Gartner 2025大中华区高管交流大会于近日盛大召开,Gartner 发布最新研究,仅靠技术堆砌难以释放 人工智能(AI) 潜能,企业要想扩大业务影响,首要任务是建立一支 AI 就绪型员工队伍。
Gartner调研显示,AI投资对生产力大幅提升的承诺迟迟难以真正兑现的症结主要体现在三个方面:一是应用缺口仍大——在中国,超过八成员工从未在工作岗位关键任务中使用生成式AI工具;二是工具效果偏低——仅有极少数企业认为最新的Copilot类产品已达到预期价值,大多数企业认为“聊胜于无”;三是技能落地率不足——传统培训模式下,真正被用到工作中的新技能不足四成,而且大部分知识在短时间内即被遗忘。
Gartner研究副总裁莫心鹂表示:“AI 不是魔法棒。只投技术、不投人,就等于把预算直接扔进垃圾桶。”
中国企业要实现AI价值转化,需要通过五个步骤,把“学习曲线”与“收益曲线”编织在一起,系统性打造AI就绪型团队,实现技术与人才的双轮驱动。

把学习与收益写在同一张纸上
企业应先用一张“学习—收益对照表”,把预期业务成果、急需新技能,以及配套的培训与变革投入一次性列清,让技术与人才投资形成闭环。只有当财务报表能追溯到“人才投入→业务回报”,学习才会被视为增长引擎,而非额外成本。
莫心鹂表示:“AI素养与AI价值是共生的。面对AI时代技术高速发展对企业人才战略的考验,CIO只有把人才培养写进AI价值交付流程,才能向企业真正展示如何实现‘投入一分、回收多分’的硬回报。”
锚定价值,建立“学习—收益莫比乌斯带”
企业应围绕最关键的业务场景(如开发效率、客户体验),将学习曲线和收益曲线编织成一条无限循环的莫比乌斯带:目标越具体,培训越精准,回报越直观。管理层应在目标、投入和里程碑之间建立可量化的因果链,确保每一项员工技能培训活动都能映射到收入增长或成本节省成果。
莫心鹂强调:“目标不落地,培训就难获预算;收益不量化,学习就难持续。把学习与收益缠绕在一起,才能让人才投资成为董事会追问的硬指标。”
因岗定培,精细匹配不同角色的 AI 素养需求
领导层关注战略与治理,一线员工重视流程落地,技术团队则需掌握提示工程、模型评估与安全机制。企业应以“基础认知、技术工程、业务应用、治理合规”四大维度拆解课程,按不同角色群体需求量身定制培训计划与考核指标,避免“一刀切”。
莫心鹂指出:“领导层要懂‘为什么’,执行者要会‘怎么做’,技术人员要精‘做得对’。只有把正确的知识和技能教给正确的人,培训才能产生绩效杠杆效应。”
敏捷落地,10-20-70 学习循环,让培训融入工作场景
实践证明,按“10% 正规课程、20% 社交辅导、70% 现场实操”设计多元化的AI素养发展路径,辅以微课、挑战任务和即时复盘,可在短时间内显著提升生产效率。核心是把新技能的学习和提升嵌入日常工作流程中,让员工边做边学、边学边改。
莫心鹂提醒:“培训只有在工作现场发生,才能将 知识和技能变成生产力。把学习嵌入价值交付流程,小步快跑、实时反馈,才能真正让 AI 赋能业务。”
持续迭代,季度复盘,动态升级人才与技术
企业需把素养提升写进季度 OKR,定期复盘“新业务目标、新试点、新角色、新工具”,据此迭代培训内容与节奏,让 AI 素养与 AI 战略同步扩展。这样才能确保人才供给始终贴合技术演进。
莫心鹂总结:“AI 迭代不停,人才战略也要不断调频升级。只有让‘学习-收益莫比乌斯带’持续转动,企业才能在 AI 时代把每一笔人才和技术投资都转化为实际的业务价值。”
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。