2025年企业领导者必知的生成式AI技能与教育趋势
展望2025年,随着生成式AI逐渐从概念验证步入生产阶段,更多企业正试用生成式AI技术,相关的话题也将更加深入。
2024年,生成式AI再度成为科技领域的焦点。各界人士纷纷热议,试图理清生成式AI对业务的影响。展望2025年,随着生成式AI逐渐从概念验证步入生产阶段,更多企业正试用生成式AI技术,相关的话题也将更加深入。
德勤的研究表明,三分之二的组织机构表示,随着生成式AI商业价值的初步显现,它们正在加大对这一领域的投资。这也意味着,企业将需要更多具备AI技能的员工来执行其AI战略和发展,在2025年继续为员工提供AI技能培训成为必须。2024年,为了满足客户与合作伙伴在帮助员工提升AI技能方面的巨大需求,亚马逊云科技也在践行亚马逊“AI就绪(AI Ready)”计划的承诺,在一年内为全球两百万人免费提供了AI技能培训。随着人工智能技术的不断发展,对AI技能培训的需求预计将持续增长。
以下五个方面将成为2025年影响企业人才策略的主要趋势。
- 生成式AI技能仍然至关重要,但软技能同样不容忽视。随着越来越多企业在业务中采用生成式AI推动创新、优化工作流程,领导者们必然要花更多时间了解生成式AI的基础知识。然而,他们同样需要更新和提升软技能,例如有效沟通、决策制定、经理培训和管理迭代等。随着变革的到来,不确定性也随之增加。领导者们正面临巨大压力,他们不仅需要帮助员工为生成式AI的演进做好准备,还需要明确组织对于这一技术变革的愿景。为确保员工积极参与这一变革过程,他们需要获得明确的指导和鼓励,包括在尝试新事物和面对失败时的安全感。现在正是检视企业文化的关键时刻,企业文化必须支持各级员工持续学习、保持批判性思维和敢于实验。生成式AI的潜力无可限量,想要抓住机遇,企业必须兼顾软硬技能的提升。
- 生成式AI驱动的学习方式正在崛起。2025年,生成式AI将改变我们的学习方式。技术进步不断降低获得优质教育的门槛,生成式AI驱动的学习方式将提供更多机会,使教育更加公平。这并非意味着每个人都能拥有专属的面授老师,但基于生成式AI,更多人可以在数字化学习系统中获得类似的学习体验。研究表明,一对一辅导可显著提高学生成绩。生成式AI驱动的“老师”会根据学员当前的知识和技能水平,在学习过程中提供有针对性的额外支持,为学员的个性化学习之路提供建议和辅导。
- 数字化学习助手加速业务成果的转化。不仅学生能够从人工智能导师或学习助手中受益,追求技能提升和再培训的员工同样可以从中获益。这意味着,领导者在员工数字化培训上的投资,将为企业带来更高的投资回报。通过数字化培训,员工能够更深入地掌握知识和技能,助力企业迅速培养具备关键技术的团队,从而推动业务增长。简而言之,员工借助生成式AI学习新概念和技能的速度越快、掌握度越高,业务创新和盈利能力的提升也会更迅速。
- 群组式培训对业务产生长期的影响。为了跟上技术发展的步伐,开展全公司范围内的技能提升活动,并培养积极主动的学习文化是最有效的方法之一。然而,找准合适的培训形式和领域,并充分满足组织当前创新需求并非易事。基于对生成式AI的兴趣,我们观察到越来越多的企业选择为特定主题、领域或团队开展高度集中的短期培训计划。这一计划的关键在于打造一种协作式的小组培训模式,涵盖专项创意构思、实践操作学习以及软技能培训。这类培训带来了以下关键益处:首先,员工能获得可操作的使用案例,最大限度发挥新开发的技能,通过协作式的实践学习,他们可以关注一些原本无法触及的重点领域。其次,确定优先关注的领域后,领导者可以快速做出决策,重新在新岗位部署新技能人才,或规划更多再培训计划。第三,这类培训周期短、领域集中,企业能够更快获得成果,从而增强了技能发展的业务价值,进一步赢得管理层对员工技能培训的支持。鉴于我们观察到的群组式生成式AI培训的成功,预计到2025年及以后,越来越多的领导者将采纳这一方法,持续提升员工技能。考虑到生成式人工智能的发展速度之快,在科技和商业领域,速度比以往任何时候都更加重要。
- 衡量培训带来的业务影响。在帮助客户和合作伙伴开展生成式AI培训的同时,我们也协助他们评估培训效果。生产力无疑是评估工作成效的重要指标,但这些培训的价值远不止于此,更关乎于长远的战略布局。确保团队掌握完成项目或推动计划所需的关键技能,将有效避免招募新人、工作外包乃至项目搁浅等不利局面。衡量持续培训对企业的影响,关键在于评估通过技能提升可以达成的、而在以往难以实现的业务成果。此评估需要充分考量团队成员的参与度、留存率、工作效率、协作能力以及勇于承担风险的自信心。
鉴于人工智能的快速发展,其对业务和员工的影响瞬息万变,没有人能完全预见2025年的确切情况。领导者唯一能掌控的是营造良好的工作环境,赋能员工自信地应对新的挑战与机遇。无论企业的具体发展路径如何,为员工投资、帮助他们掌握关键技能,这将是企业在2025年取得成功的关键所在。
Maureen Lonergan是亚马逊云科技培训与认证副总裁,她领导的全球团队致力于培养下一代云计算人才。Maureen Lonergan助力亚马逊云科技的客户、合作伙伴和员工掌握关键技能和知识,在数字化转型时代解锁亚马逊云科技云的力量。
0赞好文章,需要你的鼓励
推荐文章
这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇,并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案,在多个基准测试中实现显著性能提升,为提高AI视觉系统可靠性提供了重要突破。
IBM研究院发布AssetOpsBench,全球首个工业资产AI代理评估平台。该研究建立了多代理协作框架,涵盖IoT数据采集、时序分析、故障诊断等专业模块,通过141个真实场景和六维评估标准测试AI在复杂工业运维中的表现。测试显示当前AI技术仍有改进空间,为工业4.0时代的智能运维发展提供重要基准。
韩国科学技术院研究团队开发出Simba方法,通过层次化稀疏化技术对状态空间模型进行"瘦身",在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计,让AI模型的上层只处理最重要的信息,实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。
这项研究展示了一个基于ModernBERT架构的prompt injection检测模型,通过精心构建的多样化数据集训练,在内部测试中达到98.7%准确率和98.0% F1分数,在公开基准测试中平均F1分数达93.8%,显著超越现有最强基线系统。该模型推理速度仅0.02秒,具备实时检测能力,为AI系统安全防护提供了新的解决方案。