新浪新闻

AI力:重新定义人类与AI关系的关键能力

新浪人工智能

关注

近期, 一段被称为“Thinking Claude”的prompt(提示词)引发了热烈讨论。它由一位年仅17岁的高中生——2007年出生的涂津豪(Richards Tu)设计。他用自己独特的提示词对Claude 3.5进行“强化”,使得这款生成式AI的能力被提升到令人瞠目结舌的水平。强化后的Claude 3.5,不仅可以模仿顶尖AI模型的复杂思维链,还能展开详细逻辑推理,并根据需求调整输出方式。更令人意外的是,它的执行成功率和智能程度大幅提升,在短时间内生成了可玩的小游戏“Flappy Bird”,甚至搭建出带AI玩家的得州扑克程序。这些成果让无数人惊叹不已。

然而,这一切真的只是AI本身能力的提升吗?冷静下来后,我们发现,这些令人震撼的表现并非单纯源自AI技术的突破,而是深深依赖于提示词设计者的能力。这段小故事揭示了更深层次的事实:AI的潜能,其实是人类引导能力的直接延伸与放大。

提示词的作用不仅仅是一段简单的指令调整, 而且也是人类智慧的体现。通过引导能力,人类得以和AI形成深层次合作,重塑AI的效能,甚至推动AI以全新的方式完成任务。这种能力不仅决定了AI表现的高度,也成为AI时代最重要的竞争力, 我们将这种能力称为“AI力”——我们认为,这是生成式AI时代的核心能力,也是重新定义人类与AI新合作关系的关键。

人机深度协作的新阶段

生成式AI的出现,标志着我们进入了一个人机深度协作的新阶段。然而,尽管AI的能力发展迅猛, 其本质仍是一种工具,需要人类的引导才能真正释放其潜能。

AI力的意义在于,人类与AI的关系正在从传统的工具使用,转变为更深度的协作伙伴关系。然而,这种协作关系并非对等,因为当前的生成式AI仍存在显著的局限性。AI缺乏主动性和情境学习能力,它无法自主识别问题,也无法独立规划解决方案。

此外,生成式AI也缺乏人类大脑特有的情境化理解能力。人类通过经验和观察,能够在不同情境中灵活调整自己的行为,而AI的每一次运行却都是孤立的事件,既无法从上下文中积累经验,也无法针对特定场景灵活适应。这使得AI的功能尽管强大, 却始终依赖于人类提供明确的指令和情境补充。

这些局限性反而凸显了人类在生成式AI时代的不可替代性。通过策略性引导,人类为AI设定目标并规划实现路径;通过情境化补充,人类弥补AI在背景认知方面的不足;通过质量把控和创新激发,人类确保AI的输出既符合实际需求又富有创造性。

在这一过程中,涌现出一种“AI力”。它不仅体现为传统智商(IQ)、专业知识与表达能力的综合运用,更是一种人机合作的独特智慧。换言之,“AI力”强调人类对AI模型的有效指令设计和反馈校正。其本质类似于历史上人类借助新工具或与团队合作时形成的“集体智慧”,只是在当下通过人机交互的方式被进一步放大。

“AI力”要求人类在使用AI时,既要驾驭技术, 也要善于运用自身的洞察力和创造力,从而在复杂任务中充分发挥人机协同的潜能。

在这个意义上,“AI力”并非对传统人类能力的简单延伸,而是一种通过人机协同实现的认知与工作模式的再造。具体而言,它推动人类从“单独完成任务的主体”转变为“引导AI完成任务的策划者和质量评估者”。这使人类不再只是执行者,而且也是目标设定者与流程优化者。人类通过对AI进行策略性指导、情境补充和成果检验,重塑工作流程并改进问题解决路径。

正因为如此,“AI力”已经成为生成式AI时代的重要能力模型,并将成为未来人才与组织竞争力的重要参考标准。

AI力的实践与测量

尽管“AI力”这一概念目前尚未在学术界得到广泛接受和统一定义,但我们初步尝试为其提供可操作化的测量框架与实践检验手段。通过设定多元化任务场景并考察人机协作的质量与效率,我们努力探索AI力的结构与指标,为后续研究与应用提供参考。初步研究表明,AI力是预测人机协作成果的重要指标,它帮助我们揭示了个体在生成式AI时代的协作潜力,并为这种能力向生产力的转化提供了科学依据。

为了深入了解AI力的构成与作用范围,我们设计了一系列基于真实工作场景的实验。这些实验涵盖了文案设计、商业策划、技术报告撰写等复杂任务, 通过测试个体与生成式AI的协作表现来测量AI力的不同维度。研究者开发了一套包含18道题目的测评量表,全面捕捉AI力的核心特质,包括问题拆解能力、提示词优化能力、多轮交互策略,以及对AI生成内容的判断力。

我们的实验结果充分验证了AI力的预测价值。在商业策划任务中,AI力得分较高的参与者展现了卓越的任务拆解能力和方案优化技巧。他们能够精准定义目标,将复杂问题分解为清晰的步骤,并通过多轮交互优化AI的输出质量,最终生成逻辑性强且富有创新性的策划方案。这一发现表明,AI力不仅是一种协作能力,更是一种整合人类系统性思维与AI生成能力的综合能力。

更为显著的是,AI力在创意性任务中的表现甚至超过了传统指标。例如,在“微小说创作”任务中,AI力的预测效果显著高于智商(IQ)。得分较高的参与者能够有效引导AI生成符合情节逻辑和风格要求的内容,其解释力达16%,远高于IQ的8.5%。这些结果证明,AI力不仅对结构化任务成果具有重要影响,在需要一定创造性的任务中也展现出独特价值。

此外,研究还表明AI力具备显著的可塑性。通过短期培训,例如30分钟至1小时的指导,参与者在提示词设计、任务优化和交互策略方面的能力可以显著提升。这种快速提升不仅体现了AI力在实践中的高效性,也为企业和教育机构提供了明确的培养路径。

能力重构:从认知能力到驾驭AI的能力融合

在人类传统能力体系中,重复性任务执行和简单信息记忆曾是重要的核心技能。但随着生成式AI的广泛应用,这些能力的价值逐渐被边缘化。AI能够在数秒钟内完成复杂的数据分析、文案创作和逻辑推理等任务,将操作性能力和机械记忆的需求显著降低。

与此同时,一些复杂的认知能力却在AI的参与下变得更为重要。例如,批判性思维在AI生成内容的质量评估和逻辑推导中发挥了关键作用;系统性问题解决能力则是人类构建高质量提示词、优化任务路径的核心基础。除此之外,情境理解能力也变得不可或缺。AI本身无法理解隐含的文化背景或复杂的业务逻辑,但人类可以通过洞察力和经验为AI提供必要的情境补充,从而帮助其更高效地完成任务。

然而,AI力的重构不仅仅是传统能力的强化, 它还促生了全新的驾驭AI的能力。这些新增能力直接决定了人与AI协作的深度与广度。提示词设计是这一能力的核心。一个高质量的提示词不仅能够清晰传达目标,还需要对背景和上下文进行合理组织, 以激发AI的最佳性能。这种能力不仅需要人类对AI逻辑的深入理解,更考验人类对任务的拆解和精炼能力。

除此之外,人机交互策略的熟练程度也直接影响AI协作的效率与成果。生成式AI并非一次性执行工具,而是一种可以通过多轮次调整不断优化的伙伴工具。有效分步引导AI逐层推进、调整任务路径,是驾驭AI的关键能力之一。

最后,创造力激发成为AI力的重要体现。生成式AI不止是工具,更是一种强大的思维扩展装置。通过AI,人类能够突破传统思维的限制,实现多维度的创新。例如,通过快速生成原型、模拟不同情境,AI可以帮助人类更快速地验证新想法并进行调整。这种能力的本质在于,人类通过AI扩展自己的认知边界,从而更精准地解决复杂问题。

能力重构的过程并非传统能力的全面淘汰,而是一种动态的强化与融合。批判性思维、情境理解与系统性问题解决能力得以强化,而提示词设计和交互策略则成为AI时代的新增长点。在这一过程中,AI力与人类认知能力的深度融合,将共同定义未来个体与组织的竞争力基石。通过这一融合,我们得以迎接生成式AI带来的挑战与机遇,并在技术变革中实现能力的全面跃升。

从I型、T型到PI型人才的演进

在AI的广泛应用中,人才需求正经历着一场深刻的转变。过去,深度专注于单一领域的I型人才(仅具备纵深专业能力)或在单一领域深耕并具有限度横向扩展的T型人才(在一领域有深度,同时在其他领域有一定宽度),曾是行业发展的中坚力量。然而,随着AI迅速获取、处理与应用专业知识的能力增强,单一领域的深度知识逐渐变得易得,不再是独特稀缺的资源。

相较之下,那些能够整合多领域知识、拥有广阔视角并能协调AI工具与团队资源的“PI(π)型人才”,正日益受到青睐。PI型人才的形象就如同希腊字母“π”所象征的结构:他们不仅拥有双重乃至多重的纵深专业知识支撑(“π”字的两条竖线),还能在这些领域间建立起宽广且稳固的横向关联(“π”字的上横线),从而在AI的助力下打破传统专业领域的壁垒。在这种新型人才模型下,个体不再局限于单点或有限宽度的认知与技能, 而是能够灵活穿梭于多个专业领域之间,借助AI提供的信息与工具,针对复杂挑战快速生成兼具创新性与实用性的解决方案。

T型人才的优势在于,他们在某一领域拥有深厚的专业知识。然而,这类人才的局限性也愈发显现。生成式AI正在快速接管许多垂直领域的重复性工作,使得对单一领域的专注逐渐失去稀缺性。例如, AI可以在短时间内生成高质量的市场分析报告,甚至替代传统行业的部分专业性任务。如果T 型人才缺乏跨领域的整合能力,便难以在AI时代找到新的价值空间。

相比之下,I型人才的局限性更加明显。他们虽然深耕于某一领域,但由于缺乏横向的知识广度, 因此难以应对跨学科、多维度的复杂工作场景。在AI时代,I型人才不仅可能因专业领域的工作被AI取代,还会因缺乏适应性而错失与AI协作的机会。

相较之下,PI型人才则是AI时代真正的核心需求。他们具备跨领域的深度知识和广度能力,能够在复杂环境中整合不同学科的资源,推动创新性解决方案的落地。例如,一位同时熟悉医学和数据分析的PI型人才,可以利用AI结合患者数据进行诊断分析,并根据病情调整诊疗方案。这种横向整合能力使得PI型人才在AI赋能的场景下尤为重要。

通才的崛起不仅是AI对人才需求的一种必然选择,更是生成式AI时代竞争逻辑的体现。生成式AI技术已经显著降低了获取专业知识的门槛,但横向整合能力和多维度创新能力却愈发稀缺。PI型人才的最大优势在于,他们能够与AI高效协作,将AI生成的成果与自身的知识背景有机结合,针对复杂问题提供兼具创新性和实用性的解决方案。

这种人才需求的变化,也对T型和I型人才提出了新的挑战。T型和I型人才需要迅速适应时代的需求,通过学习和实践扩展横向能力,向PI(π)型发展。这不仅是个体在AI时代保持竞争力的必然选择,更是企业在AI环境下实现创新与效率提升的关键所在。

我们认为,“AI力”并非单纯的技巧技能,而是集成了认知、专业知识、表达能力以及情境理解的综合能力模型。借助这一能力,人类可在AI协作过程中实现从传统工具使用者向智能系统合作者的身份转变,为组织和个体在快速变革的时代中建立持续的竞争优势。在生成式AI的推动下,人类的智慧不再仅仅体现在专业的深度上,而是通过与AI的高效协作,开辟全新的生产力边界。在未来的能力革命中,个体与组织若能把握这一转变,将有望在AI时代塑造更高效、更具创造力的未来。

参考文献

Bawden D. Origins and concepts of digital literacy[J]. Digital literacies: Concepts, policies and practices, 2008, 30(2008): 17-32.

Long D, Magerko B. What is AI literacy? Competencies and design considerations[C]//Proceedings of the 2020 CHI conference on human factors in computing systems. 2020: 1-16.

Hansen M T, Von Oetinger B. Introducing T-shaped managers. Knowledge management's next generation[J]. Harvard Business Review, 2001, 79(3): 106-16, 165.

李宁. 解锁AI力:开启一场人机双向奔赴的生产力革命[J]. 清华管理评论, 2024.

本文来自微信公众号“复旦商业知识”(ID:BKfudan),作者:《管理视野》,36氪经授权发布。

查看全部实时热点
请输入评论内容

举报成功

举报

请您选择举报的原因

说说你的看法

打开APP
意见/建议 反馈入口
  • TOKEN
  • 标题/昵称
  • 反馈内容

已反馈成功~