-
批判性思维
AI重塑工作？你可能想错了——来自《2026年全球技能趋势报告》的4个惊人真相
HRTech概述：AI 正重新定义组织的学习方式、工作方式与竞争方式。报告指出，AI 流利度已经成为团队新的数字素养，不再是工具培训，而是理解 AI 的应用场景、风险边界、伦理规则以及每日使用习惯。报告强调，推动 AI 规模化的核心不是技术，而是领导力与组织文化。透明沟通、授权式管理和心理安全，是员工愿意尝试、迭代、信任 AI 的关键。
视频解读访问视频号：#HRTech
更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
关于人工智能（AI）将如何改变我们的工作，你是否也感到既兴奋又焦虑？我们每天都被各种关于AI工具和技术的新闻轰炸，但真正的变革远不止于此。许多公司和个人都专注于“学习使用AI”，却忽略了更深层次的转变。
这些观点将帮助我们理解，在AI时代取得成功的关键，并非仅仅掌握一项新技术，而是关乎思维模式、学习方式、领导力乃至整个组织文化的重塑。
1. AI素养：它不是一项技术，而是一种新的工作操作系统
大多数组织错误地将“掌握AI技能”等同于学习如何操作某个工具或软件。然而，报告指出，真正的挑战在于重塑企业文化——鼓励员工去试验、探索，并将AI自然地融入日常工作流程中。
这引出了一个核心概念：“AI素养”（AI fluency）。它不是一项待办清单上的技术任务，而是一种全新的工作“操作系统”。真正的AI素养意味着深入理解AI的能力、风险和道德问题，并养成每天使用它的习惯。至关重要的是，AI素养还需要培养判断力、好奇心、灵活性和风险承受能力等适应性技能。它要求我们不仅知道如何使用AI，更要知道何时该依赖它，何时该质疑它。
这种转变并非纸上谈兵，员工们已经以惊人的速度在积极拥抱它。数据显示，对Microsoft Copilot和GitHub Copilot等工具的学习使用量出现了爆炸性增长，年同比增长率分别高达 +3,400% 和 +13,534%。这个观点之所以重要，是因为它将焦点从被动学习工具转移到了主动重塑工作方式和思维模式上——这是一种更深刻、更持久的变革。
2. 忘记培训课吧：最好的AI学习发生在工作中
一个普遍的迷思是：学习只发生在培训室或在线课程中。然而，报告强调，技能只有在实际工作中被应用、调整和改进时，才能被真正掌握。这种模式被称为“在工作流中学习”（learning in the flow of work）。
这一观点得到了研究的有力支持。卡内基梅隆大学的数据显示，通过实践和即时反馈学习的学生，其学习效率是仅通过听讲学习的学生的3倍。这意味着，为员工创造一个可以安全试验、应用AI并获得反馈的环境，远比单纯提供课程重要得多。
“能够蓬勃发展的组织，将是那些建立了沉浸式环境，让员工能够掌握AI素养，并建立了技术放大独特人类能力文化的公司。” —— Hugo Sarrazin, CEO of Udemy
这种学习方式之所以关键，因为它极大地减少了“学”与“用”之间的摩擦，使技能培养与创造实际业务价值直接挂钩，从而同时加速了个人和组织的成长。
3. 真正的瓶颈不是技术，而是人：领导力、道德与信任
AI转型成功与否，其决定性因素往往不是技术本身，而是“人的因素”。报告中一句极具冲击力的话点明了真相：“AI焦虑既是颠覆性技术的症状，也是领导力失败的症状。”
数据显示，领导层的准备严重不足：只有 48% 的员工认为他们的领导者已经为AI时代做好了准备。成功的领导者不能仅仅是技术的推行者，他们更需要成为信任的建立者、文化的塑造者和道德的守护者。他们必须赋予员工自主权（agency），让他们有信心去探索和塑造AI的应用方式，并为AI的使用制定清晰的道德准则。
这意味着他们需要就AI带来的影响进行坦诚沟通，并为员工和领导者创造安全的空间，让他们可以承认自己的未知……并在共同学习（和从失败中前进）的过程中安全地挑战既有假设。
“未来的竞争格局不由谁拥有最好的AI来定义，而是由谁拥有最能推动变革并赋能员工有效使用AI的领导者来定义。” —— Stephen Bailey, CEO and Co-Founder of ExecOnline
技术可以被复制，但一个充满信任、安全感和道德感的组织文化，才是最难被模仿的核心竞争力。
4. AI不是终点线，而是适应未来的训练场
这是本文最具前瞻性的观点：将AI转型本身视为最终目标，是一个巨大的战略失误。AI只是未来众多颠覆性变革中的一次，它更像是一个“训练场”，而不是“终点线”。
真正的竞争优势，在于建立一种“永久的适应能力”（permanent adaptability）。这就需要我们大力培养那些保质期超越任何特定技术的“适应性技能”（adaptive skills），例如批判性思维、决策能力、情绪恢复力和沟通能力。这些技能是应对未来一切不确定性的基石。
数据的增长也印证了这一点：决策能力的学习需求增长了 +38%，而批判性思维则增长了 +37%。麦肯锡的研究进一步强化了这一观点：高度适应和有韧性的员工，其创新能力要高出 3.8倍。
因此，AI转型本身就是一个完美的、高风险的训练场。它所带来的挑战——模糊性、对道德判断的需求、对新思维方式的渴求——恰恰迫使我们建立起那种永久的适应能力，这种能力将在AI变得司空见惯之后，长久地确保我们的价值。
在持续变革中重塑未来
AI时代的真正挑战不在于技术本身，而在于如何建立一个以人为本、由AI赋能、并能不断学习和适应的组织。领导力、员工自主性和适应性技能，将共同构成未来成功的基石。
AI正在重塑我们的工作，与其问“我们该如何使用AI？”，或许更重要的问题是：“我们希望成为一个怎样的组织，我们的员工作为人类又该如何成长？”
-
批判性思维
工作场所中的AI如何缩短您的工作周？
未来是四天工作制吗？有几家公司已经做出了这样的改变，理由是生产率提高、员工更快乐、保留率更高和招聘速度加快。要实现真正的每周4天（32小时）工作制，许多组织必须（a）雇佣更多的人才来弥补不足，或（B）接受一个较低的生产力。这两种选择都不会有用，还有第三种选择：人工智能。人工智能将能够提高生产率，使任何企业的工作时间都能切实减少。
未来是每周工作四天吗？几家企业已经做出了这一转变，理由是生产率提高、员工更快乐、保留率更高、招聘速度更快。以上加点原因激发了许多企业的效仿，这可能为后代工人带来期望。
然而，并不是所有的星期都是一样的。对大多数企业来说，要想在不妥协的情况下缩短工作时间，恐怕还不太可能。通过减少一天的工作，雇主可能会被迫增加他们的每日工作时间来弥补损失的时间。
为了获得真正的四天（32小时）工作周，许多组织将不得不（A）雇用更多的人才来弥补这一空缺，或者（B）接受较低的生产力。如果两种选择都不会非常有效，那还有另外一种选择：人工智能。
由于越来越多的新机会，该技术被视为工作创造者。随着公司探索自动化的潜力，人工智能专家的角色将主导2020年。很容易理解为什么现在可以用机器来处理乏味且高度可重复的任务，从而使每个员工都可以将宝贵的工作时间预留给更关键的项目。从长远来看，人工智能可以走得更远，将生产率提高到可以切实减少任何企业工作时间的程度。
多达45%的工作活动可以通过现有技术实现自动化，每工作40小时就可能为员工节省18小时。这给减少工作周留下了很大的回旋余地。雇主可以选择用新的项目、目标或是大量的电子邮件和会议来填补这段时间。但这样做不会改善招聘或提供更好的工作与生活平衡。
有些人可能会质疑，有多少企业会利用自动化来减少员工数量，同时期望剩余的员工每周工作满40小时，而一些公司可能会因此受到诱惑。人工智能是一种强大的工具，但它不能提供员工个人给雇主带来的批判性思维、解决问题和创新能力。人工智能没有身体，也无法表达人类的情感，使得一对一的关系如此有意义。这是一个神奇的技术，可以自动处理平凡的任务，每天24小时，每周7天。但人工智能的价值主张不同于人类。他们最适合并肩合作，而不是一对一。（了解更多： https://hrtechchina.com/）
随着时间的推移会变得更好
四天工作周仍处于起步阶段，因此尚未实现全部收益。但是一些公司已经在吹嘘自己亲身经历的有影响力的结果，这可以作为其他公司的案例研究。
人工智能可以帮助解决经常使生产力紧张的耗时任务，例如解决用户技术问题或自动化生产管理的一部分。这项技术在帮助网络安全专业人员检测和阻止安全入侵方面非常有用，而且它已经成为越来越受市场营销人员欢迎的工具，他们希望针对特定的人口统计数据。呼叫中心也利用了人工智能，允许它自动处理许多查询。而且它只会随着时间的推移而变得更好，主要是因为机器学习提高了它学习、成长和更好地理解它需要执行的任务的能力。
随着人与机器的距离越来越近，企业将实现单凭人类或人工智能无法实现的效率。当技术能够处理大量任务时，企业将可以自由地大规模缩短工作周。
相反，他们可以保持5天的工作日程，但这对已经对工作环境有着强烈意见的雇主或雇员来说并不适用。为了吸引未来的人才，今天的企业将需要适应他们的需求，无论这涉及到更多的带薪休假、日程弹性，还是更短的工作周。（了解更多： https://hrtechchina.com/）
就业新纪元
在人工智能时代，“更聪明而不是更努力地工作”这句老话有了新的含义。有可能减轻员工现有的工作量，同时保持同样的产出水平，这可能是一项技术，开创了一个全新的就业时代。曾经被视为无聊、累人或完全无趣的工作可以交给人工智能，而人类则完成工作中最令人兴奋和要求最高的部分。这是一个双赢的局面，至少会让工作更愉快。在那里可以打开一扇通往一生三天周末的大门。
以上由AI翻译，仅供参考！
作者：Jonathan Crane IPsoft
来源：hrtechnologist
扫一扫 加微信
hrtechchina
