Discover more from 《非正式寫作》

📬 探索並理解當代世界的多面向特質，著重於個人及職業成長。

Already have an account? Sign in

AI素養: 個人與組織的成長之路

探討AI帶來的焦慮感、個人AI素養框架，以及組織AI成熟度策略。了解如何在快速變化的AI時代中，平衡個人成長與組織發展，實現可持續的AI轉型。

Browny

Oct 14, 2024

雖然個人提升 AI 素養可以立即提高生產力，
但要將這種進步轉化為組織的成功，則需要更加精細的策略

❏ 引言

🦥 嘿，大家這週過的好嗎？開始有秋天的感覺了，涼涼的天氣很適合早起跑步。沒有跑步習慣的我因為跟風報名了全馬，現在也漸漸愛上跑步的感覺了 (鐵腿的感覺 😂）。

上週，OpenAI 的即時語音功能推出，本來已經退訂的我 (我現在主力是 Claude 3.5 Sonnet)，看著大家分享能隨時打斷且流暢的聊天體驗，忍不住又給他訂回去了。

體驗了一陣，真的有刷新世界觀的感覺，馬上聯想到的是以後出國可以拿他來當翻譯蒟蒻了。教育、學習、客服等產業…恐怕都將迎來巨大的改變。從跟 AI 的對話切換到與真人的交談，忽然有一種不真實的略帶焦慮的感覺，腦海浮現出一句話：

我們總是高估未來2年會發生的改變，低估了未來10年將發生的改變
— 比爾．蓋茲

做為一個普通人，在這波 AI 浪潮下，是可以放心等著問題找上門之後再來了解 AI 的嗎 (低估長期變化)？還是需要趕緊跟上這些新的術語和工具應用呢 (高估短期改變)？

該如何拿捏這份焦慮，又該怎麼評估應該要了解的多深入呢？這期我們來來聊聊：
AI 帶來的焦慮感、AI Literacy (AI 素養) 和 組織的 AI 成熟度框架。

📍 大綱

❏ AI 帶來的焦慮感
❏ 構建個人 AI 素養
❏ 推動組織 AI 成熟

《非正式寫作》著墨琢磨 技術趨勢、溝通領導、概念理解 與 生活實踐。
每週一四派送，免費訂閱起來👇

🔍 工人智慧猜你也喜歡

❏ AI 帶來的焦慮感

當 AI 走進生活，需要具備怎樣的素養才能在這份焦慮面前顯得從容

有人形容這波生成式 AI 的浪潮就像寒武紀的生命多樣性大爆發一樣，基於語言/多模態理解與生成的創新，幾乎無孔不入地滲透到產業與生活的方方面面。

從 大語言模型層 往上到 業務中介層 (將語言模型能力整合到業務邏輯) 再到 應用體驗層 (新的互動範式)，像是漣漪層層擴散一樣，越往外圍規模越大，令人看的目不暇給。

焦慮來自對未知感到不安：

尤其這個未知 演變的速度如此之快：幾個月前跟 AI 聊天得等他說完才能講下一句，不到一年就進展到已經可以隨時插話打斷它了。會不會再過幾個月 AI 就可以打斷我們說話，跟我們拌嘴？
尤其這個未知 作用的範圍如此之廣：音訊、影片的生成、Deepfake 的詐騙手法、AI 輔助程式開發、智能客服機器人又在企業中復活起來、各種生成內容在社群媒體上鋪天蓋地，等等 …

技術背景出身，從事相關工作，身處這場 AI 風暴核心中的我，時不時能感受到這種焦慮。是因為理解，所以焦慮；還是因為不夠理解，而感到焦慮？一時間好像也說不上來。

會不會這是一種 M 型分布：完全不懂的，天真快樂；完全懂的，樂天知命；落在中間的，在痛苦和無聊之間搖擺，時刻感到焦慮。

我想到「素養」這個名詞：一個人不必積極參與政治，但是需要具備公民的素養；一個人不必寫書作畫，但需要具備人文素養；一個人不必是機器學習工程師，但是需要具備 AI 的素養。

當 AI 走進生活，需要具備怎樣的素養才能在這份焦慮面前顯得從容。

❏ 構建個人 AI 素養

21 世紀的文盲將不再指那些沒有讀寫能力的人，
而是指那些不會學習、不懂捨棄和不願再學習的人。
— 阿爾文·托夫勒

✔ 素養的起源

這裡我直接引用《Liang FANG’s Blog》[1] 的描述：

「素養」（literacy）源於拉丁語「literatus」一詞。這個產生於西塞羅（Cicero）時代的詞彙，其字面含義為「識字的人」，通常引申為有文化的（learned）。相對的，「illiteracy」則代表「文盲」。
「素養」的關鍵在於理解能力。對於「識字」這一系統來說，其核心是閱讀能力的培養，一旦掌握了字、詞、句、音、義、法等複雜的語言基礎技能，就可以獲得全面的語言素養，包括分析推理的判斷能力，精準一致的寫作能力等。
從這裡也可以看出，真正的素養通常是雙向的交換。我們不僅要閱讀，也要寫作；我們不僅要消費，還要生產。

「素養」包含了 3 大部分：知識、能力與態度：具備相關知識，能夠將知識化為實踐能力，應用在工作與生活之中，了解知(知識)行(能力) 對我們所處的上下文 (組織、社會、環境，等等…) 帶來的影響，並對學習和成長保持積極開放的態度。

✔ AI 素養框架

AI Literacy framework [2]。,雖然每一級別的信息都建立在前一級別討論的概念之上，但在進入下一級別之前，並非必須完全掌握該級別的所有內容。

Barnard College 對 AI 素養提供的框架，可作為個人提升的一份參考 [2]：

理解人工智能 (Crawl)：在這個基礎階段，我們應該能夠解釋一些基本的人工智能術語，比如「人工智能」、「機器學習」、「大語言模型」和「神經網絡」。同時，也應該能夠認識到人工智能工具的潛在優勢和局限性，並且能夠根據不同類型人工智能的功能和運作方式來區分它們。
輕鬆探索 ChatGPT、Perplexity 和 Gamma 等 AI 工具，不要給自己太大壓力，培養對 AI 的直觀理解。
使用和應用人工智能 (Walk)：這個階段跨越了單純的概念理解，重點在於實際應用。我們應該能夠有效地使用生成式 AI 工具，嘗試各種提示技巧來調整 AI 生成的內容，並且能夠批判性地審視這些輸出結果，找出可能存在的錯誤、偏見和限制。
在工作/興趣中尋找 AI 的具體應用，關注能快速見效的領域。實際用看看，了解工具的能力，抓到手感。
參考：《高效寫作流: 從靈感到發佈》
分析和評估人工智能 (Run)：這個階段需要更深入、更具批判性的人工智能理解。我們應該能夠在更廣泛的背景下分析人工智能應用與生態系，對 AI 工具進行評論，並評估 AI 開發與應用的商業價值。也需要考慮隱私問題、版權問題、可能存在的偏見，以及假信息傳播等因素。
能夠 將 AI 系統地融入工作流程，思考在更廣泛的商業/技術背景下，可能會帶來哪些變革，並提早做出準備 (例如: 資安議題)。
參考：《LLM evaluation: 從提示手工藝到提示工程》
與人工智能共創 (Fly)：在人工智能能力的最高層次，擁有在創造者層面與 AI 互動的知識和技能。包括構思 AI 的新應用場景，開發利用 AI 技術的應用，或者提出關於 AI 的創新理論/實踐。
透過前面三個階段的累積，在模型層、中介層或是應用層，透過 AI 完成創新。為組織的 AI 戰略、治理準則、和最佳實踐做出貢獻。

回到素養的 3 大組成：知識、能力和態度，上面的四階段框架大致上就是從知識不斷向上到態度的過程。

需要注意的是，知識 → 能力 → 態度 並不完全是單向的，對下一階段的實踐會擴展對上一階段的理解：實踐會擴展知識的邊界，在更大的範圍應用/整合這份能力，會揭開能力的不同樣貌 (例如：和其他能力的組合技、預見這個能力可能帶來的負面影響，等等…)

❏ 推動組織 AI 成熟

Gartner and Microsoft AI Maturity Models [3]

AI 轉型現在是每個企業的重點策略之一，AI 成熟度模型 (AI Maturity Model) 讓企業能夠利用客觀的指標來自我評量 (如上圖)。

然而，個人的 AI 素養並不能直接和其所在的組織 AI 成熟度 (AI Maturity) 畫上等號。即使組織內部有幾個走得很前面的 AI 人才，也不代表組織已經處於 AI 成熟階段。

✔ 個人與組織的生產力落差

研究顯示，AI 對於生產力的提升，在個人層面有顯著的正面評價。但是，在組織層面，就沒有來的那麼顯著。企業領導和管理者討論 AI 在組織的應用情況時，往往表示，除了一些受限的特定使用場景外，幾乎看不到 AI 的廣泛應用，也很少觀察到顯著的生產力提升。

是什麼原因造成這樣的落差，組織應該透過什麼方法提升成員的 AI 素養，透過什麼策略將這股動能轉化，讓組織邁向成熟？

Ethan Mollick 在《AI in organizations: Some tactics》提到的觀點，我覺得完美的解釋了這個現象：

提升個人表現的 AI 應用並不總能直接轉化為組織表現的提升。要實現組織層面的收益，需要對 AI 應用進行研發，而且這項研發工作很大程度上「必須由你自己來完成」

過去幾十年，企業習慣將組織創新外包給顧問或企業軟體供應商，這些外部機構會根據他們在不同組織中觀察到的「共性」來開發通用方法。但在 AI 應用這個領域，至少在短期內，這種做法是行不通的。沒有人能夠精準地告訴你如何在你的公司最佳地使用 AI，也沒有現成的操作手冊指導你如何將 AI 整合到你的組織中。

即便是主要的 AI 公司，在發布模型時也往往不清楚這些模型的最佳用途。
他們更不了解你的行業、組織或具體情境。

我們都在共同摸索 AI 的應用之路。如果你想在這個領域取得優勢，就必須比其他人更快地找到適合自己的方法。

個人的 AI 素養雖然能夠提升個別任務執行的生產力，但是組織層級的生產力提升，需要的是整個鏈路的創新。過去，這種創新還能借鑑/套用他人的成功經驗，但是 AI 這項技術是不確定性的，不同行業、組織和業務場景的「共性」相當低，只有自己動手作，才有機會找到適合自己的方法。

✔ 由下而上 vs. 由上而下的雙向策略

當然，跑的快的組織也確實能掌握到必須「自己來完成」的精神，不過要將個人 AI 素養集中起來轉化成推動組織 AI 成熟，仍面臨諸多挑戰。

《AI in organizations: Some tactics》文中提供兩套策略，分別強調了 Crowd (由下而上) 與 Lab (由上而下) 這兩種方法可能遭遇的困境，以及同時存在的必要性：

Crowd「由下而上」策略：

執行者的素養與洞察：許多突破性創新並非來自中央研發實驗室，而是來自實際執行者對其流程進行改造以解決自身問題的人。因此，從組織一線執行者身上得到的洞察是最重要的，而他們需要有足夠的 AI 素養才能識別這些創新的機會。
隱匿的 AI 能力者：人們正在實驗人工智慧並發現它非常實用。但是，他們沒有與組織分享自己的研究結果。可能的原因有：較為嚴格的風險規範、怕別人知道自己的超高生產力是來自 AI、怕公司將生產力提升視作降低成本的機會 (不要在講降本增效了)、講出來也不會有獎勵還可能承擔更多工作，等等 …。
打造樂於分享、有安全感環境：創新的人才就在組織內部，需要創造機會讓它茁壯成長：1. 減少恐懼 (在風險可控下盡量開放) 2. 調整獎勵系統 (鼓勵 AI 素養卓越的人積極分享) 3. 樹立正面示範 (主管帶頭使用和分享 AI) 4. 給予他人展示自己使用方式的機會 (舉辦分享會、駭客松) 5. 讓成員接受培訓 (最簡單的就是讓他們可以直接使用前沿模型：ChatGPT, Gemini，等等…)。

儘管去中心化創新很重要，了解如何在組織中凝聚研發成果也同樣重要，中心化能夠將個人素養進一步匯聚轉化，推升組織 AI 成熟：

Lab「由上而下」策略：

為組織建立 AI 基準：模型在組織實際的任務執行中表現有多好？明確的業務關鍵任務和評估標準至關重要。
建構有效的提示和工具：從一線執行者的分享中獲取靈感，將其快速轉化為產品，在組織內共用。
開發原型：如果讓 AI 代理來執行所有關鍵業務流程，會是什麼景象？實際構建這樣的系統，觀察它在哪些環節出現問題
引起興趣：展示 AI 如何協助完成看似不可能的任務、展示最新的 AI 工具能夠達成什麼。激發人們的興趣，讓組織內部開始行動起來。

✔ 別這麼做

創建一個人工智能卓越中心 (AI Center of Excellence,CoE)，招募一群 AI 工程師，但是組織內部都還沒有定期使用 ChatGPT (whatever AI tools) 的習慣 → Crowd ❌
隨手抓一個好像和 AI 比較能扯上關係的業務單位 (行銷？客服？)，指派一個季度目標，像是：自動化行銷內容產出、智能核保流程、AI 健康諮詢師，等等…，然後將轉型任務完全外包給外部架構顧問 (像是我) → Lab ❌

❏ 結語

在快速變化的 AI 領域中，個人和組織都面臨著獨特的挑戰和機遇。AI 素養已成為一項關鍵技能，包括對 AI 技術的認知、應用能力和態度。雖然個人提升 AI 素養可以立即提高生產力，但要將這種進步轉化為組織的成功，則需要更加精細的策略。

個人 AI 能力和組織 AI 成熟度之間的差距，凸顯了我們需要雙管齊下的策略：一方面鼓勵員工自下而上的創新，另一方面需要自上而下的指導來引導和擴大這些創新。組織必須創造一個鼓勵實驗和分享 AI 見解的環境，同時也要集中力量對 AI 工具進行評估、原型開發，並在組織內部推廣。

成功的關鍵不在於盲目採用 AI 或建立獨立的卓越中心，而在於培養持續學習和適應的文化。通過接受 AI 發展中的不確定性，並鼓勵個人成長與組織協調，才能在這個技術快速進步的新時代中蓬勃發展。

邁向 AI 成熟的過程是持續的，正如比爾．蓋茲所言：「我們常常高估短期變化，而低估長期轉變」。世界越快、心則慢，放下焦慮，我們應該專注於建立可持續的 AI 素養和組織實踐，使其能夠與技術本身同步發展。

🦥 parting thoughts 🦥

提升 AI 素養，關注 AI 議題：《AI 相關文章列表》
上週四雙十國慶，來不及完稿，索性就跟著國定假日休刊一期。實際把《42k馬拉松: 從零開始的百日挑戰》當中提到的「不要中斷超過 1 次」的心法拿來也套用在電子報寫作上 😅。
另外，也啟用了 Substack 平台上的訂戶聊天群組功能，未來關於出刊休刊的資訊，或是比較即時的議題討論，也會在那邊進行，有興趣的朋友可以加入聊聊 👉 Chat。

如果這篇文章有幫助到你，記得按讚訂閱加分享，也可以請我喝杯咖啡 ☕，謝謝大家，我們下期見！