Tag: 数据管理

  • AI技能经济:德勤挥刀背后的职场地震与价值重塑

    你坐在办公室里,看着满屏的简历,上面写满了“卓越的沟通能力”、“强大的领导力”和“出色的解决问题的能力”。但当项目压力袭来时,你真正需要的是那个能立刻上手进行深度数据分析的专家,是那个能确保复杂工艺流程万无一失的技术骨干。 这不是你的错觉。一份由沃顿商学院与埃森哲联合发布的技能指数研究明确指出,当前的劳动力市场正处在一个严重的“错配”之中:员工们普遍展示一套“安全”的通用技能,而雇主们实际支付报酬的,却是另一套截然不同的、专业且深入的执行能力。 人工智能(AI)的到来,非但没有解决这个问题,反而让这场错配加速、加剧。它正在重塑一切。 第一部分:你的“金字塔”地基正在被AI掏空 让我们从一个真实的巨头变革说起。拥有超过45万员工的咨询业巨头德勤美国,做出了一个震惊行业的决定:取消运行了几十年的传统职级体系。助理、高级顾问、经理、总监……这些象征着职业阶梯的头衔,将被扔进历史。取而代之的,是一套清晰的“技能标签”。 德勤为什么要对自己动如此大的手术?答案直接而残酷:传统组织赖以运转的“金字塔”模型,地基正在被AI快速掏空。 在传统的咨询公司模式里,底层是大量的初级员工,他们负责收集数据、整理材料、核对报表这些基础工作。中层经理负责整合与协调,顶层合伙人负责客户关系与战略。这套模式不仅完成工作,也自动完成人才培养:新人从底层干起,沿着清晰的阶梯向上爬。 但现在,AI正在接管塔基。德勤内部有一个名为“Zora”的AI平台,能处理大量原本属于初级员工的工作。以前需要几个人干一周的活儿,现在可能两个人加上AI,一两天就能搞定。 这引发了一个致命的问题:如果底层的基础工作都被AI高效处理了,那么未来的经理和合伙人从哪里来?他们缺失了早期关键的经验积累阶段。德勤的改革,本质上是对这个核心危机的回应:当地基被掏空后,组织必须换一种玩法。 这个信号对你而言意味着什么?它意味着,你不能再依赖传统的职位头衔去评估和雇佣人才。那个挂着“经理”头衔的人,可能擅长的是即将被AI自动化的工作;而那个没有显赫头衔的年轻人,可能恰恰拥有驾驭AI、解决复杂难题的稀缺能力。你们的组织,可能正不知不觉地为一堆“过剩”的技能支付着溢价,却对真正“稀缺”的能力视而不见。 第二部分:技能错配与“信号失灵” 那么,具体是哪些技能“过剩”,哪些又“稀缺”呢?技能指数通过分析数亿份职位描述和员工档案,给出了清晰的图谱。 研究发现,员工们最常展示的技能是领导力、沟通、团队合作和解决问题。这些技能听起来很棒,很安全,但正因为人人都写,它们已经严重“过剩”,几乎失去了区分人才的价值。在你的招聘中,看到满简历这样的词,是不是已经感到麻木? 而雇主们在招聘中真正寻求、并愿意支付高额薪水的技能,却是另一类:技术深度、科学方法、分析精度、数字化执行和工作管理能力。这些是能将想法落地、转化为具体成果的执行技能,但它们在整个劳动力市场中却呈现出“短缺”状态。 这就是“信号失灵”。员工在简历上发出一种信号(通用技能),而雇主在市场上寻找并奖励另一种信号(专业执行技能)。这种失灵导致你很难找到对的人,也导致员工感到怀才不遇。 更复杂的是,技能的价值并非一成不变,它高度依赖于具体的角色和行业。同一个技能,在一个岗位上可能是高薪的敲门砖,在另一个岗位上却可能毫无价值,甚至带来负收益。 就比如,为“战略分析”这个技能支付溢价,只有在它被应用于正确的角色时才是明智的。盲目追求所谓的“高价值技能清单”,而不考虑与你公司具体岗位的匹配度,是在浪费薪酬预算。 第三部分:AI的再分配——谁的价值在升,谁的在降? AI不仅是问题的背景板,它本身就是最强大的变量,正在动态地重新分配不同技能的经济价值。 技能指数跟踪了高AI暴露度技能的需求变化趋势,发现了一个明确的分化: AI不是在简单地消灭工作,而是在重新分配价值。它将人类从重复性认知劳动中解放出来,同时将更高的溢价赋予那些AI难以替代的人类特质:专业的判断力、复杂的协调能力、对监管环境的深刻理解,以及深厚的行业知识。 对于你而言,这意味着两件事: 第四部分:企业如何构建“技能矩阵” 面对信号失灵、价值重配的复杂局面,你应该怎么做?以下是基于案例和研究的渐进式行动路线图。 第一步:诊断——扫描你的组织 停止依赖模糊的头衔和泛泛的简历。你需要像德勤那样,为每个关键角色绘制清晰的“技能画像”。利用技能指数揭示的框架,问自己几个问题: 一个简单的方法是:列出团队每个成员实际负责的3-5项核心任务(用“动词+名词”描述,如“构建风险预测模型”、“协调跨部门项目上线”),然后评估每项任务被AI完成的可能性。 这将帮你快速定位团队在“钻石结构”中的位置——是仍在处理大量可自动化任务的“塔基”,还是已转型为进行关键判断和协调的“钻石核心”。 第二步:重构——转向“技能矩阵” 基于诊断结果,你需要重新设计工作。 第三步:对齐——为真实价值买单 你的薪资体系必须与你重新定义的“技能矩阵”同步。 第四步:赋能——打造“动态技能树” 变革的最终落地,依赖于员工的技能成功转型。你需要一个系统性的赋能方案。 德勤挥出的这一刀,宣告以头衔和资历论英雄的时代正在落幕,一个以技能为硬通货的新经济体系已经到来,它正在当下重塑你所在的每一个行业。 变化的步伐比许多人想象的要快,当你的竞争对手已经完成技能矩阵,AI+数据驱动着飞轮滚滚向前时,你可能已经失去了招架之力。 现在,请你拿出纸笔,或者打开一个空白文档,开始第一步:为你或你的团队中最关键的三个角色,列出五项真正重要的核心技能。然后问自己:我已有的头衔化成这些高价值技能组合了吗?我们正在向这些技能进化吗? 来源:沃顿商学院、数治网,仅供参考 场景难打通?指标难达成?资格难获取?上 shuzhi.me !在对话框发送“in”获取:

  • 2026“知道”与“做到”:如何为AI做好业务决策提供信息(附下载)

    人工智能(AI)从 ChatGPT 的火热兴起变得不能忽视。在各行各业,无数组织正投入到采用该技术来改善自身的运营和流程,获得更好的分析、见解增加新的收入和机会。曾经仅基于人类智能做出的业务决策现在可以由 AI 提供。 那 AI 如何影响决策?简短的回答是, AI 可以分析大型数据集,从中学习,并根据这些数据做出预测或决策。 AI 几乎可以用于任何领域,包括医疗健康、金融、交通等。它可以帮助诊断疾病,预测欺诈,提高作物产量,甚至增强各种应用中的用户体验。 AI 带来了哪些决策挑战? AI 彻底改变决策的潜力也并非完全没有挑战。例如,为了做出准确的预测, AI 系统需要大量的信息,并非所有组织都可以访问必要的数据。数据质量对于 AI 的成功也至关重要。数据必须准确、完整且无偏见,以避免误导性预测和决策。 另一个挑战是需要熟练的专业人员来开发、实施和维护 AI 系统。具有专业技能的数据科学家、开发人员和工程师的需求量很大,人才严重短缺。在某些情况下,公司正在使用科技巨头提供的 AI 工具和服务来填补空白,例如各自已推出不同的大语言模型 LLM。但是,这种方法可能会限制公司的创新能力,反而拉开自己与竞争对手的差距。 此外, AI 引发了关于隐私和偏见的重要伦理问题。随着 AI 系统变得越来越复杂,它们可能会获得敏感信息的访问权限,这引发了人们对如何使用和保护这些信息的担忧。如果 AI 系统是使用有偏见的数据构建的,它们也可能使偏见和歧视永久化。 为了减轻这些担忧,组织必须对 AI 的使用保持透明,确保以合乎道德和负责任的方式收集和使用数据,同时实施严格的测试和监控流程,以识别和纠正可能出现的任何偏见。 来源:6000字全览新发布的《人工智能发展报告(2024年)》(附下载) 图:大模型工具链架构图 组织如何使用 AI 进行决策? 尽管存在这些挑战,但许多组织正在成功地使用 AI 进行决策。例如,Airbnb 数据科学家 Theresa Johnson 的团队构建分析产品,去解决类似“在没有全尺寸屏幕的世界里搜索应该是什么样子?”和“我们如何预测尚未使用我们平台的用户的可访问性需求”等问题。通过使用 AI 为用户显示最佳属性,Airbnb 可以优化搜索结果并提供个性化推荐。 同样在旅游 OTA 领域,全球差旅管理公司 CWT…