打开网易新闻 查看精彩图片

虽然AI的日常使用已经很普遍，但有一些可衡量的行为将AI技术的常规使用与真正复杂的人机交互区分开来。这是毕马威会计师事务所和德州大学奥斯汀分校联合研究的结论，该研究分析了来自2500名员工的140万次工作场所AI交互。

根据报告，这些行为可以转化为可教授的基准，在规模化推广时，可以通过专注于针对性培训和工作流程整合，而不仅仅是工具部署，来缩小AI影响差距。

"常规和复杂AI使用之间的差距并不隐藏在提示词本身，而是在参与模式中，"毕马威工作室负责人Anu Puvvada说。"一旦这些模式变得可见，它们就有可能被识别、讨论和规模化。"

根据报告，最复杂的AI用户不是由技术专业知识或使用频率来定义的，而是由他们如何与AI协作来定义的，这包括迭代、清晰地构建问题框架以及随时间引导输出。

这些用户不将AI视为短期生产力工具，而是长期的"思维伙伴"。

使用这些行为作为可教授指标的效果可能是变革性的，报告发现只有5%的工作者始终以能实质性改善其工作质量的方式使用AI。

研究结果还挑战了一个普遍假设，即改善AI结果主要是更好的提示词或更广泛的工具访问权限问题。相反，研究表明有效的人机协作源于员工如何将AI整合到他们的日常工作流程中。

复杂使用与四个信号密切相关：用户返回AI的频率、他们完善输出的持久性、初始请求的雄心以及选择工具或模型的意图性。

"我们在寻找那些已经弄清楚如何与模型一起思考，而不仅仅是向它提问的人，"德州大学奥斯汀分校会计学教授Jaime Schmidt说。

毕马威已经开始在内部应用这些见解，启动全公司培训计划以开始重塑行为。

该组织已将这些实践嵌入其学习生态系统中，通过基于角色的培训、操作手册和同行主导的网络，旨在强化其所谓的"AI优先"工作方式。

"我们很早就意识到，仅仅获得AI访问权限并不能带来更好的结果，"毕马威全球AI和数字创新负责人Steve Chase说。"这就是为什么我们有意设置了一套AI支持的工具、培训计划和例行程序，以使有效行为变得可见和预期，并教授更好的问题构建、更强的AI监督和有目的的迭代。"

对于首席信息官和IT领导者来说，研究结果表明AI成功更少依赖于扩大新工具规模，更多依赖于完善员工如何使用这些工具。

学习如何最好地使用这些工具包括定义什么是"良好"的AI使用，将这些行为嵌入培训和绩效期望中，并创建反馈循环，随时间推移强化更复杂的协作。

Q&A

Q1：这项研究发现了什么关键区别？

A：毕马威和德州大学奥斯汀分校的研究发现，AI使用的成功与否不在于提示词技巧，而在于用户如何与AI协作。最复杂的AI用户将AI视为长期"思维伙伴"，通过迭代、清晰构建问题和引导输出来深度协作。

Q2：什么行为能体现复杂的AI使用？

A：研究发现四个关键信号：用户返回AI的频率、完善输出的持久性、初始请求的雄心程度，以及选择工具或模型的意图性。这些用户学会了与模型一起思考，而不仅仅是向它提问。

Q3：企业如何提升员工的AI使用效果？

A：企业应该专注于将有效的AI协作行为嵌入培训和工作流程中，而不仅仅是部署更多工具。包括定义"良好"的AI使用标准、基于角色的培训、创建反馈循环，以及强化AI优先的工作方式。