 |
|
发布时间：2025-10-19 15:13:55
| 人工智能重塑劳动力 本文参考自MS的《为人工智能重塑劳动力：领域专长与算法素养》一文。 现有研究多聚焦人工智能与自动化技术对劳动力的重新配置效应，虽已证实这些技术并非单纯替代劳动力，还会与工人形成互补，但较少关注如何实现人机高效协作的核心问题。 任务互补性与知识整合理论认为知识密集型工作中，任务间的信息互补性会推动工作模式从专业化向整体性转变，员工需兼具多种技能以提升生产力。人工智能与算法处理复杂非日常决策时，需领域专长与算法素养的整合，二者分离会增加协作成本。相较于电子表格、数据库等不自主生成决策的技术，人工智能与算法需结合领域知识才能精准适配业务场景。技术与领域专长的互补性越强，企业越会在招聘中同时要求两类技能。 靠近一线的员工更易获取局部信息，将算法素养与决策权利赋予他们，能加快决策响应速度，减少与技术部门的协调瓶颈。涉及局部决策的领域专家需结合现场信息调整算法应用，而无决策权的岗位对算法素养需求较低。 新技术的采用取决于获取互补技能的成本，当算法工具的使用门槛降低，领域专家获取算法素养的成本下降，企业会更倾向于将两类技能捆绑配置。 领域专家与算法素养的结合形成的技能配置模式是难以复制的无形资产，因为技能配置模式需长期培训与组织学习，能为企业带来持续竞争优势。投资者会认可这类资产的未来价值，其算法相关投资会获得更高的市场估值。 基于三家数据库的数据，研究发现要求算法技能的职位中，非IT职位占比高，且这些非IT职位普遍同时要求领域专长；涉及局部决策的领域专家职位，对算法技能的需求显著更高。无代码工具等降低算法使用门槛的技术，显著提升了领域专家获取算法技能的概率；企业对算法的投资越多，越倾向于将算法技能分散配置给领域专家，二者呈现互补关系。算法技能分散配置于领域专家的企业，其算法与AI相关投资获得的市场估值更高。 参考文献: Tambe, P. B. (2025). Reskilling the workforce for AI: Domain expertise and algorithmic literacy. Management Science #劳动力素质 #AI #人工智能 |
上一篇：00后男大在邯郸开传媒公司
上一篇：《美丽的颜色》｜深深浅浅读美丽😙
