人机协作中缺失的中间环节

“有一种新兴的协作智能，是现在公司竞争和创新所需要的，”威尔逊在我们的对话中解释道，“这真的是关于深思熟虑且严谨地创造那种结合效应，即人类的聪明才智、人类的创新加上AI系统，能够超越任何一方单独所能做到的。”

为了说明这一点，威尔逊分享了一个立陶宛研究人员的有趣故事，该研究人员巧妙地重新利用了AlphaFold(一个预测蛋白质结构的AI系统)来解决其创造者未曾设想的复杂蛋白质相互作用问题。结果呢?这是人类创造力与AI处理能力相结合的科学突破。

“在人的方面，以前的方法可以达到大约74%的准确率。但这通常需要数周的手工努力，”威尔逊指出，“在AI方面，AlphaFold基本上会得零分。但通过人机协作，我们实际上看到了一种效应，他们能够在短短几个小时内达到88%的准确率。”

这种协作的甜蜜点就是威尔逊所说的“缺失的中间环节”——人类能力与AI优势相结合的空间，创造出大于各部分之和的东西。

改变商业职能和经济

这种协作方法的影响远远超出了科学研究。根据埃森哲的研究，GenAI将改变各行业超过40%的工作时间，六个商业职能中超过一半的工作时间将通过自动化、增强和协作得到重塑。

威尔逊分享了一个全球饮料公司实施GenAI驱动的销售教练的真实案例。结果令人瞩目：“销售人员现在能够在电脑前花费明显更少的时间，而实际上与客户会面的时间明显增多。公司还能够看到，现在这些一线服务人员能够主动与新客户会面，这是他们以前无法做到的。”

该公司并没有停留在试点阶段——他们现在正在将这一举措扩展到另外1500名跨区域的销售人员。

为AI时代重新设计工作

随着AI采用的加速，领导者应该如何重新构想角色和工作描述?威尔逊认为，大多数公司仍然没有达到目标。

“今天的大多数公司仍然缺少系统地连接人类和机器并建立那种协作智能的工作设计，”他解释道。威尔逊敦促公司立即采取行动，围绕六个基本工作类别重新设计其劳动力，同时开发创新的工作方法。

威尔逊将这些新兴角色分为两大类。首先是直接支持AI系统的技术职位：培训师负责开发和优化AI模型，解释员负责解释AI输出并构建使它们在整个业务中易于理解的界面，维护员则确保AI系统能够随时间推移以道德和有效的方式运行。

除了这些专门的技术角色外，威尔逊还指出了AI改变现有工作的三种不同方式：增强，即AI提升人类的分析和创造能力;交互，涉及人类与AI接口之间的新型协作;以及体现，即AI通过制造技术(如制造环境中的协作机器人)来扩展物理能力。这些转变不仅仅是取代工作，而是从根本上改变工作的执行方式。

他分享了令人信服的统计数据，显示了这种增强的力量：“在一项关于分析任务的大规模研究中，仅AI实现了73%的性能，仅人类实现了80%。但AI增强的工人实现了90%。这是一个非常显著的提升。”

这种转变已经在创意领域发生。威尔逊描述了家具设计师现在如何与GenAI系统协作，这些系统可以根据美学和商业标准提出创新设计，从而改变设计过程的本质。

AI时代的新融合技能

随着95%的员工看到与GenAI合作的潜在价值，94%的员工愿意学习新技能，关键问题变成了：我们需要培养哪些能力?

“在工作流程中，人类和机器的融合越来越多，”威尔逊观察到，“在工作中越来越需要融合学习和运用AI技能的融合。”

威尔逊和他的合著者保罗·多赫蒂(Paul Daugherty)确定了这个新时代所需的八项“融合技能”。其中一项关键技能是“判断整合”——评估AI输出的新颖性、有用性和可信度的能力。

“在这个GenAI时代创造价值，真的需要将你的专业人类判断、你在法律或产品设计或科学等领域的专业知识融入到你与大语言模型协作的方式中，”威尔逊强调说。

AI转型的框架

对于希望有效实施AI的商业领导者，威尔逊提供了一个结构化的方法，称为MELDS——心态(Mindset)、实验(Experimentation)、领导力(Leadership)、数字核心(Digital Core)和技能(Skills)。

首先，领导者需要采用一种心态，即围绕“缺失的中间环节”重新设计工作流程，分解工作并根据比较优势将任务分配给人类或机器。

然后是实验——但要有明确的路径来扩展成功的试点。“很多公司在实验阶段有点卡住了，”威尔逊警告说，“对于公司来说，从那些实验性试点中跳出来，将倡议转化为生产系统，这一点非常重要。”

在AI时代，领导力意味着拥抱超越单纯合规的负责任AI实践。然而，威尔逊指出，虽然“98%的高管确实理解良好风险管理的重要性，但在我们研究过的公司中，只有大约2%的公司真正以全面和行动为基础的方式实施负责任AI。”

公司还需要一个强大的数字核心，包括云基础设施和现代化的数据系统。目前，只有大约20%的公司已经为其数据和云基础设施做好了有效使用AI的准备。

最后，企业必须投资于技能发展。威尔逊指出，尽管员工对AI技能的热情普遍高涨，但只有大约5%的员工认为他们的公司提供了足够的资源和时间来进行技能发展。

终极货币：信任

随着AI系统变得越来越有能力和自主，威尔逊强调，信任将是实现AI潜在利益的限制因素。

“如果AI系统只是一个黑箱，人们不知道为什么AI会做出特定决策，那么他们就不会有效地与AI系统协作，”他解释道。这就是为什么“可解释机器学习工程师”等角色变得越来越重要的原因。

可解释、以人为本的AI对业务的影响已经是可衡量的。威尔逊引用研究数据表明，“当工人在工作流程中看到可解释AI的建议时，工厂车间识别缺陷零件的人为错误率降低了五倍。”同样，在医疗保健领域，医生使用可解释AI时的准确率提高了10个百分点，但使用黑箱系统时准确率下降了20个百分点。

在这个新的协作智能时代，未来属于那些能够成功地将人类创造力与AI能力相结合、通过可解释系统建立信任并开发出有效人机合作所需的融合技能的组织。那些掌握这种平衡的人不仅将在AI革命中生存下来，还将在其中蓬勃发展。

文章来自：51CTO