业务视角的中国企业AI+学习发展报告，燃动智火

最新推荐文章于 2024-09-28 09:34:10 发布

小报告达人

最新推荐文章于 2024-09-28 09:34:10 发布

阅读量912

点赞数 22

文章标签：人工智能学习

本文链接：https://blog.csdn.net/haixuan003/article/details/137572401

版权

今天分享的是AI专题系列深度研究报告：《AI专题：业务视角的中国企业AI+学习发展报告，燃动智火》。

（报告出品方：H3C）

前言

如果说近期有什么科技突破，能够让你联想到火之于人类文明的重要性，那一定是 AI大语言模型，它意味着人类对 A1技术的探索达到了新的高度。我们把它类比于“火”的发现和使用，一点也不为过。因此，我们把这报告的核心主题命名为“燃动智火"

2024年将是 A1的产业年，我们将看到越来越多的创新应用场景和产品形志不断涌现。A1卷起的科技狂潮正在以前所未有的速度渗透着所有产业，教育与企业学习领域也不例外。在此技术“奇点”，作为企业的学习发展工作者，我们也在思考:业务管理者对AI应用于业务赋能和人才培养怎么看?他们最看重、最期待什么AI应用?他们有什么顾感或心声?

我们以“业务管理者”的视角研究当前国内外业务赋和人才培养的 A1应用，探索各方的前沿观点和领先实践。调研不同维度的AI应用方向，为企业培训从业者开展 AI规划提供参考资源。

本次探索采用文献研读、定性访谈与问卷调查相结合的方式开展。首先，项目组通过文献研究和对 12位行业专家的访谈，发控和提炼了AI在业务赋能和人才培养中的8个应用场囊、22 项领先应用。其次，通过定性和定量相结合的1021份问卷调查，集中分析了 509 位业务管理者对 AI 在业务赋能和人才培养的 22 个应用的期待、顾虑以及对未来趋势的看法。

星星之火，已经点燃

从总体数据来看，组织中 A1在业务赋能和人才培养中的应用现状暂处于初步探表阶段。16%的管理者表示组织已经有一些成熟的AI助力员工培养或赋能员工提升绩效的实践;4%的管理者表示，在组织确的战略和资源支持下，A1在员工培养和业务赋能中已经取得了显著的成效。尽管是这样，业务管理者对它的期待普遍较高，业务管理者对8个 AI+ 业务赋能和人才培养场景中的22 个应用的期待值，在1-10分的打分中基本上都在7分以上。正所谓“星星之火，已经点燃”

当然，我们最想向你展示的是通过本次调研，我们从各行各业的拥有领先实践企业的专家和业务管理者中访谈得到8个AI+业务赋能和人才培养场景，22个AI应用。这8大场景分别是“用AI促进知识应用”“用A1承担业务专家角色”“用A1承担赋能助理角色”“用 AI进行陪练和模拟训练”，以上4个场景，我们称其为 AI在“业务赋能”中的典型应用场囊。而“用AI辅助管理者做团队/员工发展”“用A1辅助管理者做人岗匹配”“用 AI辅助管理者做辅导与反馈”“用 AI 实现员工千人干面的个性化学习”被称AI在“人才培养”中的典型应用场景。在这8大场景再往下细分有 22 个应用，它们中有你可能相对比较熟悉的“A1陪练”“专家教字分身”“A1自动收集和分发知识”等，也有你可能不那么熟悉的“AI经验萃取”“A1辅助制定团队发展规划”“管理者的 AI助理”等。

拥有领先实践的企业，A1+学习发展是怎么玩儿的，这些在我们的报告中有很详细的应用介绍及企业实际应用案例，这些介绍会给你企业如何玩转 A1+业务赋能和人才培养,服务好业务方面提供借鉴和参考。欢迎打开我们的报告,详细阅读这部分内客。

赋能之火，更受期待

调研数据显示:业务管理者对AI+ 业务赋能应用的期待值打分略高于对 AI+人才培养应用的期待值打分。

或因业务管理者更加关注和期待能够直接赋能业务、为业务提质增效、直接产生业务成果的 AI应用，而对相对长周期的人才培养的关注度会下降;或因AI+人才培养应用的实现难度相对较高--这些应用的实现是需要对海量数据进行学习后做出预决策，对企业的数据基础建设和 A1准备度有较高的要求。

非常有意思的是更多调研数据也似乎验证了这个假设，那些企业的AI准备度相对高的组织，即那些有明确 AI战略与投资、有高 AI技术能力和高AI人才储备的企业,他们更期待“AI+人才培养应用”。这或许意味着，AI准备度高的组织由于拥有丰富的AI资源和先进技术，对A1的能力有更深入的了解和信任。他们更少担忧AI在人才培养方面的局限性，因此对 AI+人才培养的价值抱有更高的期待。

此外，可能与我们以往的认知有偏差的是:业务管理者对“用A1陪练和模拟训练”的期待值相对较低。

智能陪练在时下应用相对比较广泛却相对不被业务管理者期待，从我们的调研回访中获知:业务管理者普遍认为与人打交道是未来AI最难以替代的部分，部分管理者由于担心 A1不能准确模拟客户，因此对A1陪练和模拟训练的期待较低。这对我们学习发展工作者的启示是对业务复杂度高、影响因素变化大，难以模式化的业务慎用A1智能陪练。

还有一个有意思的发现是:业务管理者对“用AI实现千人千面个性化学习”有较高期待，而对“用AI辅助管理者做辅导和反馈”关注度低，这里“干人干面个性化学习”有了新内通:前几年的探索中，干人干面的个性化学习主要依赖于标签进行学习内容的推送，这也是很多组织在人才培养中最先开始探索的AI应用。随着以ChalGPT为代表的大模型的涌现，AI智能生成技术实现的精准推荐和多模态学习成为实现“干人干面" 的新内涵。也或因AIGC 新学习模式将能够更接近实现“因材施教”这个理念，使得管理者对"用A1实现员工千人干面的个性化学习"抱有最高的期待。但是，为什么管理者对“用AI辅助管理者做辅导和反馈”关注度低?我们从调研数据中发现，凡是辅助管理者做决策的应用普遍期待值低。个中原因我们在报告中也有专家解读和管理者回访之声做诠释，欢迎你打开报告查阅这部分内容。

赋能场景

高期待“用 AI促进知识运用””，低关注“用 AI陪练和模拟训练

AI+业务赋能是指利用 AI技术，通过提供特定工具、信息或资源使组织内的人员能够更高效地完成工作任务，从而推动业务的发展和增长，更好地满足业务目标。

如图3的调研数据显示，业务管理者对4个A1+业务赋能场量的总体期待都较高，在1-10分的打分中，平均得分都在7分以上。

业务管理者对“用A1促进知识运用”场景的期待最高，高达7.42分。业务管理者对于将知识转化为生产力的诉求非常强烈。传统方式下，知识收集、分类和分发是非常繁重的运营任务，投入大，一直是很多管理者“求而难得”的服务。而AI技术发展使其成为可能，因此，业务管理者对“用AI促进知识运用”的期待非常高。

而业务管理者对“用 AI进行陪练和模拟训练”的期待值相对较低，仅7.07分。业务管理者普遍认为与人打交道是未来A1最难以替代的部分，部分管理者由于担心A1不能准确模拟客户，因此对A1陪练和模拟训练的期待较低。这或与管理者在自身成长过程中，对陪练和模拟技术的体验有关，也或与管理者所面对的业务复杂度高影响因素变化大，难以模式化有关。

赋能应用

高期待“能独立完成任务的 AI应用”,低关注“人机协同的应用”

从业务管理者对12个AI+业务赋能应用的期待来看，如图4的调研数据显示业务管理者对于 AI+ 业务赋能应用的期待都较高，12项应用中11项期待分都在7分以上。

4个期待最高的应用分别是:AI自动收集和分发知识、AI对业务知识库进行自动分类和打标签、专家数字分身和AI将知识服务嵌入工作流。这四个应用均展现出A1独立作业的“A1代理人”的特性，即无需额外人工干预,AI能够独立完成相关工作。通过自动化、智能化和机器学习，AI系统能够从一些繁琐、重复或甚至危险的任务中解放员工，甚至 A1还让员工有能力完成以前无法胜任的任务。这或是管理者最为期待“A1代理人”类型应用的原因。

而排名相对靠后的4个应用分别是:AI匹配业务专家、AI模拟训练、AI辅助业务课程开发和 AI陪练。这些应用具有明显的人机协同特征，对业务的直接影响相对较小，仍需要依赖于“人”的参与和决策来完成任务，这使得产出的业务结果不确定性较大,因此业务管理者的期待相对保守。另外,也或受中国经济总体大环境的影响，管理者对AI应用的期望更多地集中于提质、增效和降本等直接效益上。这可能导致了他们对 A1应用的期待更为实际和功利，对那些不能直接带来显著效益的应用类型持更为谨慎的态度。