对技能发展的影响

对技能发展的影响

过去几年，在技能领域，无论是理念构建还是实际落地，都取得了巨大进展。企业学习就是一个典型案例：许多组织为员工采购了数百个电子学习课程模块，却发现使用率和课程完成率都低得惊人。造成这种冷淡反应的原因有很多，但主要可以归因于员工心中“我到底为什么要学这些东西？”的感受，以及纯电子学习方式无法根据个人需求进行个性化学习的局限。

随着人工智能的加入，整个方法和教学法都可以被转变。一个由印度开发的优秀平台 Skills Alpha 采用五阶段模型，正在通过以下方式改变组织中的学习效果：

1. 收集员工以往的考核和绩效数据
2. 通过机器人互动，讨论个人的职业抱负，探索各种选择，以及为胜任所选角色所需的去学习、强化学习和新学习需求
3. 分析该人员通过现有数据所展现出的学习记录，并选择最适合实现最大学习效果的教学法。这可以简单到为个人选择视频课程而非文本课程，或提高课程设计中的复杂程度。
4. 通过该人员完成的课程来衡量学习效果，并将其在学习平台之外所参加课程的成果与定量和定性数据采集相整合
5. 分配一位在数月或数年前已经走过同样路径的导师，指导该人员解决学习中的疑问和困难，并在之后帮助其应对可能对职业发展产生不利影响的情境

人工智能在促进更好技能发展方面的未来，只受我们想象力的限制。鉴于互联网上每个人的社会建构都产生了大量数据，有理由认为，技能发展的每一个步骤都可以为了提升学习效果而被重新设计。除了技能培养过程本身之外，许多能够帮助个人获得工作和职业发展的当代技能，也可以被人工智能改变。相关案例很多，大致可以分为三类。

1. 与行业相关的技能，即需要建立对人们所接受培训行业细微差别的认知。在上一章中，我们详细介绍了人工智能在许多行业领域中的机会，而这些领域的求职者如果能够接受关于人工智能在人工智能中的机会的培训，将大有裨益。无论是制造业中更先进的车间技术，还是面向进入医疗健康领域人员的智能预测分析，每个行业都有其细微差别，需要快速学习并掌握，才能建立职业成功。
2. 技术技能也可以通过大量人工智能输入来教授。如果一名焊工在工作时由人工智能观察并指导其采用更适合其手部灵活性的更优技术，他就能更好地掌握技艺；而管理自动化工厂的主管，也可以通过多年的过往绩效和故障记录以及可能发生的未来情况，获得关于潜在故障点的指导。
3. 软技能方面，人工智能很可能在培养更优秀的主管和经理方面发挥非常重要的作用。在工作环境中，每一种情境都不尽相同，但曾经有不少情况表明，在缺乏充分数据的情况下凭冲动作出的决策，会导致次优结果。预测性和规范性分析可以被运用起来，提高经理和领导者作出良好决策的比例。人工智能也可以在提升主管的风格灵活性方面发挥重要作用。人工智能可以分析团队中每位成员的行为模式，并指导主管如何回应，以及如何对任何失职下属采取纠正行动。三十多年前，本书的一位作者曾有机会参加一门互动学习课程：一位有志成为领导者的人可以坐在控制台前，面前的视频屏幕上显示七八个人围坐在会议桌旁。在某个情境中，如果一名成员似乎在会议中打瞌睡，领导者会得到三四个选项：忽视、请求其集中注意力，或大声斥责。观察对方的反应会引导人在每种情境中采取更好的行动。今天，随着人工智能研究每个人过去的每一次行动和结果，指导可以非常细致，并可针对每位团队成员进行定制。可能性确实是无限的，许多事情都可以被预测，并用于指导未来的行动。

最受威胁的技能，将是那些曾经帮助近百万印度人在 IT 和 BPO 服务领域建立全球职业生涯的技能，这些服务既面向第三方，也面向遍布印度的全球能力中心。这些技能包括编程或编码、测试以及离岸维护服务。长期以来，编码一直是全国青年追求的热门技能，因此有必要理解，在未来几年里，这项技能是否会变得完全无关紧要，还是仍然存在年轻职业追求者可以并且应该投身的领域。

人工智能当然能够为任何开发环境生成代码，也能够纠正或补全程序员为以往应用所编写的代码。检测并修复漏洞、测试完整性以及进行优化，都属于人工智能代码生成器的能力范围。在大型系统开发项目中，通过应用“双重智能”方法，开发周期无疑可以得到加速。新兴数据公司 GTT Data Solutions 一直倡导这种方法，认为它是将人类与人工智能结合起来完成未来任务和程序的最佳方式。

那么，至少在可预见的未来，人类智能将在哪些领域继续胜过人工智能呢？当我们中的一位询问自己的个人 AI 认为其当前局限在哪里时，它很快承认自己在人类判断与同理心、对语境和意图的理解、创造力，以及应对模糊性和复杂决策方面仍有不足。

热情的大语言模型训练者可能会对此嗤之以鼻，并投入几块图形处理器，让 AI 更快克服这些局限。DeepSeek 的中国创造者则会增强其蒸馏和推理能力，使其能够辨别情绪，并根据自身感知调整行为。然而，毫无疑问，我们许多人都经历过的“数据—信息—知识—智慧”四重进阶，人工智能还需要大量学习才能掌握。这也许会引出一个问题：在这样复杂的时代，一名年轻且缺乏经验的软件工程师应当学习什么来开启职业生涯？而这个问题的答案，可能必须随着人工智能每一轮演进而有所不同。