如果有一条关于采用新技术的普遍规律，那就是：人们会以你无法完全预料或控制的方式使用数字工具。ChatGPT和Bard等使用大型语言模型（LLM）的生成式AI技术的出现，为各类组织的领导者提出了一个关键问题：当员工触手可及的能力不断变化，而这些变化的影响又无法预测时，如何领导员工？
与以往的数字解决方案相比，生成式AI的两个特点使这一问题更具挑战性。首先，ChatGPT是历史上传播最广、应用最快的产品之一。推出两个月后，它就拥有了 1 亿用户。Instagram用了两年半才获得这么多用户。Facebook用了四年半。技术传播越快，用户相互学习和模仿使用模式的时间就越少。其次，与我们习以为常的几乎所有其他数字技术不同，AI工具的设计目的是自我改变——持续的改变。每当你向LLM提供新数据以生成文本或计算机代码时，该技术就会学习，其能力也会随之增长。下周它能为你做的事情与本周相比不一样。得益于最先进的AI工具所具有的自主学习能力，你的员工不会只学习使用一次新技术，他们几乎每次接触新技术时都在学习如何使用。
在与10家处于AI应用前沿的知识密集型公司进行的为期三年的研究项目中，我设计了一个框架STEP，可以帮助员工利用新技术。STEP包括四项相互关联的行动，帮助领导者确保面向员工的AI在其组织中发挥积极而富有成效的作用：（1）细分任务，实现AI自动化或AI增强；（2）在不同工作角色之间转换任务；（3）教育员工利用AI不断发展自身能力，并掌握不断变化的工作所需的新技能；（4）评估绩效，以反映员工的学习情况以及他们为他人提供的帮助情况。
一些公司已经采用了STEP框架。它们的早期经验表明，STEP框架满足了三个关键需求：它使员工能够积极参与塑造他们的新职责；它允许领导者以增加公司价值的方式重新分配任务和重新构想工作角色；它还提供了一种应对新现实的方法，即技术变革不再是偶发的，而是组织及其员工必须持续管理的一种力量。
本文介绍了领导者如何部署STEP，以及三家公司（均要求匿名）如何有效使用STEP。这些公司包括一家营销公司，我称之为MarkCo；一家医疗设备制造商，我称之为HealthCo；以及一家城市规划公司，我称之为UrbanGov（我曾担任MarkCo和HealthCo的有偿顾问）。它们的经验教训将帮助其他公司的领导者改善员工的工作体验，并为它们的组织创造新的价值。
1 细分（Segmentation）
没有任何一种AI可以完成一个人在工作中的所有任务。知情的领导者应该问：“AI将如何影响我的员工所从事的各种任务？”要确定答案，可以让员工创建三个类别：AI不能或不应该做的任务；AI可以增强员工行动的任务；AI可以自动完成的任务。
HealthCo公司为其初级员工提供了ChatGPT。公司领导鼓励员工首先确定AI对哪些任务没有帮助。在与外部顾问合作时，决定如何遵守联邦政策以及如何保护公司的知识产权迅速上升到首位。
接下来，员工们决定AI可以帮助他们完成哪些工作。其中一项耗时的工作是确保合同准确反映招标书（RFP）的细节。在这方面，ChatGPT 发挥了巨大作用。在阅读完 RFP 和标准合同模板后，它可以生成一份反映协议条款的合同草案。然后，律师助理可以审查草案中需要修改的具体问题。
最后，员工们发现了一些可以完全自动化的任务。其中一项是向外部各方发送电子邮件，要求修改合同，这项工作非常费力。AI可以通过阅读修改后的合同语言自动生成这些电子邮件。
一旦初级员工将他们的任务划分为这三类，他们就开始想AI如何能够增强或自动化其中的一些任务。HealthCo公司的初步分析表明，部署AI后，员工们每人每周都能腾出5个小时来执行额外的任务。
我所研究的所有成功企业都鼓励员工在细分市场方面发挥带头作用，并要求他们尝试使用这些工具。公司的领导们召开会议，让员工讨论实验结果。它们允许员工帮助领导就最佳实践达成共识。员工们感到自豪的是，公司的领导信任他们，让他们发挥自己的专长，而且参与实验和规划让他们对公司将如何使用AI有了更深入的了解，让他们放心，部分工作的自动化不会让他们失业。
2 过渡（Transition）
由于AI可以帮助更快、更准确地完成工作任务（增强）或完全取代部分工作任务（自动化），因此在使用AI后，一些员工的工作量会减少。在某些情况下，公司可能会减少员工人数。然而，在我研究的10家公司中，只有一家公司因扩增和自动化工作提高了效率而裁员。另外两种更常见的策略是，通过深化或升级来实现工作角色的转变。深化角色可以让员工在某些任务上投入比以前更多的时间。角色升级则使员工从某些任务中完全解放出来，转而从事更关键的工作。
MarkCo采用基于聊天的大型语言模型来帮助初级律师制作市场营销资料，如PowerPoint演示文稿。这样他们就有时间做其他工作，为公司创造更多价值。一些员工开始做更多的竞争对手分析。其他员工则专注于测试和评估营销活动。MarkCo公司的经理们发现哪些员工有能力、有兴趣深化他们在这些领域的知识，并利用公司内部的专业知识来创建和提供初始培训。
角色升级包括让员工执行通常由更高级人员执行的任务。例如，UrbanGov的初级规划人员通常将大部分时间花在建立城市发展的土地使用模型上。在STEP划分过程中，他们对某些任务进行了增强和自动化，使他们有能力承担情景构建和其他更高级别的任务，而其中一些任务过去是由高级规划师完成的。这意味着UrbanGov必须为高级规划师寻找新的任务，因此首席规划师将自己管理与城市规划师关系的职责移交给了高级规划师。“经过仔细评估，我决定把自己的大部分工作交给他们，”首席规划师解释说，“这让他们能够放心地放弃场景构建。现在我也可以把精力放在新的方向上，因为我从维护所有这些关系的工作中解放出来了。”
在本研究的10家公司中，深化工作角色是最常见的战略，占所有过渡的近70%。大多数领导者认为，帮助员工在其职责范围内确定新的增值活动，比从资历更深的员工手中接过任务要容易得多。
3 教育（Education）
STEP框架的前两个阶段要求员工学习新技能，其中一些技能与使用数据、算法和AI直接相关。员工需要了解AI工具如何工作，如何在公司专有的文档或数据上训练AI（通常称为“微调”），如何创建有效的命令或提示（“提示工程”），以及如何评估AI预测的有效性。由于AI工具在不断发展，员工不可能学习一次新技能就万事大吉。他们需要重新审视细分过程，并不断学习AI的功能以及他们的工作角色将过渡到的领域。在三年的时间里，与我合作过的公司的领导和员工平均经历了两次半的细分和转型。因此，员工教育是重中之重。
HealthCo公司、MarkCo公司和UrbanGov公司都认为有必要对员工进行持续的技能再培训，只是方式不同而已。在AI和数据技能方面，HealthCo为员工创建了一个“新兵训练营”。MarkCo与当地一所大学签订合同，为教授员工这些技能制定定制计划。该大学设计了员工必须通过的测试，以证明他们“为AI做好了准备”。每年，这些测试都会根据技术的发展而改变。UrbanGov的可用预算要少得多，它从领英和Udacity等提供企业学习的公司购买了AI、模拟和数据管理方面的短期课程。我们鼓励规划团队的员工每月完成一门课程，无论他们是否直接使用AI。优先考虑教育的公司有两个共同点。首先，它们将学习的精神融入了企业文化。整个公司的领导者和管理者都将AI视为一种学习机会。他们并不指望员工知道如何完美地使用AI或如何围绕AI细分任务。相反，他们应该探索AI的能力，并花时间确定如何以最佳方式将其融入工作。其次，这些公司为员工提供了时间参与学习的机会。例如，HealthCo公司希望员工每个季度至少抽出两天时间参加新兵训练营，或重温在训练营中学到的技能。UrbanGov公司每周为员工安排三个小时来学习他们订阅的在线课程。
为员工提供持续教育还能带来其他好处。研究中的一家公司发现，获得与实施生成式AI工具相关的学习机会的员工离开公司的可能性比没有获得此类机会的员工低大约30%。
4 业绩（Performance）
STEP框架的最后一个阶段要求管理者重新思考如何评估员工业绩。通常情况下，评估员工业绩的标准是他们完成某些任务的速度、效率、创造力或准确性，而有关AI影响的大多数讨论都集中在他们的生产力将如何提高上。但STEP让员工负责决定他们是否能利用AI更快或更准确地完成任务。因此，在我研究的所有公司中，绩效评估都发生了一些变化。细分和转型迅速改变了人们对员工应完成哪些任务以及如何完成任务的期望。而且，由于员工的角色在一年内多次发生变化，往往会导致在绩效开始期确定的目标变得过时，因此年度绩效评估不再奏效。研究中的每家公司都缩短了绩效评估期，最常见的是缩短为季度评估。
此外，员工还经常与新人打交道。在我研究的许多最新绩效评估中，都涉及确定与员工互动最频繁的人，以确定该员工是否为一个有用的合作者。评价通常由合作者自己提供。这样做的好处是，他们能比领导者更好地评估自己得到的帮助。而且，由于评估是在很短的时间内完成的，员工可以很快将反馈意见用于工作。
在我合作过的公司中，HealthCo拥有最积极、技术最先进的绩效评估系统。它的数据科学家创建了一个商业智能仪表盘，从电子邮件通信、Slack使用和日历中提取信息，显示员工最依赖谁，以及谁最依赖他们。每隔六周（HealthCo的新评估期），商业智能仪表盘就会自动向所有员工发送一份他们最频繁合作者的名单，并要求他们对与这些人的互动进行评分。这些数据经过整理后与员工及其经理共享，以便员工衡量自己的合作表现并做出改变。使用这种新方法两年后，员工对公司评估系统的满意度比前两年提高了72%。
给领导者的启示
相信员工的实验能力。遵循STEP框架的领导者发现，如果让员工主导探索如何最好地使用AI的过程，他们会做得更好。他们可以设定广泛的目标，如提高准确率或更快地完成某项任务，但公司应该允许员工决定如何最好地细分他们的工作。这就需要相信员工们能够做出正确的决定，并承认这样一个事实，即作为最接近工作的人，他们最清楚AI在哪些方面能够产生最大的影响。
创造学习条件，激励互助。学习是成功使用AI的真正必要条件。员工必须随着大型语言模型和其他AI工具的变化，重新学习如何使用这些工具，如何将这些工具提供的新功能应用到工作中，以及如何执行为组织增值的新任务。由于员工需要与他人一起学习，也需要向他人学习，因此必须调整对他们的评估和奖励方式，以确保他们有动力互相帮助。
重思人员规划。我们通常从工作任务的角度来考虑工作角色。但是，随着AI颠覆了任务分配，工作角色将变得更加模糊。优秀的领导者必须弄清楚如何预测员工人数，以及如何在动态而非静态的世界里管理招聘和晋升。这意味着他们不能只招聘在某项具体工作中具有深厚专业知识的人。他们需要确保他们的专家具备各种能力，并具有在邻近领域学习的潜力。
重塑你自己的角色。在AI时代，优秀的领导者必须创造条件，让员工能够适应不断变化的技术。领导者需要为自己、部门和团队培养数字化思维。而当员工使用AI开始从事价值更高的工作时，优秀的领导者就会想方设法为组织上下提供价值。组织的中层很可能是创造力最重要的地方。
AI驱动的组织正在快速到来。领导者应帮助员工利用AI为自己和公司创造价值。STEP为思考AI如何改变工作提供了一个有用的框架。最重要的是，它可以帮助领导者教导员工如何利用这项新技术取得成功。
保罗·莱昂纳多是美国加州大学圣塔芭芭拉分校Duca家族技术管理教授兼技术管理系主任。他与采黛尔·尼利（Tsedal Neeley）合著了《数字心态：在数据、算法和AI时代茁壮成长真正需要什么》（The Digital Mindset: What It Really Takes to Thrive in the Age of Data, Algorithms, and AI）（哈佛商业评论出版社，2022 年）。
保罗·莱昂纳多（Paul Leonardi）| 文 DeepL、ChatGPT | 译 张雨箫 | 校 李全伟 | 编辑