在当今这样一个人工智能、大数据和自动化的时代,技术技能和数据素养显然非常重要。但是这并不意味着我们应该忽略工作中的人的因素——机器无法很好实现的各种技能。我相信,随着工作本质的发展变化,机器承担了更多容易实现自动化的工作,这些软技能对于成功来说将变得更加至关重要。换句话说,人类的工作从总体上来说将变得更多,就是人类的工作。
考虑到这一点,员工应该为了未来培养哪些技能呢?我认为,在未来,以下九种软技能对于雇主来说将变得更加宝贵。
1、创造力
机器人和机器可以做很多事情,但是,就创造、想象、发明和梦想的能力而言,它们是很难与人类匹敌的。随着所有这些新技术的到来,未来的职场将需要新的思维方式——这就使创造性思维和人类的创造力变成了重要的资产。
2、分析(批判性)思维
除了创造性思维之外,进行分析思考的能力也将变得更加宝贵,尤其是当我们应对职场性质的变化以及人机之间劳动分工的变化时,更是如此。这是因为具有批判性思维能力的人可以提出创新的想法,解决复杂的问题并权衡各种解决方案的利弊——所有这些都要使用逻辑和推理,而不是依靠直觉或情感。
3、情商
情商也被称为EQ(也有人称之为情绪智商),它描述一个人意识、控制和表达自己的情绪,并意识到他人情绪的能力。因此,当我们谈论具有同理心并与他人相处融洽的人时,我们在描述的是一个情商高的人。鉴于机器无法轻松复制人类与其他人建立联系的能力,因此,在职场中,对具有较高情商的人的需求会更大,这是有道理的。
4、人际交往能力
和情商有关,与人成功交换信息的能力将是一项至关重要的技能,这意味着员工必须磨炼与他人进行有效沟通的能力——使用恰当的语气和肢体语言,以便清晰地传递信息。
5、以成长心态积极学习
具有成长心态的人知道他们的能力可以得到发展,而提升技能可以带来更高的成就。他们愿意接受新的挑战,从自己犯下的错误中吸取教训,并积极寻求扩大知识的途径。由于人工智能和其他快速发展的技术,未来的职场会对这种人才有大量的需求,因为在未来,技能会比现在更快地过时。
6、判断与决策
我们已经知道,计算机能够比人类的大脑更好地处理信息,但是最终,需要由人来负责组织中关键业务决策。必须由人类来考虑决策对业务和从事这些业务的人员的影响。因此,决策技巧仍然很重要。但是,毫无疑问,人类决策的性质将会发生变化——具体而言,技术将处理更多的琐碎和平凡的决策,使人们可以专注于更高级别、更复杂的决策。
7、领导能力
未来的职场将与今天的等级制组织大不相同。基于项目的团队、远程团队和灵活的组织结构可能会变得越来越普遍。但这不会削弱良好领导能力的重要性。即使在项目团队内部,个人仍将需要发挥领导作用来解决问题和制定解决方案——因此,激励和帮助他人成就最好的自己等通用的领导特质仍然至关重要。
8、多样性和文化智慧
职场正在变得越来越多样化和开放,因此员工将需要能够尊重、理解并适应其他那些可能以不同方式感知世界的人。显然,这将改善人们在公司内部的互动方式,但我认为,这也将使公司的服务和产品更具包容性。
9、拥抱变化
即使对于我来说,现在变化的步伐也令人惊诧,特别是在人工智能方面。这意味着人们将不得不变得敏捷,并且培养拥抱——甚至是庆祝变化的能力。员工们将需要变得更加灵活,适应不断变化的职场、期望和所需的技能要求。而且,至关重要的是,他们需要能够将变化看成是成长的机会,而不是一种令人讨厌的负担。
总结
我们不需要羡慕人工智能。人类的大脑令人难以置信。它比现有的任何人工智能都要更加复杂,也更加强大。因此,与其害怕人工智能、自动化及其将给职场带来的变化,我们每个人还不如着眼于利用我们独特的、身为人的能力,并且培养这些软技能——对于未来的工作来说,这些技能将变得更加重要。
好文章,需要你的鼓励
本文介绍了如何在Windows和macOS等主流操作系统上使用免费开源软件,无需更换操作系统即可摆脱付费订阅。文章推荐了Ninite等工具来安装免费软件,并详细介绍了Firefox、Thunderbird、LibreOffice、VLC等优秀的开源替代方案。作者强调虽然学习新工具需要时间投入,但从长远来看,使用不依赖订阅模式的替代工具将带来巨大回报。
香港大学和腾讯联合研究团队开发DSR Suite框架,首次让AI掌握动态空间推理能力。该技术通过自动化流水线从真实世界视频提取三维几何信息,构建了包含5万个训练样本的DSR-Train数据集和1484个评估样本的DSR-Bench基准。核心创新GSM几何选择模块能根据问题精准提取相关几何知识,避免信息过载。实验显示新方法在动态空间推理任务上达到58.9%准确率,超越最强对比模型20个百分点,为机器人导航、自动驾驶等应用奠定重要基础。
随着生成式人工智能系统提供直接答案而非链接列表,传统搜索引擎优化正面临重大变革。谷歌AI概述功能已覆盖约30%的美国搜索,导致网站点击率大幅下降。专家预测,到2030年AI将占B2B软件研究的70%以上。AI引擎更重视结构化数据、实体识别和权威性,而非传统的关键词和反向链接。营销人员需要采用实体权威工程等新策略来优化AI可见性。
南京大学团队发布T2AV-Compass,这是全球首个文本到音视频生成模型的综合评测基准。研究构建了500个复杂测试场景和双重评估体系,发现当前AI模型存在"音频真实感瓶颈"—视频质量优秀但音频效果较差。该基准为AI视频生成领域提供统一评估标准,指出了未来技术改进的关键方向。