新华三人才研学中心-AI行业：业务视角的中国企业AI+学习发展报告燃动智火.pdf

23出 品 人：总 编：副 总 编：策 划：调研团队：专家团队：美术编辑：案例鸣谢：李 涛张 涛 王 岩朱丽凤 王巧宁王颖妮 崔 雷 刘 倩王巧宁 崔媛虹 郭小辉 李红艳马晓婧 毛利涛 滕新阳 黄春梅 田 亮 李 桢 张永利秦国炜 安秋明 王晓峰（排名不分先后）刘桂权 白 露中国电信 东软集团阿波罗创新实验室 元一畅想尚学未来知识买手 Kbuyer 平安智慧城市 郑州银行 新华三集团序 言PREFACE人工智能给企业的人才工作带来哪些机遇和挑战？这是每个企业家都会思考的问题。基于这些机遇和挑战，企业该如何应用人工智能，方向在哪里？燃动智火业务视角的中国企业 AI+学习发展报告深入研究了这个问题。它探讨了新质生产力时代，企业在人工智能成熟度的不同时期，可以采取的人才培养和赋能策略；探索了中国企业在人才领域的人工智能应用趋势，为中国企业在这个时代的战略规划以及人才发展提供了重要的参考。作为数字化解决方案领导者，新华三集团一直致力于为各行各业的客户进行数字化转型，推动产业革新和社会发展。新华三将“让 AI 有爱”作为自己的追求，躬身入局智能新时代，精研云智原生技术，深耕客户应用场景，以务实理念打造领先的数字化解决方案，通过不断进化的数字大脑，加速推进数字化变革的智能化升级，做百行百业最值得信赖的合作伙伴，为时代赋智慧。同时在面对快速变化的社会经济环境时，我们深知人才是推动企业稳定发展的核心动力，因此我们在组织战略中高度重视学习与发展，努力构建学习型组织，关注员工的职业成长与发展，并为他们提供广阔的学习机会。我们坚信，燃动智火业务视角的中国企业 AI+学习发展报告将为中国企业提供宝贵的洞察和启示，帮助业务管理者更好地应对时代的挑战和抓住机遇，推动组织创新和变革。新华三期待与更多企业共同交流、共同学习，携手共进，共同打造先进的新时代企业，推动中国企业迈向 AI 时代的新征程。紫光股份董事长、新华三集团总裁兼首席执行官5专家推荐语学习型组织的数字化转型是众多企业关注的焦点，数字战略需要人才升级，数字化学习加速人才培养。AI 技术在学习中的运用，为企业学习型组织的数字化转型插上了飞翔的翅膀。这份报告解码了 AI 时代企业的学习发展，系统剖析了 AI 在业务赋能及人才发展中的典型应用，极大启发了我们对未来学习型组织建设的思考与展望。泸州老窖股份有限公司 培训中心总经理 吴晓燕现在每个人都同时生活在两个平行世界里，一个是线下，一个是线上，而且每天在这两个世界里来回穿梭、无缝衔接，而 AI 技术还在不断扩大线上世界的边界，广泛覆盖甚至替代线下场景。作为企业管理者，感受更加直接，如何利用 AI 技术赋能企业管理、业务发展、人才成长、客户服务等场景，燃动智火的探索研究为我们提供了思考和行动的方向，有非常大的借鉴价值。华泰人寿保险股份有限公司资深副总裁 李林数字化、AI 已经成为这个时代的默认前缀，拥抱数字化、AI 已经不是可选项，而是成了一个必选项，这是时代之下的应有之意。企业学习是企业经营管理的一部分，企业学习必须与业务同步进化，才可能在数字化突飞猛进的今天发挥更多价值。这份报告，突破了传统的企业学习视角，更关注数字化、AI 带来的新机遇，新挑战，当然也包括如何创造新价值。更难能可贵的是，专家们的观点与领先企业的实践相结合，对广大企业具备更好的借鉴价值。从学习出发，不止于学习，这份报告，给我们打开了一扇新的窗户。知识买手创始人 安秋明RECOMMENDATION如果说近期有什么科技突破，能够让你联想到火之于人类文明的重要性，那一定是 AI 大语言模型，它意味着人类对 AI 技术的探索达到了新的高度。我们把它类比于“火”的发现和使用，一点也不为过。因此，我们把这篇报告的核心主题命名为“燃动智火”。2024 年将是 AI 的产业年，我们将看到越来越多的创新应用场景和产品形态不断涌现。AI 卷起的科技狂潮正在以前所未有的速度渗透着所有产业，教育与企业学习领域也不例外。在此技术“奇点”，作为企业的学习发展工作者，我们也在思考：业务管理者对AI应用于业务赋能和人才培养怎么看？他们最看重、最期待什么AI应用？他们有什么顾虑或心声？我们以“业务管理者”的视角研究当前国内外业务赋能和人才培养的 AI 应用，探索各方的前沿观点和领先实践。调研不同维度的 AI 应用方向，为企业培训从业者开展 AI 规划提供参考资源。本次探索采用文献研读、定性访谈与问卷调查相结合的方式开展。首先，项目组通过文献研究和对 12 位行业专家的访谈，发掘和提炼了 AI 在业务赋能和人才培养中的 8 个应用场景、22 项领先应用。其次，通过定性和定量相结合的 1021 份问卷调查，集中分析了 509 位业务管理者对 AI 在业务赋能和人才培养的 22 个应用的期待、顾虑以及对未来趋势的看法。最终调研报告分为上下两篇上篇为精要解读：从样本总体的角度呈现了调研中的精要内容，包括：AI+业务赋能和人才培养的现状调研访谈识别出的 8 个 AI 应用于业务赋能和人才培养中FOREWORD前 言67中国企业 AI 学习发展报告动智火业务视角的的场景和 22 个应用是什么，以及业务管理者对这些场景和应用的期待；并分析了在不同的组织 AI 准备度要素下，业务管理者对 AI 应用的期待矩阵，并分享了调研团队的发现和洞察。下篇为数据阐释：是本次调研数据的全面、整体呈现，包括：按业务管理者所在行业、组织性质、业务规模、人员规模、管理层级、年龄和所属部门，更为具体地分析了 8 个 AI+业务赋能和人才培养场景中，不同分类维度的业务管理者对 22 个应用的期待偏好。从中你会发现，有的应用是所有业务管理者都非常期待的，还有一些应用是某些特定分类下的业务管理者特别期待的，对于学习发展从业者而言，选择适合自身的应用开展 AI 探索或将会起到事半功倍的效果。如果你不想做逐字逐句的深度阅读，亦或你对拗口的专业描述提不起兴趣,我们提炼了上篇：精要解读篇的五大要点，也许可以让你在 10 分钟内，快速 get 精华内容。同时，也欢迎你完整阅览这份报告，从企业所在行业、组织性质、业务规模等角度，相信你一定能从这些数据诠释中找到对你有用的启发。1.星星之火，已经点燃从总体数据来看，组织中 AI 在业务赋能和人才培养中的应用现状暂处于初步探索阶段。16%的管理者表示组织已经有一些成熟的 AI 助力员工培养或赋能员工提升绩效的实践；4%的管理者表示，在组织确的战略和资源支持下，AI 在员工培养和业务赋能中已经取得了显著的成效。尽管是这样，业务管理者对它的期待普遍较高，业务管理者对 8 个 AI+业务赋能和人才培养场景中的 22 个应用的期待值，在 110 分的打分中基本上都在 7 分以上。正所谓“星星之火，已经点燃”。当然，我们最想向你展示的是通过本次调研，我们从各行各业的拥有领先实践企业的专家和业务管理者中访谈得到 8 个 AI+业务赋能和人才培养场景，22 个 AI 应用。这 8 大场景分别是“用 AI 促进知识应用”“用 AI 承担业务专家角色”“用 AI 承担赋能助理角色”“用 AI 进行陪练和模拟训练”，以上 4 个场景，我们称其为 AI 在“业务赋能”中的典型应用场景。而“用 AI 辅助管理者做团队/员工发展”“用 AI 辅助前 言FOREWORD管理者做人岗匹配”“用 AI 辅助管理者做辅导与反馈”“用 AI 实现员工千人千面的个性化学习”被称 AI 在“人才培养”中的典型应用场景。在这 8 大场景再往下细分有 22 个应用，它们中有你可能相对比较熟悉的“AI 陪练”“专家数字分身”“AI 自动收集和分发知识”等，也有你可能不那么熟悉的“AI 经验萃取”“AI 辅助制定团队发展规划”“管理者的 AI 助理”等。拥有领先实践的企业，AI+学习发展是怎么玩儿的，这些在我们的报告中有很详细的应用介绍及企业实际应用案例，这些介绍会给你企业如何玩转 AI+业务赋能和人才培养，服务好业务方面提供借鉴和参考。欢迎打开我们的报告，详细阅读这部分内容。2.赋能之火，更受期待调研数据显示：业务管理者对 AI+业务赋能应用的期待值打分略高于对 AI+人才培养应用的期待值打分。或因业务管理者更加关注和期待能够直接赋能业务、为业务提质增效、直接产生业务成果的 AI 应用，而对相对长周期的人才培养的关注度会下降；或因 AI+人才培养应用的实现难度相对较高这些应用的实现是需要对海量数据进行学习后做出预决策，对企业的数据基础建设和 AI 准备度有较高的要求。非常有意思的是更多调研数据也似乎验证了这个假设，那些企业的 AI 准备度相对高的组织，即那些有明确 AI 战略与投资、有高 AI 技术能力和高 AI 人才储备的企业，他们更期待“AI+人才培养应用”。这或许意味着，AI 准备度高的组织由于拥有丰富的 AI 资源和先进技术，对 AI 的能力有更深入的了解和信任。他们更少担忧 AI 在人才培养方面的局限性，因此对 AI+人才培养的价值抱有更高的期待。此外，可能与我们以往的认知有偏差的是：业务管理者对“用 AI 陪练和模拟训练”的期待值相对较低。智能陪练在时下应用相对比较广泛却相对不被业务管理者期待，从我们的调研回访中获知：业务管理者普遍认为与人打交道是未来 AI 最难以替代的部分，部分管理89中国企业 AI 学习发展报告动智火业务视角的者由于担心 AI 不能准确模拟客户，因此对 AI 陪练和模拟训练的期待较低。这对我们学习发展工作者的启示是对业务复杂度高、影响因素变化大，难以模式化的业务慎用AI 智能陪练。还有一个有意思的发现是：业务管理者对“用 AI 实现千人千面个性化学习”有较高期待，而对“用 AI 辅助管理者做辅导和反馈”关注度低，这里“千人千面个性化学习”有了新内涵：前几年的探索中，千人千面的个性化学习主要依赖于标签进行学习内容的推送，这也是很多组织在人才培养中最先开始探索的 AI 应用。随着以ChatGPT 为代表的大模型的涌现，AI 智能生成技术实现的精准推荐和多模态学习成为实现“千人千面”的新内涵。也或因 AIGC 新学习模式将能够更接近实现“因材施教”这个理念，使得管理者对 用 AI 实现员工千人千面的个性化学习 抱有最高的期待。但是，为什么管理者对“用 AI 辅助管理者做辅导和反馈”关注度低？我们从调研数据中发现，凡是辅助管理者做决策的应用普遍期待值低。个中原因我们在报告中也有专家解读和管理者回访之声做诠释，欢迎你打开报告查阅这部分内容。3.薪火不同，期待有别调研数据显示，组织的 AI 准备度不同会很大程度影响业务管理者对 22 个 AI+业务赋能和人才培养的应用的期待。即所谓“薪火不同，期待有别”。你是否会感到好奇？组织在 AI 战略和投资、AI 技术能力和 AI 人才储备的不同“薪火”资源水平时，其业务管理者对 22 个 AI+学习发展应用的排序是什么？在这个部分，你会看到我们将组织的 AI 战略和投资、AI 技术能力和 AI 人才储备情况分别分成哪五个层次，以及处于不同层次的企业选择的 Top5 AI+学习发展应用都是什么？作为学习发展工作者，在考虑自身企业的学习发展数智化建设的时候，这些数据将能够帮助你“对号入座”，选择大概率“错不了”的 AI 应用，优先付诸实践。同时，需要说明的是，除了上述三个因素，你还需要综合参考企业的行业属性、企业性质、业务规模、人员规模等因素对 AI 应用选择的影响，这部分数据我们在下篇：数据诠释篇有详细的介绍。4.驭火之道，大相径庭AI 在部分领域的推广和应用，正如“火中取栗”一样，面临着挑战和风险，需要谨慎对待。AI 时代下的业务赋能和人才培养会有什么变化和相应的策略？有哪些风险和顾虑？在本次调研中，专家和业务管理者也分享了他们的观点，可谓是“驭火之道，大相径庭”。我们选取了其中比较有共性的观点进行分享。被调研对象普遍认可的是：驾驭 AI 的能力是 AI 时代的培养重点。高达 67.2%的业务管理者认为，未来员工应具备一种独特的驾驭 AI 的能力。普遍认可的是：AI 作为第四代工业革命的核心工具，对 AI 的应用能力是能够适应未来、驾驭未来的基础。被调研对象普遍顾虑的是：对“人的标签化”和“数据安全”。高达 64.2%的业务管理者对于“AI 对人的标签化”存在担忧；另有 62.5%的业务管理者对于“AI 使用中的数据安全问题，数据安全风险”存在顾虑。部分管理者认为，AI 的标签化将会让 AI 比我们自己更了解自己，未来 AI 基于大量的数据将会对每个人的认识更为全面，因此可以做出更为明智的决策；而有更多的业务管理者倾向于相信人的主观能动性、意愿、情绪、兴奋度等是 AI 不可数字化的部分，对人的“标签化”和数据安全问题表示担忧。或许人类对 AI 的信任建立，尤其对其“能理解人”“代替人做决策”的允许，还要经历很长时间。这其中，AI管控和治理的同步发展或将决定未来 AI 的发展。5.火花纷呈，各有千秋在将 AI 应用于业务赋能和人才培养方面，领先组织已经在多个方面开展了探索和实践，可谓是“火花纷呈，各有千秋”。上篇：精要解读篇的最后，呈现了 8个鲜活的企业实际应用案例，它们是中国企业探索 AI+业务赋能和人才培养的缩影，期待为学习发展从业者的探索提供参考和借鉴。张 涛 新华三集团 前 言FOREWORD1110CATALOGUE目 录精要解读篇HIGHLIGHTED INSIGHTS星星之火，已经点燃/16赋能之火，更受期待/20赋能场景：高期待“用 AI 促进知识运用”，低关注“用 AI 陪练和模拟训练”24赋能应用：高期待能独立完成任务的 AI 应用，低关注人机协同的应用 26培养场景：高期待“用 AI 实现个性化学习”，低关注“用 AI 辅助管理者做辅导和反馈”28培养应用：高期待工具服务型应用，低关注决策支持型应用 30薪火不同，期待有别/33“AI 战略和投资”准备度期待矩阵 34“AI 技术能力”准备度期待矩阵 35“AI 人才储备”准备度期待矩阵 36驭火之道，大相径庭/37认同：驾驭 AI 的能力是 AI 时代的培养重点 37顾虑：对“人的标签化”和“数据安全”是业务管理者的顾虑所在 40上篇目 录CATALOGUE1213中国企业 AI 学习发展报告动智火业务视角的AI 在业务赋能和人才培养中的应用现状/74业务管理者对 AI+业务赋能场景的期待/80AI+业务赋能场景1：用 AI 促进知识运用80AI+业务赋能场景 2：用 AI 承担业务专家角色87AI+业务赋能场景 3：用 AI 承担赋能助理角色92AI+业务赋能场景 4：用 AI 进行陪练和模拟训练97数据阐释篇DATA INTERPRETATIONS下篇火花纷呈，各有千秋/43 业务提效项目43 数字化转型智能化场景运用案例45 阿波罗创新实验室数字生命研发专项47 利用现有 AI 能力，实现组织的降本增效56 技能与专长管理从人员管理到技能发展58 人才培养的数智化60 千人千面，制定个性化学习方案61 智能化学习的探索与实践61业务管理者对 AI+人才培养场景的期待/103AI+人才培养场景1：用 AI 辅助管理者做团队/员工发展103AI+人才培养场景 2：用 AI 辅助管理者做人岗匹配109AI+人才培养场景 3：用 AI 辅助管理者做辅导与反馈114AI+人才培养场景 4：用 AI 实现员工千人千面的个性化学习119“AI 战略和投资”准备度的影响/124对现状的影响125对期望的影响127“AI 技术能力”准备度的影响/131对现状的影响132对期望的影响133“AI 人才储备”准备度的影响/138对现状的影响139对期望的影响140附 录/145附录 1：调研数据145附录 2：AI 相关词汇148附录 3：参考资料154后 记/155目 录CATALOGUE1415INSIGHTSHIGHLIGHTED上篇精要解读篇从 元 宇 宙 概 念 爆 火，到 2022 年 ChatGPT 横 空 出世，AI 时代的前沿数字技术极速刷新着大众的认知，同时也带来生产力的颠覆式变革，数字员工、人机协同、智能副驾（Copilot），甚至一 人 公 司 OPC（One Person Company）等未来概念和场景已经开始落地。AI 写作、AI作图、AI视频、AI作曲内容创作领域也迎来了 AIGC（AI Generated Content）驱动的智能新时代，第四次工业革命已然来临，AI 已来。17精要解读篇上篇16星星之火，已经点燃为探索 AI 在业务赋能和人才培养中的应用现状，调研团队与博奥奖组委会合作，翻阅了近三年博奥奖获奖案例数百份，研读了几十份应用了 AI 技术的获奖案例，初步了解了国内企业在赋能业务和人才培养中应用 AI 的实践。其次，通过研读国内外的专业研究报告，识别到全球领先企业在 AI 与学习发展相结合的场景和应用，以及影响因素等。基于初步研究的成果，调研团队形成了初步的访谈提纲，并与众多 AI 专家、培训领域专家和企业管理者展开了近 30 场深入交流和访谈，了解了他们宝贵的实践经验、面对的挑战和背后的思考。我们经过对访谈结果的分析和整理，提炼出了 AI+业务赋能和人才培养的 8 个场景和 22 个领先应用（表 1）。整体研究和访谈结果表明，领先组织已经在多个方面开展了探索和实践，它们已将 AI 技术能力应用于业务赋能和人才培养的多个场景之中，为企业带来了明显的价值和收益，“星星之火，已经点燃”。我们期待为学习发展工作者提供一份启发性的参考资料，以支持同行更好地理解并探索 AI 的应用价值。场景应 用说 明AI 在“业务赋能”中的典型应用用 AI促进知识运用AI 对业务知识库进行自动分类和打标签AI 对业务知识库进行分类标签整理等工作，使业务知识库便于员工在工作中精准搜索和使用。AI 自动收集和分发知识AI 代替人自动收集和分发知识。例如从内外部数据源、业务流程中自动提取行业报告、友商动态、趋势和实践案例等，按照需求自动分发给相关的员工。AI 知识分析和洞察AI通过对知识库的加工分析，洞察和发现新的模式和规律，帮助员工看到新的可能性，如市场机会、解决方案等。AI 将知识服务嵌入工作流AI 将知识服务嵌入在工作流程之中，在系统中自动指导员工工作，阻止犯错，提升业务输出质量和效率。用 AI承担业务专家角色AI 匹 配 业 务专家AI 识别员工面临的问题，在专家库中为员工精准匹配对应的专家开展后续服务，例如辅导、反馈、教练、分享等。专家数字分身AI 基于专家个人知识库，生成专家数字分身，为员工提供工作中的“724 小时专家支持”体验。用 AI承担赋能助理角色员工的 AI 导师AI 捕获员工工作过程中的行为和结果，并基于数据分析为管理者/员工提供改进建议方案、培训建议等。管理者的 AI助理AI 自动识别业务流程中的关键行为，并为管理者提出相关的组织能力建设建议。AI 经验萃取AI直接萃取专家的经验和案例，并匹配给合适的员工学习。AI 辅助业务课程开发AI辅助专家/讲师开发业务课程，降低业务开发课程门槛，提升课程开发效率。用 AI进行陪练和模拟训练AI 陪练AI 基于工作场景，模拟工作流中的客户及其他干系人，与员工进行对话和交流，形成智能陪练服务。AI+模拟训练AI 结合虚拟现实技术，搭建模拟仿真环境，在 AI 助手/导师的支持/指导下，让员工在“无风险”环境中习得技能，积累经验，促进知识的应用。例如，元宇宙中的智能化学习。表 1 中国企业 AI+业务赋能和 AI+人才培养场景和应用1819精要解读篇上篇中国企业 AI 学习发展报告动智火业务视角的“通过业务人员赋能系统，构建客户数据库；依托客户数据库，生成客户画像，为业务人员定制化产出和沟通提供指引，推荐下一步行动建议；在人员培养的数智化上，打通了“测（基于能力标准和能力要求）学练（智能化陪练）考评”的学习闭环，与业务实践的旅程形成双螺旋。通过业务实践，过程中的相关数据又反馈给数字化学习体系，为进行个性化、精准化的技能提升提供了参考依据。”某世界 500 强外企，数字化转型与学习发展负责人“我们在集团人力资源部内部组建了阿波罗创新实验室，研发数字生命，致力于探索工作与新技术结合后的未来应用场景。我们已经探索落地的一些代表性场景，如菩提知识管理助手，打造有生命的知识库；魔镜AI 推荐助手，让选用育留奖惩有效能；Jarvis个人超级助手，给每个员工/潜在员工都配备钢铁侠的 Jarvis，解决工作/生活的问题。”东软集团人力资源部（上海分部）部长、HR 数字化负责人、雇主品牌负责人 滕新阳“通过对现有 AI 技术的应用，大大实现了企业内部的降本增效，人员优化整体程度超过 30%，公司整体成本节省超过 300 万以上。在不开发的情况下，以极低的成本，实现了营销侧的海量内容输出，客服侧的智能机器人回复，销售侧实现了销售运营的精准信息测量评估，人力资源侧的海量简历筛查，课程侧的内容生成与高频迭代”元一畅想联合创始人 COO 李桢场景应 用说 明AI 在“人才培养”中的典型应用用 AI辅助管理者做团队/员工发展AI 辅助制定团队发展规划AI 自动跟踪行业发展对人员技能要求的演变趋势，结合内部团队技能数据，为管理者制定团队发展规划提供数据参考和建议。AI 辅助制定员工发展计划AI 自动汇总和分析员工的技能评估、工作表现、绩效、胜任力模型等内部数据，为管理者提供员工技能差距的数据和发展建议。AI 推动员工发展AI 根据团队和员工发展规划，自动给员工推荐发展资源，指导员工完成发展任务，自动评估和反馈培养进展和问题。用 AI辅助管理者做人岗匹配AI 提供人岗匹配决策支持AI 进行人岗的高效匹配，例如为工作岗位/任务快速找到合适的人选，或为员工匹配最适合其发展的任务和机会。AI 提供项目和人员安排的预测性建议AI对团队人员部署和项目安排进行过程模拟或结果推演，为管理者提供预测性的干预建议。用 AI辅助管理者做辅导与反馈AI 提供反馈辅导支持AI 自动收集员工工作过程和结果数据，为管理者的反馈和辅导提供事实和数据支持，润色反馈话术，预演反馈过程，提升辅导反馈的效率和质量。领导者数字分身AI 构建管理者的“领导数字分身”，代替管理者完成员工的成长性辅导。用 AI实现员工千人千面的个性化学习AI 提供个性化学习路径AI 为员工提供千人千面的个性化学习进阶路线，确保学习内容的针对性和体验的友好性。AI 提供多模态学习支持AI 根据员工的学习偏好，提供相应的学习资源模式，如语音、文本、视频等多模式的转化支持。AI 实时翻译学习内容AI 自动识别员工的母语，提供学习内容的实时翻译。表 1 中国企业 AI+业务赋能和 AI+人才培养场景和应用21精要解读篇上篇赋能之火，更受期待了解业务管理者在 AI 时代，对业务赋能和人才培养的新诉求、新观点，以及他们对于 AI 应用的期待，这对于我们做出明智的决策、成功在业务赋能和人才培养中推进 AI 举措落地至关重要。为此，调研团队针对识别到的 AI+业务赋能和人才培养的 22 个领先应用，对业务管理者开展了问卷调查，期待通过数据分析和专业洞察，为学习发展从业者提供有价值的参考。如图 1 的调研数据显示，业务管理者认可 AI 在业务赋能和人才培养中的价值，在 10 分的刻度中，业务管理者对 AI+业务赋能的 AI 应用期待平均得分为 7.22 分，对 AI+人才培养的 AI 应用期待平均得分为 7.15 分。总体而言，业务管理者对 AI+业务赋能的期待略高于对 AI+人才培养的期待，可谓“赋能之火，更受期待”。一方面，这或与近两年中国总体的经济形势有关，经济增长速度回落，导致业务管理者更加关注和期待能够直接赋能业务、为业务提质增效、直接产生业务成果的AI应用，而对相对长周期的人才培养的关注度会下降；另一方面，这或也与中国企业在人才培养相关体系的标准化程度低有关，相当一部分管理者认为当前的 AI 技术不能识别和判断员工的动机和意愿等“主观能动性”因素，这与人才培养理念中的“激发主观能动性”是相悖的。图 1 业务管理视角：AI+业务赋能 VS AI+人才培养的价值认可和期待如图2调研数据中显示，业务管理者的期待值与组织AI准备度的三个关键要素（AI战略和投资、AI 技术能力、AI 人才储备）呈现出正相关的趋势，即 AI 准备度越高的组织期待值整体越高。然而，值得注意的是，那些尚未开始 AI 探索的组织似乎存在一种“滤镜”效应，即，尚未开始探索的业务管理者的期待，要高于初步探索的组织的管理者。这种有趣的现象，似乎暗示了他们对 AI 潜力过于乐观的看法。虽然 AI 技术看似容易获取，但将其有效应用于业务并创造实际价值，实际上需要一定的技术和知识门槛。因此，初步探索者可能对 AI 的实际效果持有更为谨慎的期待，而尚未开始探索的管理者则可能因对 AI 技术的潜在能力过于乐观而抱有更高的期待。令人惊奇的是，AI 准备度高的组织对 AI+人才培养的期待更高。这或许意味着，AI 准备度高的组织由于拥有丰富的 AI 资源和先进技术，对 AI 的能力有更深入的了解和信任。他们更少担忧 AI 在人才培养方面的局限性，因此对 AI+人才培养的价值抱有更高的期待。2223精要解读篇上篇中国企业 AI 学习发展报告动智火业务视角的图 2 业务管理视角：AI 在业务赋能和人才培养的价值认可和期待“我们是一家环保初创企业，企业还处于初创阶段，第一个项目还在落地过程中尚未投产，但项目过程中的流程、文档、知识经验我认为都特别有价值，以后都能迁移到下一个项目中，所以我特别期待 AI 能帮忙萃取和留存。”“我们现在的培训模式主要是把老员工的经验和知识萃取出来，传承给新员工。但项目繁忙时，组织培训非常困难，我就特别希望能在新员工需要时，直接把这些知识和经验给他们，解放大家的时间。AIGC 让我看到了希望，我期待很高。”某初创企业综合管理负责人“AI 在赋能业务上的潜力应该是比较大的，学习、辅导、教练，以及支持大的训练模型，这肯定会对日常工作带来效率提升，比如自动化脚本的撰写。但是人才培养这块，人的能力及主观能动性都很重要，AI 能做到精确分析员工能力和主观能动性吗？个人认为任重而道远，不要被所谓标签化给决策者带来不利影响。”某大型组织业务负责人“未来，AI 通过大量数据的分析，将会比你自己和任何其他人更懂你，对于个人或管理者而言，更为重要的是要保持觉察，在 AI 助力下，做出更为明智的决策。”某 AI 创新服务组织创始人2425精要解读篇上篇中国企业 AI 学习发展报告动智火业务视角的赋能场景：高期待“用 AI 促进知识运用”，低关注“用 AI陪练和模拟训练”AI+业务赋能是指利用 AI 技术，通过提供特定工具、信息或资源使组织内的人员能够更高效地完成工作任务，从而推动业务的发展和增长，更好地满足业务目标。图 3 AI+业务赋能场景价值认可度如图 3 的调研数据显示，业务管理者对 4 个 AI+业务赋能场景的总体期待都较高，在 110 分的打分中，平均得分都在 7 分以上。业务管理者对“用 AI 促进知识运用”场景的期待最高，高达 7.42 分。业务管理者对于将知识转化为生产力的诉求非常强烈。传统方式下，知识收集、分类和分发是非常繁重的运营任务，投入大，一直是很多管理者“求而难得”的服务。而 AI 技术发展使其成为可能，因此，业务管理者对“用 AI 促进知识运用”的期待非常高。而业务管理者对“用 AI 进行陪练和模拟训练”的期待值相对较低，仅 7.07 分。业务管理者普遍认为与人打交道是未来 AI 最难以替代的部分，部分管理者由于担心AI 不能准确模拟客户，因此对 AI 陪练和模拟训练的期待较低。这或与管理者在自身成长过程中，对陪练和模拟技术的体验有关，也或与管理者所面对的业务复杂度高、影响因素变化大，难以模式化有关。“不管是做行业技术方案，还是团队投标，大家各有各的打法，工作方法和习惯也都不同。虽然常用的材料和工具也有共享的地方，但从未系统梳理过，导致经验没有被沉淀和传承下去，新人来了以后也没有标准化的内容去带。如果 AI 能在这块有所助力，那对我们很有价值。”某大型组织技术部主管“销售在面对客户的时候，一个是需要理解业务背景，还需要具备产品知识，也要了解公司解决方案的能力，尤其是要能够发现并展示公司方案的差异化能力，这就需要销售能够及时掌握友商、行业的相关信息，能够进行横向对比，来支持他们做出去影响客户的策略判断。如果 AI 能够定期抓取、整理和定向分发主流友商的市场竞争信息，包括普及性的知识整理，那对我们是有帮助的。”某大型组织业务负责人“AI 陪练应用范围还挺广的，比如要搞一次重要汇报，汇报前做模拟训练，AI 给予反馈和改进建议。销售或技术演练也有需求，尤其是新员工。”某 ICT 企业技术部主管2627精要解读篇上篇中国企业 AI 学习发展报告动智火业务视角的“模拟客户是不可信的，不同地域不同层次的书面语不同、客户层次不一样，AI 训练出来的员工和日常培养的差别较大，公众人物好模仿，客户的习惯是不太准确的。AI 识别不到这种差异化。”某大型组织 AIGC 推进项目负责人赋能应用：高期待“能独立完成任务的AI 应用”，低关注“人机协同的应用”从业务管理者对 12 个 AI+业务赋能应用的期待来看，如图 4 的调研数据显示，业务管理者对于 AI+业务赋能应用的期待都较高，12 项应用中 11 项期待分都在 7 分以上。4 个期待最高的应用分别是：AI 自动收集和分发知识、AI 对业务知识库进行自动分类和打标签、专家数字分身和 AI 将知识服务嵌入工作流。这四个应用均展现出AI 独立作业的“AI 代理人”的特性，即无需额外人工干预，AI 能够独立完成相关工作。通过自动化、智能化和机器学习，AI 系统能够从一些繁琐、重复或甚至危险的任务中解放员工，甚至 AI 还让员工有能力完成以前无法胜任的任务。这或是管理者最为期待“AI 代理人”类型应用的原因。而排名相对靠后的 4 个应用分别是：AI 匹配业务专家、AI+模拟训练、AI 辅助业务课程开发和 AI 陪练。这些应用具有明显的人机协同特征，对业务的直接影响相对较小，仍需要依赖于“人”的参与和决策来完成任务，这使得产出的业务结果不确定性较大，因此业务管理者的期待相对保守。另外，也或受中国经济总体大环境的影响，管理者对 AI 应用的期望更多地集中于提质、增效和降本等直接效益上。这可能导致了他们对 AI 应用的期待更为实际和功利，对那些不能直接带来显著效益的应用类型持更为谨慎的态度。图 4 业务管理者视角：AI+业务赋能应用的价值认可和期待“知识管理，收集资料前期工作量很大，对业务知识库进行分类、标签整理等工作也很繁琐，而这些是 AIGC 的强项，我对 AI 来做这个事情的期待比较高。”“友商动态分析可供架构师们/产品经理自动获取分析报告和行业动态，对研发来说意义很大。”某大型组织运维测试部负责人2829精要解读篇上篇中国企业 AI 学习发展报告动智火业务视角的培养场景：高期待“用 AI 实现个性化学习”，低关注“用AI 辅助管理者做辅导和反馈”AI+人才培养是指利用 AI 技术，通过提供特定的工具、信息或资源促进和推动组织内人才培养的效率和质量，以更好地满足组织持续发展的人才需求。如图 5 的调研数据显示，在调研的 4 个人才培养场景中，业务管理者对于 AI 的期待均较高，在 110 分的刻度打分中，平均得分都在 7 分以上。业务管理者对“用 AI 实现员工千人千面个性化学习”的期待得分为 7.33 分，期待最高。在人才培养中，“因材施教”一直是我们的追求。在 AI 技术的助力下，千人千面的个性化学习正在成为现实，其内涵也在不断丰富。前几年的探索中，千人千面的个性化学习主要依赖于标签进行学习内容的推送，由于其出色的“容错能力”，这也是很多组织在人才培养中最先开始探索的 AI 应用。随着 AI 技术的不断发展，尤其是自然语言处理技术，以 ChatGPT 为代表的大模型的涌现，AI 智能生成技术也为个性化学习带来了新的学习模式。例如，AI 自动翻译功能可以根据用户的语言需求，实时提供翻译服务，帮助用户更好地理解和掌握学习内容。AIGC 的多模态学习则让学习内容更加丰富多样，用户可以根据自己的偏好和需求选择不同的学习方式，例如文本、图片、视频等。这些新的学习模式丰富了个性化学习的内涵、提供了更个性化的学习体验。通过精准推荐和多模态学习，可以让用户更快地掌握知识、提高学习效率，同时更好地激发他们的学习兴趣和动力。得益于前期探索的成功体验，管理者们对于个性化学习的了解更多，也或因AIGC 新学习模式将能够更接近实现“因材施教”这个理念，使得管理者对“用 AI 实现员工千人千面的个性化学习”抱有最高的期待。业务管理者对“用 AI 辅助管理者做辅导与反馈”的期待得分为 7.0 分，期待相对较低。管理者普遍认为辅导和反馈是管理者的核心职责，是 AI 不可替代的部分。这种观点的提出主要考虑的是人的复杂性和激发人的主观能动性的重要性。因此，他们更倾向于“有温度”的员工沟通，而非单纯依赖技术完成员工辅导和反馈。图 5 AI+人才培养场景价值认可度：样本平均“在员工的知识学习方面，研发和解决方案侧经常会匹配学习计划，但由于每个人的学习侧重点不同，学习效果也不同。为了解决这个问题，可以收集大家的问题单，利用 AI 进行分析来调整培训计划，供管理者参考。工程师也可以有一个提问题单的库，勾选感兴趣的问题，后续让 AI 自动推荐相应的知识。”某大型组织运维测试负责人3031精要解读篇上篇中国企业 AI 学习发展报告动智火业务视角的培养应用：高期待工具服务型应用，低关注决策支持型应用如图 6 的调研数据显示，从业务管理者对 10 个 AI+人才培养应用的期待来看，整体期待值都较高，10 项应用中有 8 项得分在 7 分以上。期待最高的 2 个应用是 AI 实时翻译学习内容和 AI 提供多模态学习支持，均具备明显的“工具服务”的特点，它们旨在为人才培养提供便捷、高效的服务。这也进一步表明，对那些在其他领域已得到广泛应用和验证的通用 AI 技术和工具，业务管理者对它们在人才培养领域的运用会寄予更高的期望，也更期待 AI 提供标准化、可预期的成果。而排名相对靠后的 3 个应用则是领导者数字分身、AI 提供项目和人员安排的预测性建议、AI 提供人岗匹配决策支持，均具有明显的“决策支持”的特点。这也说明管理者对需要结合内部数据、并根据公司需求量身定制的决策支持型 AI 应用的认可度稍低。这或与管理者普遍认为“AI 是工具，不能把决策交给 AI 来做，人应该是决策的主体”的传统认知有关。同时，由于决策支持型 AI 应用对组织自身的 AI 技术投资和数据基础均有较高的要求，而中国企业在人力资源的标准化数据积累方面，成熟度相对不高，因此，此类型应用的“低关注”也或与组织缺乏高质量的人才培养数据相关。“涉及到团队管理，AI 能力可能会偏弱点，因为不是非 A 即 B 的选项。你到底是不是欺骗行为，人是可以判断的，但是 AI 是感知不到的，尤其是有情感的人员管理。个人对用AI代替管理者做团队管理和辅导反馈，不抱乐观态度。”某大型组织测试负责人图 6 业务管理者视角：AI+人才培养应用的价值认可和期待“AI 会深刻地改变我们很多工作模式。我们部门在推出路由器新产品时，需要推送给代表处同事学习，用了数字人来录制视频介绍新产品，效果很好。以往都是图片或者文本，现在用数字人的方式，吸引力和可信度有了很大提升。“我们的产品也在布局海外，未来会面临海外交互以及一些问题的处理，所以对 AI 实时翻译的期待会比较高”。”在人才培养中，AI 是可以做到监督学习的，可以根据表现进行提醒或给出指导意见。例如，目前线上学习的视频课程都是单向互动，像研学中心推出3233精要解读篇上篇中国企业 AI 学习发展报告动智火业务视角的的 AIGC 系列课程，内容很好，但是对于跟踪大家学习后是否有困惑，掌握的情况如何，目前是缺失的，评分是没有参考价值的。其实可以借助 AI，类似 AI数字人，过程中就可以和学员互动收集问题做初步答疑，了解大家学习情况、偏好和期待