德勤研究總監解析：AIGC時代下的數字人才發展與企業應對策略

演講嘉賓 | 鍾昀泰，德勤研究總監

整理 | 王強

審校 | 何逸燦

當生成式 AI 技術的能力與潛力被廣泛關注和認可，產業界自然會採取多方面行動，推動將這一重大技術創新轉變為實際生產力和商業價值。

而企業在實踐落地新技術的過程中邁出的第一步，往往也是決定最終成敗的關鍵一步——組建人才隊伍。面對生成式 AI 技術，企業應該如何挑選和培養合適的人才？如何應對人才市場的趨勢變化？

日前，極客時間企業版與培訓雜誌聯合舉辦的 DTDS 全球數字人才發展大會的“AIGC 時代的數字化人才升級專場”，特別邀請到德勤研究總監鍾昀泰，發表了題為《AIGC 時代人才發展趨勢及企業應對》的演講，圍繞上述話題展開討論。

本文整理自其演講，內容經 InfoQ 進行不改變原意的編輯。

AIGC 價值創造

生成式 AI 技術該如何創造商業價值？首先我們可以將價值創造歸納為六大類別，最直觀的是降低成本，透過工作自動化減少人力需求，可降低 30% 甚至更多的成本；第二點是增加流程效率，減少人工干預流程以降本增效；第三點是增收，透過各種創新營銷手段提升業務價值；第四點是新發現和新洞察，利用生成式 AI 發現新想法、新見解和新問題，釋放創造力；第五點是加速創新，加快產品研發上市程序；第六點是改善政府公民服務，提升規劃準確度。

在實踐中該如何判斷業務是否需要用到 AI 技術呢？這裡有個很簡單的方法，就看兩個維度。第一個維度是考慮在沒有使用 AI 前完成任務所需的人力，第二個維度是考慮驗證生成式 Al 輸出效果的過程是否困難。適合 AI 做的業務通常是人力工作量很大、同時很容易驗證的。比如說我們要寫一個笑話，或者要畫一張圖，這都需要一定的人力去思考、有一定的工作量，同時人能夠輕易判斷出笑話好不好笑、圖片好不好看，這二者的效果相對較容易驗證，這就是很適合 AI 來做的事情。又比如說法律檔案，對於沒有這方面專業知識的人來說，驗證 AI 生成的檔案是否合格是很困難的，但是對於有法律專業知識的人來說，合同驗證起來就相對簡單。

如今生成式 AI 在 C 端（消費端）的應用已經非常多了，它們主要圍繞三點需求：第一，滿足使用者精神需求，比如 AI 變臉、把自己變美或者變帥，還有各種影片影像剪輯、AI 證件、AI 寫真照，這些 C 端應用已經相當成熟；第二，大幅降低成本，比如智慧化學習領域，生成定製化學習方案、自動生成考題、AI 外教口語練習等。第三，省時提效，如辦公領域的錄音轉文字，購物領域的 3D 試穿、個性化商品推薦，醫療領域的智慧看診等，這些應用都很成熟了。

我們可以看到，優質應用場景是未來 AIGC 在 C 端落地的一個重要抓手，包括辦公、電商、醫療、教育和文化娛樂等領域。結合場景將 AI 打造為智慧入口是下一步發展的重要方向，去年已經有一些相關產品問世。這種智慧入口如同一個黑盒子，可以獲知使用者生活的一切，比如可以透過監測知道使用者健康狀況，自動為使用者發起問診、提醒使用者應該預約哪一個科室看病，隨後下單買藥、追蹤後期療效。如果這一前景真的能夠實現，將大大減少手機 APP 數量，所有現在要用 APP 解決的問題都只需要一個入口就能解決。

AI 在 B 端的應用主要分為三部分：

數字化基礎較好的企業，它們有充足的資料積累、資料結構化程度較高、資料獲取相對容易，因此做起模型研發和預測也比較容易。比如 Bloomberg 等財務金融終端以及財稅管理軟體，它們本身已經有海量資料。
標準化程度較高的應用場景。比如企業運營管理需要的 ERP、 CRM 等。它們已經有核心運營資料了，所以 AI 可以幫助組織規劃分配、跟蹤任務。此外工業設計這一場景存在通用行業標準，搭建模型也比較容易。
替代價值較高的應用場景。比如電影行業的劇本撰寫，以往劇本生成的流程很長，而如今可以透過 AI 快速產出一些劇本，再用人工進行最佳化，縮短了創意週期。

因此我們估計 AI 在企業應用場景的落地大概會分三階段來走。智慧辦公、營銷、客服是最先落地的 AI 應用場景，因為這些領域的技術相對比較成熟、落地比較容易，而文案撰寫這樣的場景自由度相對較高。

第二階段就是人力資源、生產製造、供應鏈應用等等。比如人力資源中的招聘環節現在就相對比較成熟，可以用 AI 來做了，能較快落地、降本增效的潛力也比較高。

最後就是專業度較高、容錯率較低的一些應用場景。雖然這些場景中也已經有一些 AI 應用，但這些技術尚未完全成熟、驗證需求相對較高，像研發、醫藥、工業設計、法務等，這些場景的 AI 應用潛力還是比較大的。

企業 AIGC 趨勢

接下來介紹一下我們做過的一個全球性調研，該調研主要覆蓋歐美以及一些亞太國家，收集了他們對 AIGC 技術的看法與企業應用現狀。我們調研了 500 多位高管，這些管理者有三成左右預期 AIGC 會在一年內帶來科技變革，約五成表示變革會在 1- 3 年內發生。大家對這一技術的態度很熱情，覺得很激動。據調查，AIGC 主要被用於提高效率和生產力、節約成本，同時最佳化現有的產品和服務。

大部分企業已經開始使用 AIGC，有約四分之三的企業已經把 AIGC 加入了產品的研發工作中，還有許多公司即將加大力度，以更實質性的方式擁抱生成式人工智慧技術。但我們可以想象一下，如果大家都在用 AI 來降本增效，從長期來看大家其實就沒有差距了。所以企業如果希望在長期發展中拉大差距，還是透過產品研發和技術革新等差異化手段來獲取更大的收益。這一方面要求企業推出創新的產品和服務，另一方面要推出更大規模的商業模式創新。

如果我們看企業內部應用的情況，就全球來看，網路安全是目前在企業內部應用 AI 最多的領域，其次才是營銷客服，往下還有產品研發、戰略運營、供應鏈金融、人力資源。雖然人力資源領域已有 AI 產品問世，但這一方面的 AI 應用還是相對較少。應用 AI 最少的領域就是法律風險與合規。

在企業應對 AIGC 技術準備的充分程度方面，我們可以看到企業在基礎設施方面的準備程度是最高的，其次大部分企業都有 AI 的戰略，風險治理和人才儲備是比較薄弱的環節，但大多數企業對此都有所規劃。七成左右的企業預計 AIGC 會在未來兩年內推動人才戰略的變化，但只有 47% 的高管還沒有對員工進行充分的教育。這說明生成式人工智慧落地所面臨的最大挑戰之一是技術人才和技能的匱乏。因此，如何有效地管理和培訓生成式人工智慧人才從而適應不斷更新的技術將成為企業的首要任務。

企業現在正在做什麼？透過調研資料我們可以看到，42% 的企業表示會透過招聘 AIGC 技術人員來推動實驗室人工智慧技術的落地計劃，同時透過課程教育來提升企業內部員工掌握 AIGC 應用的熟練度。針對 AIGC 所帶來的衝擊，36% 的企業也會考慮針對工作受到 AIGC 影響的員工進行其他技能的培訓。這其中的挑戰在於，很多領導者還不知道怎麼去用 AIGC，也不知道它對人才的影響是什麼，特別是最需要哪些技能和角色。

接下來我們看在國內的 AIGC 需要什麼樣的人才。從人才的行業分佈來看，網際網路行業 AIGC 人才儲備最多，因為這一技術本來就是從網際網路行業誕生的。其次還有電商、新零售、企業服務、AI 通訊、智慧硬體等資料密集型產業，都是 AIGC 人才分佈比較密集的行業。從城市分佈的角度來看，北京、上海、深圳是最多的，其次是杭州、廣州，還有成都等地。

觀察 AIGC 從業者情況發現，近七成從業者年齡大於 30 歲，半數以上有 5 年工作經驗，薪資大約在 50 萬左右，當然也有個別從業者年薪達到百萬，或者說前幾年百萬年薪的崗位比較多，相對來說現在的薪資水平是比較迴歸理智的情況。

其中有三個 AIGC 崗位比較熱門：第一是產品架構師，負責產品端到端，需要具備一定的專案管理能力，還要成為同客戶技術溝通的橋樑；第二，演算法工程師，負責 AI 模型的最佳化除錯和開發，需要對新技術比較敏感，能夠面對比較複雜的問題、具備解決問題的能力；第三，資料分析師，負責洞察資料，需要對資料有比較靈敏的反應能力，有較好的資料處理能力、統計分析能力。

細分維度上，產品架構師崗位主要分佈在網際網路、傳媒等熱門行業，在北京、上海有非常多相關崗位，例如軟體產品經理、物聯網、人工智慧產品解決方案等。本科學歷的從業者比較多，專業背景大多是計算機、物聯網。工作經驗一般是 5 年到 10 年。

演算法工程師也主要分佈在網際網路、汽車、消費品這幾個行業，主要分佈城市也是北京、上海，而崗位則非常多，基本上每個企業都需要，其中影像、自動駕駛演算法、機器視覺比較熱門。演算法工程師學歷相對較高，以碩士為主，專業背景一般為計算機軟體工程、AI。工作經驗分佈就比較廣，從初級的 3 年以下到 10 年以上都有。

資料分析師在廣告傳媒、網際網路、消費品行業分佈較多，也是北上深最多，金融、商業的資料開發、資料探勘、資料建模這些崗位非常多。學歷以本科為主，專業背景裡統計、數學、計算機較多。工作經驗分佈比較廣，3 年到 10 年都有。

我們可以看到現階段 AUGC 人才需求最大的三個行業分別是網際網路、廣告媒體和消費品，而下一個階段會向金融、汽車、高階製造、醫療健康和能源領域拓展。

其中，網際網路行業需要人才具備在快速演進的 AI 技術前沿持續創新和應用的能力，是以技術為導向的，所以需要機器學習、深度學習的工程師。廣告媒體需要使用 AIGC 進行創意內容生成和最佳化，要求人才能夠應用 AIGC 技術並具備文字、圖片編輯經驗，所以它需要 AI 的繪圖師、AI 影片音樂的編輯師以及文字生成的工程師等。消費品行業要推動營銷創新，用個性化營銷來提升使用者體驗，所以需要能夠應用 AIGC 產品並和消費者互動的人才，比如說虛擬人的工程師，還有智慧客服、智慧語音的工程師。

應對 AIGC 人才發展

從宏觀角度，企業應該怎樣佈局頂層設計，以應對 AIGC 時代的人才發展？這裡有四個維度可以思考：首先，我們要什麼樣的 AI 戰略？我們怎樣識別 AI 在企業能夠產生哪些價值？我們要去看 AI 在業務流程中的哪些環節能夠提供最大價值，哪些能夠利用它來節省成本、提高效率，然後對這些能夠使用 AI 的領域評估其 ROI。

第二，要利用好平臺，既可以自建，也可以利用外部機構的能力，透過合作來尋找最佳解決方案，提升整個企業在 AI 方面的競爭能力。

第三，完善企業內部政策，比如強化對 AI 內容的監控稽核、加強合規水平。

最後，人才層面，涉及企業應該怎樣培訓招聘 AI 人才，讓員工瞭解 AI 的用途、風險和能力，以建立知識基準。

AI 在人才方面的應用非常廣，基本上可以應用於人力資源管理全流程。從頂層設計到人才需求的規劃，再到招聘選拔、員工培訓、績效管理、薪酬福利、員工管理，方方面面都能用到 AIGC。

頂層設計方面，企業有五個方向可以思考：

怎樣去打造 AIGC 時代的企業文化？雖然 AI 時代來了，但文化還是要以人為本，讓員工感受到他們的價值和意義；
未來企業的管理物件會有轉變，不僅要管理人，還要考慮人和 AI 怎樣協作的問題。這就要求我們瞭解 AI 的優點，但同時也要知道 AI 的侷限性，更要關注怎樣協調組織中人和 AI 的協作；
企業招聘也在面臨轉型，AI 能夠為人才招聘帶來全新的視角，同時也能更精準的評估人才；
員工培訓也會有一些變化，未來企業會更重視員工創新的能力，關注員工怎樣同 AIGC 更好地結合，從而創造新的價值；
績效評估，相應的管理機制也會重塑，除了傳統的評估之外，可能還要考慮加大 AIGC 相關的權重，看員工在 AIGC 方面的創新和貢獻。

在人才供需規劃預測方面，可以使用 AI 來幫助企業預測未來的人才需求，在合規前提下透過大資料、機器演算法、爬蟲等技術看看競品企業在各個城市的人才佈局，對人才市場有更深入的瞭解。

在人才的招聘選拔方面，AIGC 能夠提供智慧篩選和匹配，在海量資料中精準快速匹配候選人，然後透過自動化的技術、面試來評估和打分。相對應地，它也可以反過來根據候選人的一些特性推薦合適的崗位，形成雙向互動。

在員工培訓和發展方面，它可以為員工量身定製學習方案，減少對專業培訓講師的依賴、降低培訓成本，還可以利用各種 AR、 VR 的技術來提升體驗。

績效管理方面，AIGC 可以根據企業頂層目標和員工的個人目標設定來設定績效目標，同時能自動追蹤績效成果，自動提醒領導回顧員工的近期表現並進行績效的考核和輔導。

現在的薪酬管理系統已經很自動化了，AI 可以自動化計算薪酬，用大資料來挖掘薪酬分佈，改進激勵獎勵方案。

最後一塊是員工關係管理，這是比較有爭議的，因為 AI 可以從員工工作表現、興趣愛好、職業規劃、日常習慣出發，透過文字、影片和聲音等資料來對員工建模，瞭解員工狀態，可以及早發現問題、輔導關懷員工。

以上幾個部分就是 AIGC 在人力資源的全流程能落地的應用。我今天的分享到此結束，謝謝大家。

內容推薦

大模型已經在各種領域有著廣泛的應用和實踐，如BI、企業生產、AIoT、程式設計、資料分析等場景。各個企業當前的探索為大家在落地時解決各種問題提供了重要參考。「AI前線」整理了AICon 北京 2024上大模型在不同領域的應用探索和 Agent 實踐相關PPT以及資料。關注「AI前線」，回覆關鍵詞「應用探索」即可免費獲取。