI正逐渐成为人们工作生活中不可或缺的一部分。它不仅能够提高工作效率，还能帮助解锁新的工作方式。


在本文中，我们将通过深入分析麦肯锡、BCG以及清华大学经济管理学院的调查研究与相关报告，来尝试探索生成式AI是如何影响个人职业，以及它是如何改变团队的工作模式和效率的。我们还将探讨企业如何把握这一技术价值，以及管理者如何调整自己的视角和心态来更好地拥抱AI。


受生成式AI影响最大的十个职业
在麦肯锡近期的一份报告中表示，目前劳动者50%的工作可能在2030年前被自动化——AI工具将为工作者节省大量时间，完成大部分任务，但这并不意味着其工作可以完全被自动化。生成式AI的颠覆性潜力将冲击各行各业的不同岗位，对各类职业造成的影响程度各不相同，其中白领工作受到的冲击将比蓝领工作更大。



总体而言，生成式AI将促进劳动力转型升级，催生全新的工作方式，显著提高人效。


但短期来看，生成式AI现在还无法成为独立的工作者，而是现有工作岗位上的人类利用AI工具去提升专业性和效率，例如设计师在AI帮助下制作海报。


而且，有非常多的专家表示，生成式AI带来的效率提升会使得全社会产出大幅提升，但不会引发大规模“替代”——就像相比农业时代，工业时代下人们不是没工作、而是更忙了，同时全社会的产出提升了。未来人们的薪资将与你使用AI的能力挂钩——你不会因为AI失去工作，但是确实有一些工作内容会改变。原本螺丝钉性质的工作，即需求明确、不太需要协作的简单工作，很可能被AI替代；或者不会使用AI工具的人，会逐步被具备该技能的人替代。而这需要整个社会教育体系的进化作为支撑。


AI工具能替代团队吗？
今年年初，BCG面向1400多名高管进行了一项调查，结果显示90%的企业高管仍选择观望或仅尝试小规模应用——虽然几乎所有高管都将AI列为2024年的三大技术重点之一，但66%的高管对其所在公司在AI和生成式AI方面取得的进展喜忧参半或不太满意。在这些高管中，只有6%的公司对超过25%的员工进行了生成式AI工具培训。


但是，在几个月后的今天，从初创企业到行业巨头，每家公司都不再怀疑AI的价值，而在考虑怎么尽快用AI提高生产力、生产效率，从而提高自己的行业竞争力。


在往期推文《拥抱AI，让每一个员工都能做“学霸”》中提到的一项研究结果显示，使用AI工具后，团队成员的差距缩小了。而在另一项研究中，一些特定工作中使用AI工具之前，顶尖员工与其他员工之间的平均差距为22%；使用之后，这一差距显著缩小至4%。


但是，这并不意味着个人在AI的辅助下能够替代团队工作的价值——清华大学经济管理学院近期的一项研究中，通过两个精心设计的随机控制实验，考察了生成式AI对团队绩效和流程的影响，其结果证明了这一点。

· 实验详情 ·

■
实验设计
在研究中，122个团队、435名参与者被分为了三个对照组：纯人类团队、单一AI团队以及每位人类成员拥有专属AI的多AI团队。实验过程中，各个团队成员需要相互协作，完成两项复杂的专业任务。


此外，为了探讨个体在AI加持下是否能达到与团队相同的绩效，研究团队设计了第二个研究：139位参与者与AI合作，完成与团队相同的任务，并使用相同的评分标准进行对比。







■
实验发现
1.团队中引入生成式AI表现会更好么？


首先，研究给出了肯定的答案：引入生成式AI的团队，其绩效确实有了显著提升。在多个关键维度上，如整体质量、创新性和实用性，使用生成式AI的团队表现优于传统纯人类团队。在实验中，单一AI团队和多AI团队的平均绩效分数分别为5.99和5.97，而纯人类团队则为5.59。







但是，研究也发现AI在团队层面的效用并不如个体层面那么显著。“个体+AI”时，AI对个体绩效差异的解释度高达20%到60%；而在团队层面，这一数字降至大约4%。这表明，在团队环境中，AI的潜力可能受到团队动态和协作模式的限制，未能完全发挥。


2. AI加持下的个体能达到团队的水平么？


同时，研究也发现，尽管“个体+AI”的表现已经很接近团队了，但整体而言，他们的平均表现仍不如传统没有AI的团队和AI加持的团队。主要原因在于个体表现的分布较为极端，一些表现不佳的个体显著拉低了整体平均水平。然而，值得注意的是，已有相当多的个体在AI的帮助下，其绩效与团队相差无几。







在任务完成时间上，“个体+AI”表现得更为高效，他们比团队花费更少的时间完成任务。这表明，在特定情况下，“个体+AI”可以实现较高的任务效率。


为了进一步探讨如果个体在任务上花更多时间，是否能够达到团队的水平，团队在回归分析中控制了任务完成时间。结果显示，“个体+AI”在花费与团队相同时间时，其绩效已经达到了传统没有AI团队的水平，但仍然落后于AI加持的团队。


也就是说，虽然“个体+AI”可以显著提升绩效，但团队协作带来的整体优势仍然无法完全被个体所替代。AI加持的团队依然在综合表现上优于个体与AI配对，强调了团队协作在充分利用AI效能中的重要性。


3.需要在团队中给每个人都配一个AI助手么？


既然在AI助手的加持下，团队的工作效果大大提升，那么企业是否需要为团队中的每个人都配备一个AI助手？


研究数据显示：并非如此。无论是单AI团队还是多AI团队，它们在整体绩效上并没有显著差异。这表明，简单地增加AI的数量，并不能保证团队绩效的线性提升。


更深入的分析揭示了一个重要现象：多AI团队的绩效波动更大。管理多个AI系统的复杂性，可能会增加团队协作的难度，引发成员间的协调问题。与团队成员平均地与AI互动相比，当少数成员集中地使用AI助手时，团队的整体成果反而更好。这表明，深度而非广度，可能是AI在团队中发挥作用的关键。


该研究揭示了生成式AI在团队协作中的巨大潜力和复杂性。当“个体+AI”在花费与团队相同时间时，其绩效已经达到了传统没有AI团队的水平，但仍然落后于AI加持的团队。尽管AI技术能够显著提升个体的工作效率和绩效，但团队协作的独特优势依然不可忽视。团队中的成员通过相互协作、互相补充，可以在复杂任务中发挥出更强的综合能力。而AI作为辅助工具，可以在个体和团队层面都发挥出巨大的潜力。


该研究还指出，团队成员之间的熟悉程度更高、平均智力水平更高以及团队规模更大的团队，能够更有效地利用多个AI助手。团队成员彼此熟悉度高意味着他们在沟通和协作上更具效率，能够更好地整合AI的建议和人类的创造性思维；平均智力水平高的团队则能够更快地理解和应用AI提供的工具和信息，从而提升整体绩效；团队规模较大的团队则拥有更多的资源和更强的分工能力，能够更灵活地分配和利用AI资源。


此外，相比于传统的仅由人组成的团队，AI的加入增强了团队成员之间对于信心和满意度的共同感知。这一结果表明，AI的引入不仅仅是提升效率，更重要的是它在提高团队协作质量和成员之间情感联系方面发挥了重要作用。


如何把握生成式AI的价值创造？
麦肯锡在其报告中还总结了生成式AI创造的主要价值，可用“4C”来概括：


01. 简化（虚拟专家）


利用非结构化数据源归纳并提炼洞见，从而促进专业知识的传播；它还能解读文本与转录稿，创建嵌入式文本，以支持相关资料来源的查询和引用。


应用示例：在财务绩效分析中，通过生成式AI提供针对性的外部财务信息与内部绩效总结，备注财务说明，可提高财务规划与分析的效率，有望将财务成本降低4%~7%。


02. 编码与软件开发
生成式AI能够推动代码重构，从而加快主机迁移；可以解读、生成代码，从旧有系统大规模迁移主机资料，自动开发、记录、纠正测试，简化软件开发流程。


应用示例：在自动化或增强数据管理中，通过生成式AI可将部分数据标注、数据清理、文件生成工作自动化，辅助用户识别未标注数据中的异常值，并为最新获取的数据集创建文档，加快数据处理，提高数据质量，可将数据管理成本降低5%~10%。


03.内容创作


生成式AI能够创作各种形式的内容初稿，可生成文本、图片等信息载体，自动编写合同、招标书等文件，还能生成视觉元素，加快研发节奏。


应用示例：在创作适用于不同媒介渠道的营销内容时，生成式AI能够助力创意生成（如故事板）与大规模创作，支持用户以不同语言编写适用于不同渠道的邮件，并推送个性化的产品/服务建议，将营销成本降低5%~8%。


04.客户互动


生成式AI有助于打造高度个性化的消费体验，如通过聊天功能优化客户服务，还能拓宽客户聊天机器人的应用场景，从而加速客户拓展与数据收集。


应用示例：在聊天机器人的用例中，生成式AI可实现自然的对话、更好地应对外语及方言，打造自动化自助服务，并通过虚拟坐席提供客户支持，同时更加有效地解答客户疑问、准确判断疑问根因，有望降低9%~11%的客户运营成本。


如何把握生成式AI所创造的价值，这是一个被谈及多次的话题，除了注重AI对生产提效和业绩增长的影响、利用AI系统有序地提升员工技能等实践外，最关键还是管理者要调整自己的视角和心态来更好地拥抱AI：


首先，要秉持开放的心态，勇敢尝试新技术。未来AI会发展为一个普遍的工具，你需要充分地去了解它，识别内部需求，明确如何与企业的核心竞争力相结合，进而将其与现有业务流程和技术栈进行整合，确保无缝对接。


其次，更关键的是，企业要明确自身对AI的要求，像对待员工那样看待AI。企业在招聘人类员工时，会明确招聘需求来筛选候选人，好比毕业生像一张白纸，需要通过培训逐步培养。AI也是如此，企业要明确通过AI实现的功能，以及哪些工作AI能或不能完成；如果特定功能无法满足，可以再进行针对性训练，让AI更好地融入公司。