“人人都有一个AI助理”的时代好像已经到来……
来源|多知
QuestMobile的最新数据显示，截至2024年1月，我国前十大AIGC应用去重月活用户总规模达到5376万——这意味着，AIGC+职业的话题热度持续不减，但实际应用远未达到普及的程度。
至此，新一代AI技术与产品更多停留在耳边，而不是活跃在指尖。
多知观察发现，阿里研究院展开了调查和研究，并采访了一批积极拥抱AI的一线实践者，请他们分享使用AI的心得。
从报告中的八个趋势里可以看到：基于人的AI能力，和AI助理的产品形态，人机协作正在成为新的工作方式，职场“超级个体”开始出现。
“人人都有一个AI助理”的时代好像已经到来……
01
“人力×算力”的乘数效应
如果说人才密集是数字化时代的活力源泉，那么在AI驱动的智能化时代，算力密集又注入了一股新的强劲动力。
算力与AI结合，融入企业组织管理运营的方方面面，激活沉睡的知识和数据，放大原有的人力资源，表现出“人力×算力”的乘数效应。
在典型性行业和岗位，AI将极大拉高全员下限，提升人力资源的平均产出，并帮助优秀个体突破上限，催生一批“超级个体”。
“小而强”将成为更普遍的组织形态。
“人力×算力”的“积”决定个人和组织的能力，人均算力消耗水平与企业组织成长性呈显著的正相关性。除企业组织统一提供的算力外，还将有越来越多的个人自掏腰包采买算力，提升自身竞争力。
趋势分析：
从模型预训练到模型部署和推理应用，我国Al领域对算力的需求呈指数级增长，并推动传统“云计算”升级为面向Al时代的高质量“云智算”。
Al时代，“云+Al”不仅是普惠、灵活的资源能源，还是个人和企业获取新技术、新能力的重要渠道，在本《报告》援引的鲜活案例中，大家将清晰地看到这一点。
“人力×算力”的工作新范式已经开始帮助个人实现生产力和创造力倍增；帮助企业在原有人力资源条件下，通过工具革命和员工培训，打开全新的增长空间。
未来几年，企业和个人规划发展路径时，必须高度重视算力这个关键变量。
02
每个人、每家企业都将拥有专属Al助理
如果说第一代互联网连接了PC，第二代互联网连接了手机，那么AI时代将实现数据的连接，真正发挥数据作为新型生产要素的巨大价值。如何安全、高效地分类分级使用数据，成为社会各界共同面对的重要课题。
AI助理能否普及，取决于技术框架和规则机制是否安全可信，是否能让用户放心授权AI调用个人的数据库和知识库。
假设信任前提成立，可以预见，AI助理将打破移动互联网时代APP之间的“信息孤岛”状态，统筹管理用户散落在不同产品上的数据，为其提供全覆盖的一键式智能服务。
职场案例：Al助理“下乡”：已经学会养猪，即将开始学养鸡、生蛋。
周子超是一名数字化工程师，他所在的铁骑力士集团，是一家饲料、牧业、食品行业的知名企业，现有员工1.3万多人。
周子超新近开发了一个叫“智慧养殖专家”的Al助理，在企业内部和全行业引起了比较大的反响。
……
周子超在钉钉上基于“通义千问”大模型底座开发了一个Al助理。
在训练Al助理时，周子超喂了三类数据：一是公司制度，输入后通过关键词就能随时查询；二是行业资料，比如发现猪的状态异常，就可以通过描述具体情况，在Al助理的指引下决定下一步动作；三是内部经验、数据，比如公司经常邀请“十佳养猪场长”分享经验心得，Al助理可以激活这些历史经验，方便场长们随时借鉴。
周子超介绍，养猪场有两个关键指标：一是料肉比，猪每增重一公斤所消耗的饲料量；二是PSY，即每头母猪每年能提供的断奶仔猪头数。这两项指标事关养猪场效益，也关系到每位场长的奖金高低。
以前，只有总部实时掌握这些数据，场长们只顾闷头干，到年终等着看结果。而现在，每位场长都可以通过Al助理查看按月更新的数据，倒推问题所在、寻求改进办法。
未来，周子超希望在公司养鸡、产蛋等业务上也能开发Al助理。他还计划全面清洗公司系统里的各种碎片化数据，喂给Al助理，按照数据权限开放给各类员工，让全公司每个人都有一个Al助理。
03
Al能力正在成为职场关键竞争力
2024年3月，清华大学经管学院组织与领导力系主任、Flextronics讲席教授李宁及其团队预发表论文：《超越技术：生成式AI背后的人类才智挖掘》。
李宁教授团队用7个多月的时间，完成了一项开创性的实证研究。
研究显示，“人工智能素养”（即使用AI的能力）已经发展为一门独立于传统技能和知识的新兴必备技艺。人与AI的深度合作，不仅是技术运用的提升，更是个体能力的延展和重塑。
生成式AI是人能力的催化剂，人则是AI能力的引导者和放大器。
当前，已有越来越多的用人单位认可AI能力是一项人才关键指标，在招聘、考核等环节予以重点关注。
AI逐渐承接执行简单工作任务，人机协作的重心转向战略分析、创意创新、问题洞察。AI能力作为一项独立能力，其外延不断拓宽。掌握先进AI工具并能用好工具的人，将成为职场上的“超级个体”，收获数倍乃至数十倍于常规个体的产出。
职场案例：编程小白练出50多个模型，工作提效10倍。
南墙是四川成都一家工作室的设计师，有8年工作经验。她不会编程，却在过去一年积极尝试，根据开源大模型和素材，亲手制作了超过50个Al图片模型，不仅彻底改变了自己的工作方式，还上传“堆友”Al设计平台，成为平台上的明星设计师。
这些模型品类丰富，涵盖动漫、插画、3D图标、产品展台、人像摄影，已经被大量设计师同行采用。单个模型在“堆友”平台的作图量少则几千、多则数万，她根据数据和反馈，反向推断未来的流行趋势，让自己的设计变得更能引领潮流。
……
人机协作之下，南墙有两点重要收获：一是实现了惊人的10倍提效，二是Al会贡献意想不到的惊喜。10倍提效是全流程共同改进的结果，比如使用产品展台类模型，能省去场景布置、场景图购买、产品摄影、建模等环节，直接生成最终图片，省时省力省钱。
另外，在“堆友”这样的Al设计平台调用模型，时不时会表现出智能涌现。比如，南墙设置参数时描述了A和B，Al最终不仅创造出了A和B，还给出额外的C选项，给南墙提供了新思路，有助于激发出更有新意的作品。
04
被加剧的择业“高不成低不就”结构性矛盾
在AI理解物理世界规律和人类的行为之后，将以机器人等形态，成为体力劳动的有力助手，并从封闭空间走向公共空间，从生产制造走向服务业，把更多人从辛劳中解放出来，全面改变人类的职业形态和生存方式。
这一轮AI技术革命推动就业市场呈现两极化，全社会对高端技能岗位和低技能要求岗位需求旺盛，对“高不成低不就”的中间层人员需求减弱。
面向AI时代，刷新就业观和人才观变得愈加刻不容缓。
趋势分析：
对比“20个最容易受大语言模型影响的职业”和“20个最不容易受大语言模型影响的职业”，眼下最受追捧的大学专业对应的职业，绝大多数都位于前一个榜单，这从一个侧面解释了为何大学生就业存在“高不成低不就”的困境。
《报告》后文将提及，一批职业院校已经行动起来，在政策的支持下，积极对接产业和教育资源，组织学生针对性强化Al素养，考取Al有关的新职业认证，为学生匹配就业市场需求打下坚实基础。
05
简历无需再简，面试不必见面
未来一年，更多企业将引入AI工具，应用于人力资源管理全流程。
AI开始成为简历筛选、招聘面试、员工培训、绩效考核的重要参与者，在提高效率的同时，重塑职场文化和人际关系。
kimi、通义千问等新一代AI大模型工具具备长文解析能力，一些企业用其概括简历要点，并通过问答针对性提取信息，全面提升简历筛选的成效。从趋势看，求职简历已经不必简短，可以附带个人代表作等更丰富的信息，以便用人单位在AI的协助下全面深入了解求职者。
职场面试也正在被AI改变。
基于新一代技术，“AI面试官”具备了更强的视频分析、语音分析、语义理解、表情识别等能力，在保障面试者知情权、事先经其授权的前提下，可以“千人千面”地提问、聆听、洞察，并做出评价。未来，管理者可以使用数字分身担任AI面试官。
职场案例：Al面试官接管首轮面试，生成“全息简历”。
2022年，加多宝与钉钉生态伙伴“Al得贤招聘官”建立合作。
以模型为抓手，加多宝完成了面试流程的再造：用L4级别的Al面试替代了原来的HR首轮群面，快速出分、快速筛选。系统自动整合候选人简历、答题视频、认知能力测试成绩等信息，生成Al全息简历。技术面试官在面试之前，就可以基于Al全息简历先作筛选，快速聚焦合适人选。面试官们反馈，Al推荐的人选比以前的更优质。
人力资源部门统计，在Al的帮助下，招聘成本降低了30%。
……
总体而言，Al招聘解决了传统招聘的几大痛点：
一，人力筛选海量简历，费时且随机性大。二，低效、无效沟通占比高。三，不同面试官标准难统一、意见难统一，内部沟通决策成本高。四，同一个面试官会受情绪、体力、时间安排等因素影响，评价缺乏稳定性。
06
Al捕捉重要信息，在线办公优势加强
基于AI助理对在线办公的全局信息管理，每个人对企业组织的投入和贡献都变得清晰可辨，推动职场评价更加透明、公平，劳资关系更广泛地从出卖时间转向交付结果。
更多企业将以结果为导向，淡化定点定时考勤打卡，增加办公灵活度和员工自主权。“955”惯例开始被更加人性化的灵活工作制取代。
职场案例：用Al激活“沉睡”的数据和知识资产。
佳沃是国内最大的蓝莓生产企业之一，做好生产基地主管和一线工人的培训，是保障产品质量的关键一环。过去，他们主要采取集中培训和“师带徒”的方式，但知识专业性强、更迭快，一线工人流动性大，培训工作量巨大。
李萌是佳沃集团知识管理总监，她的目标，是让新员工也能随时调用专业知识。为了降低培训成本，同时更好地采集、沉淀非标行业数据，2021年，李萌开始基于钉钉平台搭建佳沃内部知识共享平台。
首先是上传文档，整理上传公司所有知识文档，并推出全员分享知识的机制，目前已经积累了3万多个知识文档。然后打通系统，他们把育种、种植、采收、分选加工等SaaS系统全部集成到钉钉上，统一沉淀数据。就连一线工人每次采摘的数据，也能实时记录、实时沉淀，形成了业务数据的“滚雪球”效应。
……
佳沃集团的数据显示，在线化沉淀+Al智能化，让新员工培训成本降低超过50%。这套模式还帮助员工更容易学习跨部门、跨行业的新知识，有不少员工因此顺利完成转岗。
07
新职业为Al而生，旧职业重心转换
以AI的开发和应用为主线，全社会的职业和岗位分布将呈现出新面貌。
一批新职业因AI而生，比如算力管理、模型训练、算法标注等；一部分传统职业则因AI而变，在新的人机协作模式下，工作重心发生转换。
以电商运营为例，AI全面提升了设计、拍摄、客服等环节的效率，运营岗位的工作职责被重新定义。运营人员把更多时间用于数据分析、行业洞察、产品创新，既打开了个人发展空间，也为企业创造了更大价值。
值得注意的是，AI时代，模型成为行业知识和价值创造的重要载体，因其高度智能化和交互的简易性，用户基于模型DIY，即可创造出独有的成果和产品。
由此出现一批垂直模型开发者，他们不交付具体的服务，而是把服务能力集成为高可用性模型，向模型使用者收费，工作模式从定制走向量产，营收模式从单次走向长尾。
08
情绪价值含量，决定工作附加值
AI时代，硅基智能让效率无处不在，变得不再稀缺，而效率并非人类痛点的万能解药。效率改变不了人类作为碳基生物的物种属性，满足不了人类的情感和心理需求。
价值与意义，健康与美，是人类永恒的追求。
未来几年，情绪价值在经济活动中的权重将加速提升，成为与效率价值平行的一条价值主线。
创造情绪价值的工作将获得丰厚回报，情绪价值含量成为决定每份工作附加值的关键因素。以客服工作为例，尽管AI客服的用户体验不断优化，但仍无法交付情绪价值，人工客服将始终存在。
情绪价值的创造依赖人与人的沟通，人格化的AI交互产品可以发挥辅助作用。“去世亲友复活”等数字人技术应用备受追捧，同时面临逝者本人意愿等方面的伦理质疑。
