摘要
经济分析表明，生成式AI的影响将不同于前几代AI和机器学习技术，它将推动创意类职位和工作任务的生产力达到新高度。他们为领导者提供了一套系统方法，通过重新审视和设计工作流程、改写职位描述来释放生成式AI的新潜力。
随着微软和谷歌的聊天机器人之后，亚马逊、Box、Salesforce、甲骨文等公司相继推出大量新型生成式AI（GenAI）产品，高管们一直在寻找最有效的方式将生成式AI的潜力转化为实际应用。这种潜力是前所未有的——该技术不仅能改造常规工作，更能将AI的力量注入创意与知识工作领域，使企业不仅能大幅提升生产力，还能开辟全新的企业变革路径。
要抓住这些机遇，企业领导者首先需要理解生成式AI对其所在行业的潜在影响，这种影响可能远超当前预期。职能部门负责人同样需要分析该技术在其领域内的潜在影响。随后，通过与IT和技术领导者的协作，全组织的高管可以着手开展重塑岗位、重构流程、调整人才与技能再培养战略等艰巨任务，以充分释放生成式AI的潜力。
生成式AI的跨行业影响
这一机遇究竟有多大？在我们前期研究基础上，我们分析了大型语言模型（LLMs）对19个主要行业工作耗时的影响（数据来源为O*NET/美国劳工统计局2022年就业数据）。研究发现，全行业44%的工作时间可能受到生成式AI影响。其中银行业机会最大，72%的工作时间可能被改造；保险业为68%；资本市场达67%。零售、旅游、医疗和能源等中等影响行业的可改造工时介于40%-50%。在对22个职位类别的分析中，我们发现LLMs将影响所有岗位，影响幅度从每日工作时长的9%到63%不等，其中5个岗位超过半数工作时间可被改造。
更值得关注的是，我们对19,265项任务的分析发现，超过半数任务可利用生成式AI作为输入来激发创造力并催生创新解决方案。与此前主要影响常规性、重复性、规则驱动型工作的机器学习技术不同，生成式AI将以空前力度改变创意工作。这彻底改变了高管提升生产力的思维方式。以数据科学家职位为例，76%的工作时间可受生成式AI影响，在当前技术条件下可实现25%的生产力提升。
更关键的是，增强创造力的能力将带来更大的生产力提升机遇：利用生成式AI加速AI创新。换言之，这个我们毕生所见最强大的生产力引擎——生成式AI——可能被用来提升其自身生产力。
重塑岗位、重构流程、聚焦人才
当前，生成式AI的应用正处于初期阶段，多数企业开始尝试使用现成的”基础模型”（AI应用平台）。但对大多数企业而言，真正的价值在于利用自有数据定制模型以满足独特需求。那些超越现成方案、持续为自身运营定制模型的企业，将获得巨大的变革机遇。
以下我们以数据科学家为例，探讨生成式AI在IT职能中的潜力。但本文提出的方法论可且应该适用于几乎所有AI相关岗位。具体方法如下：
解构AI相关岗位的任务组成
工作重塑的基础单元是任务而非职位。要找准生成式AI的最佳应用场景，首先需要将职位拆解为具体任务。例如，数据科学家的任务包括处理数字/在线数据、评估数据质量、设计信息系统应用、开发系统/流程/产品模型等。其次，判断任务完成是否依赖语言（自然语言、编程语言或数学语言）的深度使用。数据科学家需要运用Python、C++等编程语言，还需用自然语言向业务领导阐释洞见价值：为何需要行动？如何优化决策？哪些环节亟需改变？
第三，评估任务执行中的知识运用：问题是否具有模糊性？是否需要专家协作验证？要构建业务运营模型，数据科学家必须结合企业所处行业背景进行理解，这需要跨部门协作与验证。
围绕生成式AI重组岗位任务
分解岗位任务后，即可分析生成式AI对各任务的影响。经验法则是：重复性流程任务适合全自动化，需要创造性推理、协作和判断的任务适合AI增强。例如，生成式AI可加速数据科学家对行业流程的理解，提升协作效率。低改造潜力的任务仍由人工完成，而岗位重组可能催生新的高价值人工任务。
在典型数据科学家岗位分析中，我们发现有5项任务（如数据处理、质量评估）可自动化；7项任务可通过生成式AI增强（如微软、GitHub与MIT研究显示，使用GitHub Copilot的开发者在JavaScript网页服务器开发中耗时减少57%）；另有5项任务（如运营计划沟通、人员督导）暂难改造。
重构业务流程
自动化任务、增强型任务与人工任务构成工作重塑的基础模块。这些重组后的岗位需要与组织中其他重塑岗位重新编织业务流程，从根本上改变工作方式。以互联网保险新贵Lemonade为例，该公司重新构思了理赔、核保等保险流程，通过AI视角与人文关怀重塑客户体验：用户点击APP中的”理赔”按钮，向AI助手Maya描述情况即可完成申报——无需填表、电话等待或部门转接。AI运行反欺诈算法后，约30%的理赔可即时支付；复杂案件则转交人工快速处理。为消除保险双方的不信任，公司采取”固定比例佣金+年度捐赠”模式：将未理赔保费捐赠给客户指定的公益项目。流程中的”人工环节”实为客户自身——他们清楚夸大索赔意味着所支持公益项目的资金缩水。
流程重构充满挑战，企业需务实应对组织变革难题。制定企业战略时，需统筹考虑各类AI技术（不仅限于生成式AI和LLMs）的协同应用。
重塑人才与技能战略
企业需在技术投资的同时，同步推进运营变革与人才培养。实现生成式AI潜力的两大关键是：彻底重构工作方式，以及帮助员工适应技术变革。几乎所有岗位都将受到影响——部分被取代，多数被改造，同时催生大量新兴职位。
由于员工将亲身参与岗位解构与重组，他们将在工作中获得新技能——这正是多数人偏好的学习方式。生成式AI本身也将赋能技能重塑：近60%的企业计划将其用于培训，超40%的企业准备加大投入。
值得注意的是，融合生成式AI的企业变革赋予领导者新责任。必须确保技术应用合规可控，避免业务风险。生成式AI的输出需经人工严格审核，确保准确、无偏见、无知识产权问题。当企业在重塑岗位、重构流程、培养人机协作能力的过程中坚持负责任AI原则，这将成为其差异化竞争优势的重要源泉。
阅读原文：https://hbr.org/2023/12/genai-will-change-how-we-design-jobs-heres-how