AI 生产力悖论：为什么没有更多工人使用 ChatGPT？

尽管ChatGPT 等工具的变革潜力，与我交谈过的大多数知识工作者根本不使用它。那些主要从事总结等基本任务的人。只有略高于 5% 的 ChatGPT 用户群支付了 plus 的费用– 潜在专业用户的一小部分 – 表明很少有高级用户利用人工智能来完成复杂、高价值的工作。

在从 Google Brain 到 Shopify Ads 等公司构建人工智能产品十多年后，我亲眼目睹了该领域的演变。随着 ChatGPT 的兴起，人工智能已经从照片管理器等可有可无的增强功能发展成为所有知识工作者的主要生产力助推器。

大多数高管都明白，今天的热潮不仅仅是炒作，他们迫切希望自己的公司能够迈向人工智能，因为他们知道人工智能比以往任何时候都更强大、更用户友好。那么，尽管有潜力和热情，为什么广泛采用却滞后呢？真正的障碍是组织如何处理工作本身。系统性问题使这些工具无法成为我们日常工作的一部分。

最终，高管们需要问的问题不是——我们如何利用人工智能更快地完成工作？或者这个功能可以用AI来构建吗？——而是——我们如何利用人工智能创造更多价值？哪些问题是我们应该问但没有问的？

最近，我利用大型语言模型 (LLM)（ChatGPT 等工具背后的技术）来解决复杂的数据结构化和分析任务，而这些任务传统上需要由数据分析师和内容设计师组成的跨职能团队花费一个月或一个月的时间才能完成。更多的。

这就是我所取得的成就一天使用谷歌人工智能工作室：

1. 将数千行非结构化数据转换为结构化、带标签的数据集。
2. 使用人工智能来识别这个新结构化数据中的关键用户组。
3. 基于这些模式，开发了一种新的分类法，可以提供更好、更个性化的最终用户体验。

值得注意的是，我做了不是只需按下一个按钮，让人工智能完成所有工作。

它需要高度集中、详细说明和多次迭代。我花了几个小时精心制作精确的提示，提供反馈（像实习生一样，但使用更直接的语言），并在人工智能偏离路线时重新引导它。

从某种意义上说，我把一个月的工作压缩成了一天，这让我精神疲惫。

然而，结果不仅仅是一个更快的过程，而且是一个根本上更好、不同的结果。法学硕士揭示了隐藏在非结构化数据中的细微差别模式和边缘情况，从而创造了对现有结构化数据的传统分析完全错过的见解。

这就是问题所在，也是理解人工智能生产力悖论的关键：我的人工智能成功取决于领导层的支持，让他们花一整天的时间来重新思考我们以人工智能作为我的思想伙伴来处理数据。

这使得深入的战略思考成为可能——探索联系和可能性，否则需要花费数周的时间。

这种以质量为中心的工作往往会因为急于按期完成任务而被牺牲，但这恰恰是突破性创新的动力。矛盾的是，大多数人没有时间弄清楚如何节省时间。

大多数产品经理都无法承担专门的探索时间。在立即交付成果的持续压力下，大多数人很少有一个小时的时间来进行此类战略性工作——许多人找到时间进行此类探索性工作的唯一方法就是假装生病。他们对行政命令和紧急客户请求感到不知所措，以至于缺乏对战略方向的掌控。此外，最近该行业的裁员和其他削减措施加剧了工作量，许多产品经理每天工作 12 小时只是为了完成基本任务。

这种持续的压力也阻碍了人工智能的采用以提高执行力。制定强大的测试计划或主动识别人工智能的潜在问题被视为一种奢侈，而不是必需品。它会产生适得其反的动态：如果实施修复只会延迟发布，为什么要使用人工智能来识别文档中的问题呢？如果上面已经设定了方向，为什么还要对用户和问题空间进行额外的研究呢？

给人们时间“弄清楚人工智能”是不够的；还需要时间。大多数人需要一些培训来了解如何让 ChatGPT 做的不仅仅是摘要。然而，所需的培训通常比人们预期的要少得多。

由专家教授的人工智能培训市场已经饱和。虽然有些课程兜售万金油，但许多讲师都是信誉良好的专家。尽管如此，这些课程通常并不适合大多数人作为起点。它们非常耗时、技术性很强，并且很少针对特定的工作领域进行定制。

我与个人坐下来 10 到 15 分钟，审核他们当前的工作流程，并确定他们可以利用法学硕士做得更多、更快，从而获得了最好的结果。您无需了解标记预测背后的数学原理即可编写良好的提示。

不要误以为人工智能只适用于具有 40 岁以下技术背景的人。根据我的经验，对细节的关注和尽可能做好工作的热情是成功的更好指标。尝试抛开偏见——您可能会对谁成为您的下一个人工智能冠军感到惊讶。

我自己的父亲是一名六十多岁的律师，只需要五分钟就明白法学硕士可以做什么。关键是根据他的领域定制示例。我们提出了一个有点复杂的法律灰色地带，我问克洛德用极端案例向一年级法学院学生解释这一点。他看到了回应，立即明白了如何将该技术用于十几个不同的项目。二十分钟后，他正在起草一篇新的法律评论文章，这是他几个月以来一直想写的文章。

很有可能，您的公司已经有一些人工智能爱好者（隐藏的瑰宝），他们主动在工作中探索法学硕士。这些“法学硕士耳语者”可以是任何人：工程师、营销人员、数据科学家、产品经理或客户服务经理。呼吁这些创新者并利用他们的专业知识。

一旦您确定了这些内部专家，请他们进行一两个小时的“人工智能审核”，审查您团队当前的工作流程并确定需要改进的领域。他们还可以帮助为特定用例创建入门提示，分享他们的 AI 工作流程，并提供有关如何排除故障和评估未来的提示。

除了节省聘请外部顾问的费用之外，这些专家更有可能了解您公司的系统和目标，从而更有可能发现实际且相关的机会。与“人工智能专家”相比，犹豫是否采用该技术的人在看到同事使用该技术时也更有可能进行试验。

除了确保人们有学习的空间之外，还要确保他们在了解自己的功能后有时间在自己的领域中探索和试验这些工具。公司不能简单地告诉员工“利用人工智能进行创新”，同时要求在周五下午 5 点之前再提供一个月的功能。确保您的团队每月有几个小时进行探索。

在克服人工智能采用的第一个障碍后，您的团队应该能够确定最有前途的投资领域。此时，您将能够更好地评估是否需要任何额外的、更专业的培训。

人工智能生产力悖论不在于技术的复杂性，而在于组织如何处理工作和创新。利用人工智能的力量比“人工智能影响者”出售最新的认证希望你相信的更简单，通常只需要几分钟的有针对性的培训。然而，这需要领导思维方式发生根本性转变。高管们必须为探索和深入、开放、目标驱动的工作创造空间，而不是堆积短期成果。真正的挑战不是向员工传授人工智能；而是向员工传授人工智能。它给了他们时间和自由来重塑他们的工作方式。

想要更深入地了解有效的人工智能实施吗？查看我们需要提高人工智能产品经理的标准和真正的人工智能代理是什么？重新思考追求自治。