Tag: 结构化

  • 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:

  • “龙虾“养成:个人AI与Agent Skills从对话到工作流设计入门

    过去两年来,大多数人使用AI的方式停留在”单次对话”层面。你输入一个问题,AI返回一段文字、图片还是音视频,多轮对话后结束。这种模式适合获取灵感,但难以应对复杂工作。 Agent Skills(智能体技能)改变了游戏规则。 它允许你将重复性工作打包成可复用的“数字工具”,让AI从“聊天对象”转变为“执行助手”。希望本文先理清基础概念,再理解运行逻辑,最后掌握构建方法,来帮助你建立系统性的个人AI能力。 第一部分:What——建立认知基线 1.1 个人AI与Agent Skills是什么? 个人AI指普通用户(非程序员)通过自然语言或低代码方式调用的智能助手系统。你不需要理解深度学习算法,只需要知道如何给AI分配任务。 Agent Skills是Anthropic Claude平台提出的技能封装方案。简单来说,它是一组结构化的提示词模板,包含三部分: 这与普通的“保存提示词”有何不同?普通提示词是一次性指令,而Skill是可重复调用的工作流。例如,你可以创建一个“周报生成器”Skill,它会自动读取本周邮件、提取关键数据、按固定格式输出报告。每次使用只需输入“/weekly-report”,无需重复粘贴长提示词。 1.2 新手适用的基础条件 学习Agent Skills不需要编程背景,但需要掌握三个前置技能: 第一,基础提示工程能力。 你需要理解“角色设定+上下文+任务指令”的基本结构。例如,不要只说“写一份报告”,而要说“你是一位市场分析师,基于附件中的销售数据,撰写一份包含趋势分析和改进建议的周报,字数控制在800字以内”。 第二,文件管理能力。 因为Skill通常涉及读取本地文件如PDF、Excel,你需要熟悉基础的文件路径概念和格式转换,如将Word另存为Markdown。 第三,逻辑拆解思维。 创建Skill前,你需要能将复杂任务拆分为连续步骤。例如“制作竞品分析报告”可拆解为:搜索资料→整理数据→撰写分析→排版输出。 1.3 核心术语澄清 为避免混淆,我们先统一三个概念: 关系梳理:Tool是AI的“手脚”,Skill是AI的“职业手册”。你给AI装上“数据分析”Skill,它就知道在处理CSV时该调用什么工具、遵循什么流程。 第二部分:Why——解码底层逻辑 2.1 从“问答模式”到“上下文注入”的转变 传统AI使用方式的局限在于上下文丢失。每次对话都是独立事件,AI不会记住你上周说的品牌调性,也不会自动执行多步骤任务。 Agent Skills采用上下文注入机制解决问题。当你触发一个Skill时,系统会做三件事: 关键洞察:Skill不是“给AI的新知识”,而是“给AI的身份任务卡”。当你激活“财务审计”Skill时,AI不是去检索财务知识(它本来就有),而是获得了一套专门的执行框架——知道先检查什么科目、用什么公式验证、输出什么格式的报告。 2.2 为什么Skill比长提示词更高效? 许多用户尝试用“超级提示词”(一次粘贴几千字指令)来实现类似效果,但这有三个弊端: 弊端一:上下文挤压。 大语言模型有处理长度限制(通常几万个token)。过长的提示词会挤占实际工作内容的处理空间。 弊端二:调用繁琐。 每次使用都要翻找并粘贴提示词,容易出错。 弊端三:无法协作。 长提示词难以分享和版本管理。 Skill的解决方案采用渐进式披露策略: 这就像餐厅点餐:顾客只需说“要一份招牌套餐”(元数据),厨房才调出完整食谱(Skill内容),烹饪时按需取用餐具食材(资源文件)。 2.3 Skill的决策机制:AI如何知道该做什么? 理解这一点对创建有效Skill至关重要。当用户输入请求时,Claude的决策流程如下: 设计启示:创建Skill时,描述字段(description)的质量决定调用准确率。你需要用清晰的“当…时使用”句式,帮助AI建立准确的触发条件。模糊的描述(如“数据处理工具”)会导致AI无法识别使用场景。 第三部分:How——构建实战能力 3.1 如何设计你的第一个Skill? 创建Skill不是写文档,而是设计一套工作流。遵循以下五步: 第一步:明确场景边界 选择一个你每周重复三次以上的具体任务。例如:“将会议录音转为结构化纪要”比“辅助办公”更适合作为首个Skill。…