导语：AI蕴含巨大生产力提升潜力，但红利并非唾手可得。当四分之三的IT人员已用上AI工具，却有五分之一的技术人员仍靠自学摸索、23%在等待正式培训时，问题出在哪里？十位行业专家给出10个可落地步骤——从全面覆盖到实战演练，从消除恐惧到评估风险——帮你的团队把AI从技术实验变成业务价值。
AI能带来大幅度的生产力提升，但这些收益却难以实现。以下是如何创建培训项目，确保员工充分运用新兴技术。
图源：Rob Schultz / Shutterstock
要从AI中收获回报，需要精心引导，尤其是在协助员工安全、高效地使用工具方面，这一点并不令人意外。然而有证据表明，部分CIO及其高管层同僚并未提供员工所需的足够指导。
根据Harvey Nash近期发布的Tech Talent Salary Report/《科技人才薪酬报告》，该报告调研了全球超过3600名科技专业人士，虽然四分之三的IT人员已可使用AI工具，但仍有五分之一的技术人员仍需自学，23%在等待正式培训。
研究表明，AI探索已相当普遍，但定制化学习发展项目却并未普及。然而，希望将AI转化为价值创造机遇的数字化领导者，必须对员工进行培训。那么，AI培训方案应包含哪些要素？以下，行业专家给出实施高效培训项目的10个步骤。
一、采取全面覆盖的方式
Michael Cole（迈克尔·科尔）是DP World Tour的CTO（首席技术官），DP World Tour是覆盖25个国家、举办42项赛事的男子职业高尔夫巡回赛。他表示，AI培训是一项覆盖全组织范围的系统工程。
Cole（科尔）表示：“我已请HR（人力资源）部门的培训协调员协助打造一套我认为切实适用的培训与发展计划，不仅服务于我所在的European Tour（欧洲巡回赛）IT团队，同时覆盖全业务部门。”
Cole（科尔）表示，需要强调的关键点是，掌握AI以及它所具备的各类能力，并不仅仅等同于学会操作技术工具。他说：“高效运用AI关乎流程、思维模式和文化。因此，当我们开始思考将我们这样的组织带入AI驱动的转型时代所需的培训和发展时，这必须是一套能够覆盖全部业务板块的综合性培训方案。”
二、培训管理层
在覆盖全组织的培训项目中，每个人都需要接受AI教育，包括管理层。正因如此，生物制药巨头Sanofi（赛诺菲）的首席数字官Emmanuel Frenehard（埃马纽埃尔·弗伦哈德）表示，公司对AI培训采取了多层次策略。
高管层完成了Drive Digital（数字驱动）项目，这是Sanofi（赛诺菲）与ESSEC business school in Paris（巴黎埃塞克商学院）合作设计的培训计划。该计划聚焦核心议题，如应用场景和价值创造。在150名管理者完成该项目后，它被推广到全组织超过1000名专业人员。
Frenehard（弗伦哈德）在谈及最佳实践经验时表示：“不要急于寻找现成解决方案，也不要只盯着Claude、ChatGPT这类工具，而是要思考亟待解决的业务难题。对我们而言，这种方法意味着专注于我们正在做的事情、我们期望创造的价值，以及项目会带来的依赖关系。”
他表示，培训还需要协助对AI存疑的人克服恐惧。他说：“必须让培训变得有趣，并尽可能降低风险。人们不应觉得必须非常懂技术才能高效使用AI。”
三、建立清晰认知与主观能动性
Jo Bishenden（乔·比申登）是科技培训与人才供应商QA的首席学习官，她表示，AI培训经常被当成一次性科普宣讲、合规任务，或是仅面向技术专家的专项内容。
最好的培训项目在三个方面做到位：为组织内所有人提供基础知识基准，课程聚焦特定岗位的应用场景以展示AI如何影响日常工作，以及提供持续学习以在引入新AI工具时推动行为改变。
Bishenden（比申登）表示：“做得好的组织能看到更好的AI投资回报、生产力提升，以及更自信的决策。员工建立清晰认知和主观能动性，理解AI是增强自身专业能力而非替代他们的专业能力。归根结底，AI的成功不只取决于技术本身，更取决于使用它的工作团队的能力。”
四、人在回路
Ankur Anand（安库尔·阿南德）是招聘公司Harvey Nash的集团CIO，他表示，AI培训通常是一项持续进行的工作，他所在公司的研究表明，五分之一的技术人员被要求自学。“各方急于交付工具，但随后组织在赋能人员能力方面投入资源不足，”他表示。
虽然提示词工程等技术技能是AI学习与发展的重要组成部分，但Anand（阿南德）表示，优质的培训项目会超越IT专业技能，确保参与流程的人员对其责任有全面理解。
Anand（阿南德）表示：“AI培训中还有许多软性要素需要处理。优质培训不仅关乎使用工具，还涉及需要相应调整的治理和风险框架。”
五、展示个人成功案例
Louise Newbury-Smith（路易丝·纽伯里-史密斯）是Zoom的英国-爱尔兰区负责人负责人，她表示公司在本地和全球层面都设有AI赋能团队。虽然公司提供课程和自学机会，但Newbury-Smith（纽伯里-史密斯）表示，赋能环节才让AI培训真正落地。
Newbury-Smith（纽伯里-史密斯）表示：“我们的方法核心是展示个人成功案例，让培训落到实处，推广最佳实践。我们有所谓的‘Cook Along（跟练实操工坊）’，由我们的AI布道者带领。我们经常集体参与这些课程，让整个过程充满乐趣。如果有骨干能够分享出色的成功经验，那效果会非常显著。”
她表示，成功的关键在于分享知识。还补充道：“我们非常关注人的价值。AI的所有服务、内容和方向，核心都是帮人类省出时间，让他们能和其他同事开展更有价值的互动，用所需信息为他们赋能。”
六、聚焦精细细节
Dan Cherowbrier（丹·切罗布里亚）是Formula E（电动方程式锦标赛）的CTO，Formula E是一项专为电动汽车设置的赛车锦标赛，该赛事运营方也将业务重点放在AI能力赋能上。公司设有专门的AI工程师，帮助员工利用这项新兴技术。
Cherowbrier（切罗布里亚）表示：“我们本身就具备创新文化，并不缺少AI应用创意。我们缺少的是让人上手、测试技术并推向落地应用的资源。”
AI赋能工程师与公司其他技术专家合作，确保工具能够安全稳定部署。他说道：“我们正在扩充数据和AI团队，这样就能协助全业务用户接入和理解API（应用程序编程接口）、获取数据访问权限、运行安全检查，然后将AI投入生产环境应用。”
七、培养可迁移复用技能
Murali Swaminathan（穆拉利·斯瓦米纳坦）是科技公司Freshworks的CTO，他表示，关于AI模型的信息如此之多，缺乏指导的情况下人们很容易走偏。
Swaminathan（斯瓦米纳坦）表示：“我们正在尝试为员工提供结构化学习。我们清楚大家的基础参差不齐，有些人进度更快，所以需要提供适配他们具体岗位的知识。”
Swaminathan（斯瓦米纳坦）表示，由于不同业务部门的AI经验和能力差异很大，高管会讨论如何开展高效培训。然而，所选的AI学习和部署路径必须同时适配个人和公司。
Swaminathan（斯瓦米纳坦）表示：“我之前和我的工程师们遇到过这个问题。最初我们给他们提供了四种不同的工具，所有人都在用AI，但方式极不统一，每个人都在用不同方式做同一件事。因此我们现在正在培养可复用技能。这种方法必须在每个岗位职能中复制推广。”
八、实践中学习
Luke Gebb（卢克·盖布）是American Express（美国运通）的全球创新负责人，他表示，这家金融服务公司设有多种培训项目。在见证了不同形式的AI教育后，他提倡在实践中学习，如果做不到这一点，次优方案是观察他人如何使用这项技术。
Gebb（盖布）表示：“仅靠听说或阅读关于AI的内容，或是接触那些没有实际演示的内容，效果远不如实际体验。最好的方式就是布置实践任务，让大家亲手尝试。”
Gebb（盖布）表示，这种方式在他管理的120人创新团队中已经常态化落地。团队会举办一小时的成果分享交流会，由员工演示自己如何在日常工作中使用AI工具。
他说道：“然后大家会提出各种问题，演示者会分享最佳实践经验，其他人就会跟着尝试。这种方法效果非常好。”
九、运用探索性方法
Stephen Wood（斯蒂芬·伍德）是Rathbones Asset Management的COO（首席运营官），他表示，AI培训在他的组织中是必修课。“我们希望所有人熟悉不同类型的AI，”他说，“我们并不要求每个人都是编程天才，也不要求所有人都是这方面的专家，但每个人都需要理解AI。”
公司采取主动培训的方式，通过开设培训课程、借助数字化推广骨干传播最佳实践。公司还采用探索性方法，包括举办黑客松以帮助发现内部能力。
Wood（伍德）表示：“这次黑客马拉松证明，只需在Google和YouTube上搜索，你就能开始创建能执行基本功能的智能体。这个过程让我们认识到，通过适当的培训、重复演练和持续迭代发展，我们未必需要招聘新人就能创造大幅度的生产力提升。那是一个令人兴奋的时刻。”
十、评估新可能性
新兴技术不可能孤立存在。AOP Health的数字、数据和IT副总裁Bernhard Seiser（伯恩哈德·塞泽）表示，任何使用AI的人都必须意识到潜在后果。“验证你开发出的成果是否正确，是你的责任，”他说。
在一个强监管行业中运营，意味着AI培训与数据治理紧密相关。“我们仅在合规无风险的领域运用AI，”他说，“例如，撰写文案、生成图像等。这类工作是可以开展的。”
随着新AI工具的出现，AOP Health将评估其选项并制定培训计划。Seiser（塞泽）表示：“该策略意味着，我们可以针对特定业务任务引入专用工具。评估每个应用场景中的AI，是我和团队的核心工作职责之一。”
提示词工程（Prompt Engineering）：设计和优化输入给AI模型的提示文本的技能，使AI生成更准确、更符合业务需求的输出，是AI培训中的基础技术能力。
AI赋能（AI Enablement）：通过培训、工具支持、最佳实践分享等系统性方式，帮助员工在实际工作中高效、安全地使用AI技术，区别于单纯的技术培训。
AI布道者（AI Evangelist）：组织内积极推广AI应用、分享成功案例的标杆人物，通过示范效应带动同事采纳AI工具，通常非正式管理岗位。
回路中的人员（Human in the Loop）：在AI系统工作流中保留人工介入管控节点，确保人类对AI决策和输出进行监督、审核和纠正，是AI治理的核心机制。
黑客松（Hackathon）：短时间内集中开展的协作开发活动，组织内员工组队在限定时间内完成AI应用原型开发，用于发现内部潜力和验证创意可行性。
