在一家以人類判斷為商業模式根基的專業服務機構任職二十年後,EY全球副主席在《Fortune》評論文章中指出,客戶尋求EY的不僅是分析,更是駕馭不確定性、做出更佳決策所需的經驗、洞察與視野——而這正是AI如今正強加到每一份工作中的技能,無論門牌上寫的是分析師、技術員還是機器操作員。

這位高管認為,AI時代最大的悖論在於:技術越強大,市場就越獎勵其他東西。最搶手的技能本質上屬於人類——一切都歸結於AI做不到的事。

人才缺口影響重大。根據EY的一項調查,儘管AI投資不斷攀升,企業仍因人才投資缺口而錯失高達40%的AI生產力提升。許多培訓計畫只聚焦技術性的AI操作經驗,卻略過了決定AI策略能否奏效的關鍵技能。結論是:限制AI回報的因素,可能同樣來自人才策略與技術本身。

AI依然做不到的事

科技擅長重複性任務與數據呈現。但定義目標、設定目的、提供賦予資訊意義的脈絡,仍是人類的責任。人們決定哪些目標值得追求、辨識脈絡何時改變,並對結果承擔責任。缺少這種人的引導,數據與洞察可能無法被有效應用,也無法發揮其完整潛在價值。

這重新定義了AI主導的工作場所样貌:它並不移除人,而是移除工作中那些從一開始就不需要人類判斷的部分。留下來的,是只有人類才能完成的部分。

將AI素養培養為領導力技能

要充分運用AI賦能的世界,AI素養必須超越專業技能的範疇——將操作AI工具與評估輸出結果的相關性相結合,並知道在出錯時如何(以及何時)介入。

相關規模令人矚目:根據CyberArk的一份報告,在一般組織中,機器身分的數量以82:1超過人類員工,並指出當機器身分以零散方式管理時,這種擴張與呈指數增長的身分安全威脅相關。這樣的規模並不會稀釋人類的責任,反而使其更加集中。隨著AI系統越來越自主,人類判斷變得更加重要。

根據世界經濟論壇的一項調查,分析思維是雇主在招募人才時最渴望的核心技能,約七成雇主稱其至關重要。領導者想要的是避免盲目授權、並懂得在關鍵時刻質疑AI的員工。

底線是:用AI讓工作更有效率,而不是讓它接管那些始終是工作最重要部分的判斷決策。

不要獨自前行

實務上,沒有任何一個組織能獨自解決AI勞動力整合的問題。孤立的做法可能耗時且成本高昂,組織會浪費時間重建他人早已解決的工作流程。

這正是作者在EY所領導的聯盟與生態系工作:協助組織打造正確的基礎,以有效擴展技術規模,而無需重造他人已經解決的成果。

與飲料製造商Lion的近期合作正印證了這一點:與生態系夥伴的協作使客戶回應速度加快75%,其人力職能的營運成本改善約30%。Lion並未從零打造AI賦能人力職能的每一層,而是與夥伴合作,這些夥伴已在其他地方解決了部分問題——這對正在權衡自行建置或夥伴主導路線的組織而言,是一個參考範例。

重新設計工作流程,讓人類居於核心

工作流程必須重新構想,讓人類保持在決策核心並維持信任。當AI與人類的混合工作流程圍繞僵化的交接而建——期望AI先完成任務再將結果交給人類——其根本假設是任務可以被乾淨地切分。實務上,這種結構壓縮了有意義判斷的機會,並可能增加更多反覆迭代的工作。

更持久的模式是圍繞共享任務、以真正整合的流程來組織工作,讓人類與AI在每個階段都能貢獻,而非按順序接力。

專精於暖通空調的跨國企業大金便是一例:其運用AI與人類混合團隊協同作業,導入全新的企業資源規劃(ERP)系統。AI協助程式碼生成與自動化測試,員工則對例外情況與高風險場景保持監督——再次印證判斷力是任何演算法都無法吸收的。[根據EY對該專案的說明](

不會過期的技能

AI模型能力瞬息萬變,若技能提升的討論只追蹤技術更新,就會落於人後。與特定模型版本綁定的技術技能保鮮期很短;而知道何時以及如何介入的判斷力,則不會過期。

判斷力對於建立安全且可信賴的AI至關重要。

這一切都不會自然發生。它需要各層級的AI素養、分擔建置負擔的夥伴,以及在每個階段都讓人類參與以提供適當監督的工作流程。

那些成功實現AI規模化的組織,正在審慎決定工作的哪些部分應保留給人類。而成功的AI導入,是釐清而非縮小這個角色。

本文反映的觀點為作者個人立場,不一定反映全球EY組織或其成員機構的觀點。《Fortune.com》評論文章所表達的意見僅代表作者本人的觀點,不一定反映Fortune的意見與信念。本文最初刊載於Fort.com。