雷火竞技首页

《人工智能劳动力手册》应该如何测算投资回报率?
发布时间:2025-09-06
 目前,大部分人对人工智能的认知都是在工具上,但小编在最近的一篇文章看到这样的一个观点,“AI isn’t just a tool—it’s a new kind of labor.(AI不仅仅是一个工具,它也是一种新型劳动力。)”今天小编带你一起来看这篇文章的重点内容。  AI是新型劳动力,不是软件工具。通过提示(prompts)分配任务,以令牌(Tokens)衡量和定价工作,其交换效率影响组

  目前,大部分人对人工智能的认知都是在工具上,但小编在最近的一篇文章看到这样的一个观点,“AI isn’t just a tool—it’s a new kind of labor.(AI不仅仅是一个工具,它也是一种新型劳动力。)”今天小编带你一起来看这篇文章的重点内容。

  AI是新型劳动力,不是软件工具。通过提示(prompts)分配任务,以令牌(Tokens)衡量和定价工作,其交换效率影响组织绩效。但AI劳动力需人为引导、监督,人们需学习与AI协作的新技能。

  生成式AI使任务转化为令牌交换,可执行多种认知任务,改变工作模式。如在软件工程、战略规划等多领域有广泛应用,能提高效率、激发创新。

  这是将人类任务转化为与生成式AI系统的交互过程,令牌是语言处理单位和经济单位,交换涉及认知劳动,但不能完全替代人类。其价值受多种因素影响,需合理组织和管理。

  AI劳动力需人类洞察力引导,应将其作为能力放大器,而非替代人类劳动力的手段。组织应注重增长,利用AI劳动力创造新价值,提升、教育和激励员工是关键,同时要关注内部AI劳动力市场的效率和灵活性。

  提出通过考虑交换产出价值、人力监督成本等因素评估AI劳动力价值的模型。高价值、低风险且监督和整合成本低的交换具有高ROI,组织可通过多种方式优化变量提升价值。

  AI劳动力变革核心是信任员工领导,赋予员工权力,促进创造力和组织卓越发展。但转型面临挑战,需克服员工的负担、恐惧和误解,将提示(prompting)作为新素养培养。

  为组织提供AI劳动力战略蓝图,包括将AI视为劳动力、赋能员工、教授相关技能、构建开放系统、重视企业聊天平台和促进跨系统协作六个关键原则。

  领导者应从对组织AI劳动力战略的影响评估技术,通过六个问题判断是否有助于构建长期竞争优势,推动组织与AI共同学习和发展。

  LEADER框架为正在向人工智能驱动的劳动力模式转变的组织提供了一个简单的战略蓝图。随着生成式人工智能从一套工具转变为可扩展的、可编程的劳动力,领导者必须重新思考劳动力的来源、监督和规模扩展方式。

  LEADER框架帮助高管和团队领导者围绕六个关键原则调整基础设施、文化和能力,这些原则包括将人工智能视为劳动力而非软件,赋予每位员工引领人工智能的能力,以及设计支持跨职能人工智能协作的系统。

  把人工智能当作可以雇佣、指导和扩展规模的劳动力,而不只是你部署的软件。每个提示都是一项任务,每个代币都是一个工作单元。从购买工具的思维转变为劳动力编排战略。

  人工智能劳动力的价值取决于引领它的人。让每个人(不只是技术团队)都具备利用人工智能劳动力进行任务分配、探索和创造的能力。普及人工智能的使用,促进创新文化。

  引领人工智能劳动力并利用它提升工作效率需要新的思维模式。教授提示工程、人工智能代理基础知识以及针对人工智能的问题分解方法。掌握这些抽象知识的技能提升是新的数字素养。

  构建开放的模块化系统,避免被人工智能劳动力供应商锁定。确保能够获取最高质量、最具成本效益的人工智能劳动力。持续优化内部人工智能劳动力市场。

  聊天界面不只是用户界面,它是你连接人工智能劳动力市场的接口。它必须灵活、直观且对所有人开放。如果你的员工无法通过聊天表达需求,他们就无法雇佣人工智能劳动力。

  人工智能劳动力应该能够跨工具、工作流程和部门发挥作用。设计跨职能、跨系统的协同机制。最具价值的交流发生在不同部门之间,而不是部门内部。

  也许最重要的是,领导者必须将人工智能劳动力单纯视为节约成本手段的诱惑。真正的优势来自于扩展能力、推动创新以及解锁新的生产力形式,而不是取代人力。

  为了从战略上部署Token化的人工智能劳动力,组织必须了解价值在何处以及如何创造,同时明确涉及哪些成本和风险。

  并非所有的人工智能劳动力代币支出都是相同的,有些任务天然适合由人工智能劳动力完成,只需很少的监督;而另一些任务则需要高度的人工监督,或者根本无法从人工智能劳动力中显著获益。

  关键在于结合具体情况评估每次交换的效率、监督负担、战略影响力和整合成本。

  我们提出了一个简化的估值模型,通过以下变量评估每次劳动力-Token交换:

  – 代表对准确性、完整性、可解释性以及失败影响的信心(范围从 0 到 1)。

  人工智能劳动力的高投资回报率交换意味着高价值、低风险,并且需要极少的人工监督或整合。

  人工智能劳动力的低投资回报率交换往往存在干扰因素多、可靠性差,或者监督和运营成本高昂的问题。bwin官网