從大公司到小公司，管理者正面對一個日益突出的問題，有人稱之為「經驗飢荒」。 在公司重組和人工智慧（AI）應用推進之下，許多過去由初級員工承擔的重複性任務已經被自動化取代，比如起草報告，或把數據整理進電子表格。這讓他們擺脫了不少苦活累活。 但這也讓他們失去了一條長期以來用於積累經驗本領的路徑：初級員工正是靠著一遍遍練手，慢慢獲得專業能力，日後成為能發揮價值的成員。 低成本飽和痛擊！無人機崛起，美俄軍事霸權也栽跟斗 《華爾街日報》主題報新一期上線，登入會員免費領！ ☛瞭解詳情 就像網球運動員反覆練發球，年輕工程師也是通過一遍遍寫代碼，學會如何發現程式漏洞，並從錯誤中吸取教訓。初入行的律師反覆起草合約，從而掌握基礎法律理論；會計師處理一疊疊公司稅務申報表，也是在為日後給客戶提供建議打底。 「從模式中學習、從重複中學習，這很重要，」人力資源科技公司Deel的人力資源高管納迪婭·阿拉伊（Nadia Alaee）說。「再往上一層，就是學會如何做出真正好的判斷。」 為了彌補這類反覆迭代工作的缺口，公司正在嘗試用新方式培養肌肉記憶。安永（EY）等公司設計了模擬訓練，讓初級員工練習如何請客戶提供資訊，或就同事未按期完成工作與對方當面溝通。思科（Cisco）專門安排時間，讓員工通過角色扮演練習向客戶推介等項目。Cognizant今年為新員工推出了一個為期12周的訓練營。 簡而言之，模擬工作正在頂替真實工作。 這也是入門級工作正在劇烈變化、甚至正在消失的一部分。紐約聯邦儲備銀行數據顯示，6月份，新近大學畢業生的失業率為5.7%，徘徊在近五年來最高水準附近。史丹佛數位經濟實驗室（Stanford Digital Economy Lab）和薪資處理機構ADP Research的數據顯示，在AI使用度較高的領域，入門級崗位萎縮最明顯，例如軟體開發人員和客戶服務代表。 新員工面對的職場，已與他們的經理當年受訓時大不相同。他們不再是在公司階梯的最底層埋頭幹上幾年，而是一上來就要監督AI完成的工作，可他們往往還沒有足夠專業積累，無法分辨AI產出的內容究竟合格還是粗製濫造。 「初級員工確實被要求對複雜決策負責，而這些決策需要基於經驗的判斷力，他們卻並不具備這種判斷力，」諮詢公司Gartner高級總監分析師馬洛麗·巴格·布爾曼（Mallory Barg Bulman）說。「經驗飢荒」一詞正是Gartner提出的。 在安永的一項模擬訓練中，AI扮演一位難纏客戶，對建議提出反對意見。員工練習回應異議，然後獲得即時反饋，打磨自己的回應方式。安永負責全球學習事務的西蒙·布朗（Simon Brown）說，這樣做的目的，是讓員工在真正面對客戶之前先建立信心。 初步證據顯示，模擬練習有幫助。史丹佛法學院（Stanford Law School）一個研究AI在法律服務中應用的實驗室，曾讓全球律師事務所Dechert的暑期實習律師試用一款談判模擬器。一組沒有該工具的使用權限；另一組每周花兩個小時在平台上訓練，與扮演律師的AI智能體互動，這些AI智能體分別專攻併購流程中的不同環節。 該實驗室執行主任Megan Ma說，夏末舉行模擬談判時，四名入圍決賽者中有三名來自做過模擬訓練的那一組。她也提醒，不要從這樣一個小樣本得出過大結論。 「正是在年復一年的模式識別中，你或許才開始能揣摩對方律師在想什麼，」Ma說。「我不認為AI模擬訓練會完全取代那種觀察和邊做邊學的過程，」她補充說，但「你實際上有可能更快捕捉到模式。」 A & O Shearman合夥人達倫·奧熱霍夫斯基（Daren Orzechowski）說，在該律所，資深律師也在指導初級律師如何讓AI產出最佳成果，並知道如何對AI產出加以改進。 過去，資深律師會通過逐條講解合約草案或備忘錄來教導更初級的同事。如今同樣常見的是，他們會分享自己會如何設計AI提示詞，讓AI起草文件。 許多還處在職業生涯早期的專業人士說，他們也擔心AI會削弱自己通過實踐學習的能力。最近接受IBM商業價值研究院（IBM Institute for Business Value）調查的8,800名員工中，超過一半，也就是52%的受訪者表示自己的日常工作在過去一年發生了變化。約45%的受訪員工說，AI已經在侵蝕他們的技能。 外科醫生群體提供了一個鮮明案例。研究人們如何與智能機器協同工作的加州大學聖巴巴拉分校（University of California, Santa Barbara）教授馬特·比恩（Matt Beane）說，幾十年來，住院醫師通過一次次協助資深外科醫生來學習，這一過程常被稱為「看一次、做一次、教一次」。 不過，比恩發現，一旦外科醫生開始更多使用機器人完成切割和分離組織等精細操作，住院醫師在這類手術中的上手機會就降至原來的十分之一到二十分之一。他說，外科醫生不需要協助，自己就能完成所有操作。 表現最好的住院醫師基本上是靠打破規則來彌補。他們繞開既定規程，進行比恩所說的「影子學習」。他們轉到其他科室，向不使用機械臂的外科醫生學習，或額外花數百小時做模擬訓練。 比恩記錄了外科領域的這種變化如何在投行和新創企業等其他行業上演。如今，在AI進入各行各業之際，他在各行業都看到了類似情形。 「不幸的是，初級員工並不知道過去是什麼樣，所以他們沒有多少抱怨的依據，」他說。「他們只知道，‘嗯，這太糟了。’」 他說，數十年的研究顯示，挑戰性、複雜性和聯結的適當結合，會推動技能發展。比恩目前處於學術休假期間，正在開發一個名為SkillBench的工具，幫助組織改進藉助AI完成工作的方式。 在科技服務和諮詢公司Cognizant，1,500名美國入門級新員工中的大多數必須從訓練營開始，在那裡學習並練習編程和數據結構等基礎技能。今年，Cognizant新增了一款名為Skillspring的AI驅動培訓工具，把每個崗位拆解為一個個具體任務，並圍繞特定短板生成個性化學習方案。這種學習方案可能包括動手練習，也可能包括蘇格拉底式問答，要求學員通過推理一步步解決問題。 新人可以按最適合自己的方式熟悉門道。Cognizant執行長拉維·庫馬爾·埃斯（Ravi Kumar S.）說，作為AI原住民，他們願意接受一種全新的知識和判斷力培養方式。 「你加入入門級崗位，不是為了做入門級任務，」他說。「你第一天走上第一份企業崗位，就突然幹上了中層經理的活，這其實是件好事。」
评论 (0)