利用生成式人工智能增加就业和提高劳动力生产率：场景、案例研究和行动框架
数据驱动型组织最适合发挥 GenAI 的作用
报告称，那些率先在员工群体中推行使用 GenAI 的组织通常具备数据驱动的特点。这些组织在建立健全的数据质量、基础设施、治理和安全方面有着悠久的历史。虽然他们未必能更快发现 GenAI 的应用场景，但一旦发现，他们早已具备充分的条件进行快速部署。
各组织正谨慎地推广 GenAI
许多早期采用者已经越过了最初的实验阶段。在他们报告中，主要经验包括：不要急于实施，在进行大范围推广之前先在小范围内测试解决方案。这有助于及早发现问题，避免因结果不理想而导致员工失去兴趣。
报告中的大多数组织都对在员工中部署 GenAI 的风险高度警惕。这些风险包括数据泄露、隐私侵犯、结果偏差以及其他道德伦理问题。为了防止声誉受损，避免与监管机构和当局发生冲突，许多组织都采取了谨慎的方法，优先在组织内相对安全的环境中进行试验和试点。
GenAI 提高了生产力，但一些组织不清楚该如何利用节省出来的时间
报告称，虽然目前还很难从宏观经济层面评估 GenAI 提高生产力的情况，但在组织层面，这种提升已有显现。一家公司称，以前需要数周才能完成的请求，现在利用自动化只需几分钟就能完成，这也说明了效率提升在常规重复性工作中能产生的显著效果。报告中频繁提及这种技术赋能，也有超过四分之一的受访者表示，GenAI 可以使员工从事更愉快、更有创造力和更有价值的工作。然而，一些受访组织尚未明确如何让员工如何利用节省出来的时间。
提高工作质量是部署 GenAI 的另一个重要驱动力
提高生产力并不是部署 GenAI 的唯一驱动力，受访者提到提高工作质量同样重要。如果实施得当，该技术有可能比人类更准确、更稳定，犯的错误也更少，从而提升质量和客户满意度。
人们并不总是对 GenAI 技术的应用结果感到满意
从对准确性的担忧到可能存在的偏见，以及用 GenAI 取代人类工作的道德问题，员工对该技术也存在很多疑问。通常情况下，企业内的 IT 专员是最快接受 GenAI 的一批人。而那些从事大量行政工作的部门受到的影响则最显著，导致这些团队对自身的职能产生了不确定性。培训可以揭开技术的神秘面纱，通过再培训和技能提升可以让员工具备胜任新岗位的潜力，也能建立信任。在不久的将来，这一点将至关重要：论坛的 “就业倡议”（Jobs Initiative）指出，未来五年内，44% 的工人的技能将受到技术冲击。“就业倡议” 旨在应对这种劳动力市场变动，为所有人争取良好的就业机会。
GenAI 的实施离不开变革管理
报告称，在推行新举措时，必须了解其对组织文化的影响以及对员工心态转变的要求。组织高层的有效领导是关键。中层管理者也发挥着至关重要的作用，他们了解工作流程和过程，也就知道 GenAI 在哪里能产生最大的影响。
大多数组织并不清楚使用 GenAI 的员工比例
事实上，受访公司报告的数字从 20% 到 80% 不等。有些公司表示，几乎每个人都在使用这一技术，或者至少他们能够使用，因为组织开放了使用 GenAI 工具的权限。这些工具对员工的开放程度取决于公司的风险偏好，有些受访公司允许所有员工使用，而另一些公司则仅限于特定部门使用，或要求申请许可证。
很少有组织制定了可持续使用人工智能的战略
与较小的、针对特定任务的人工智能模型相比，大型语言模型属于能源密集型人工智能模型，如 ChatGPT，每一次提示都需要消耗大量电能进行计算。虽然报告中的大多数组织都承认这一问题，但很少有组织制定了相应的战略，而且环境因素似乎并不是 GenAI 劳动力部署决策的核心。
去除人类的参与仍被认为是一个错误
受访的大多数组织都设立了内部委员会或理事会，负责制定规则和框架并评估用例，同时监控 GenAI 的风险、质量和负责任的使用。几乎所有组织都表示，它们已经制定了负责任的使用工具的培训计划。随着歧视性算法丑闻的曝光，以及欧盟《人工智能法案》等立法的出台，公司也敏锐的意识到验证、核查和人工干预的重要性。一位受访者表示：“你可能犯的最大错误就是将人类排除在流程之外。”