德勤研究总监解析：AIGC 时代下的数字人才发展与企业应对策略

2024-06-13 06:06

演讲嘉宾 | 钟昀泰，德勤研究总监

整理 | 王强

审校 | 何逸灿

当生成式 AI 技术的能力与潜力被广泛关注和认可，产业界自然会采取多方面行动，推动将这一重大技术创新转变为实际生产力和商业价值。

而企业在实践落地新技术的过程中迈出的第一步，往往也是决定最终成败的关键一步——组建人才队伍。面对生成式 AI 技术，企业应该如何挑选和培养合适的人才？如何应对人才市场的趋势变化？

日前，极客时间企业版与培训杂志联合举办的 DTDS 全球数字人才发展大会的“AIGC 时代的数字化人才升级专场”，特别邀请到德勤研究总监钟昀泰，发表了题为《AIGC 时代人才发展趋势及企业应对》的演讲，围绕上述话题展开讨论。

本文整理自其演讲，内容经 InfoQ 进行不改变原意的编辑。

AIGC 价值创造

生成式 AI 技术该如何创造商业价值？首先我们可以将价值创造归纳为六大类别，最直观的是降低成本，通过工作自动化减少人力需求，可降低 30% 甚至更多的成本；第二点是增加流程效率，减少人工干预流程以降本增效；第三点是增收，通过各种创新营销手段提升业务价值；第四点是新发现和新洞察，利用生成式 AI 发现新想法、新见解和新问题，释放创造力；第五点是加速创新，加快产品研发上市进程；第六点是改善政府公民服务，提升规划准确度。

在实践中该如何判断业务是否需要用到 AI 技术呢？这里有个很简单的方法，就看两个维度。第一个维度是考虑在没有使用 AI 前完成任务所需的人力，第二个维度是考虑验证生成式 Al 输出效果的过程是否困难。适合 AI 做的业务通常是人力工作量很大、同时很容易验证的。比如说我们要写一个笑话，或者要画一张图，这都需要一定的人力去思考、有一定的工作量，同时人能够轻易判断出笑话好不好笑、图片好不好看，这二者的效果相对较容易验证，这就是很适合 AI 来做的事情。又比如说法律文件，对于没有这方面专业知识的人来说，验证 AI 生成的文件是否合格是很困难的，但是对于有法律专业知识的人来说，合同验证起来就相对简单。

如今生成式 AI 在 C 端（消费端）的应用已经非常多了，它们主要围绕三点需求：第一，满足用户精神需求，比如 AI 变脸、把自己变美或者变帅，还有各种视频图像剪辑、AI 证件、AI 写真照，这些 C 端应用已经相当成熟；第二，大幅降低成本，比如智能化学习领域，生成定制化学习方案、自动生成考题、AI 外教口语练习等。第三，省时提效，如办公领域的录音转文字，购物领域的 3D 试穿、个性化商品推荐，医疗领域的智能看诊等，这些应用都很成熟了。

我们可以看到，优质应用场景是未来 AIGC 在 C 端落地的一个重要抓手，包括办公、电商、医疗、教育和文化娱乐等领域。结合场景将 AI 打造为智能入口是下一步发展的重要方向，去年已经有一些相关产品问世。这种智能入口如同一个黑盒子，可以获知用户生活的一切，比如可以通过监测知道用户健康状况，自动为用户发起问诊、提醒用户应该预约哪一个科室看病，随后下单买药、追踪后期疗效。如果这一前景真的能够实现，将大大减少手机 APP 数量，所有现在要用 APP 解决的问题都只需要一个入口就能解决。

AI 在 B 端的应用主要分为三部分：

数字化基础较好的企业，它们有充足的数据积累、数据结构化程度较高、数据获取相对容易，因此做起模型研发和预测也比较容易。比如 Bloomberg 等财务金融终端以及财税管理软件，它们本身已经有海量数据。
标准化程度较高的应用场景。比如企业运营管理需要的 ERP、 CRM 等。它们已经有核心运营数据了，所以 AI 可以帮助组织规划分配、跟踪任务。此外工业设计这一场景存在通用行业标准，搭建模型也比较容易。
替代价值较高的应用场景。比如电影行业的剧本撰写，以往剧本生成的流程很长，而如今可以通过 AI 快速产出一些剧本，再用人工进行优化，缩短了创意周期。

因此我们估计 AI 在企业应用场景的落地大概会分三阶段来走。智慧办公、营销、客服是最先落地的 AI 应用场景，因为这些领域的技术相对比较成熟、落地比较容易，而文案撰写这样的场景自由度相对较高。

第二阶段就是人力资源、生产制造、供应链应用等等。比如人力资源中的招聘环节现在就相对比较成熟，可以用 AI 来做了，能较快落地、降本增效的潜力也比较高。

最后就是专业度较高、容错率较低的一些应用场景。虽然这些场景中也已经有一些 AI 应用，但这些技术尚未完全成熟、验证需求相对较高，像研发、医药、工业设计、法务等，这些场景的 AI 应用潜力还是比较大的。

企业 AIGC 趋势

接下来介绍一下我们做过的一个全球性调研，该调研主要覆盖欧美以及一些亚太国家，收集了他们对 AIGC 技术的看法与企业应用现状。我们调研了 500 多位高管，这些管理者有三成左右预期 AIGC 会在一年内带来科技变革，约五成表示变革会在 1- 3 年内发生。大家对这一技术的态度很热情，觉得很激动。据调查，AIGC 主要被用于提高效率和生产力、节约成本，同时优化现有的产品和服务。

大部分企业已经开始使用 AIGC，有约四分之三的企业已经把 AIGC 加入了产品的研发工作中，还有许多公司即将加大力度，以更实质性的方式拥抱生成式人工智能技术。但我们可以想象一下，如果大家都在用 AI 来降本增效，从长期来看大家其实就没有差距了。所以企业如果希望在长期发展中拉大差距，还是通过产品研发和技术革新等差异化手段来获取更大的收益。这一方面要求企业推出创新的产品和服务，另一方面要推出更大规模的商业模式创新。

如果我们看企业内部应用的情况，就全球来看，网络安全是目前在企业内部应用 AI 最多的领域，其次才是营销客服，往下还有产品研发、战略运营、供应链金融、人力资源。虽然人力资源领域已有 AI 产品问世，但这一方面的 AI 应用还是相对较少。应用 AI 最少的领域就是法律风险与合规。

在企业应对 AIGC 技术准备的充分程度方面，我们可以看到企业在基础设施方面的准备程度是最高的，其次大部分企业都有 AI 的战略，风险治理和人才储备是比较薄弱的环节，但大多数企业对此都有所规划。七成左右的企业预计 AIGC 会在未来两年内推动人才战略的变化，但只有 47% 的高管还没有对员工进行充分的教育。这说明生成式人工智能落地所面临的最大挑战之一是技术人才和技能的匮乏。因此，如何有效地管理和培训生成式人工智能人才从而适应不断更新的技术将成为企业的首要任务。

企业现在正在做什么？通过调研数据我们可以看到，42% 的企业表示会通过招聘 AIGC 技术人员来推动实验室人工智能技术的落地计划，同时通过课程教育来提升企业内部员工掌握 AIGC 应用的熟练度。针对 AIGC 所带来的冲击，36% 的企业也会考虑针对工作受到 AIGC 影响的员工进行其他技能的培训。这其中的挑战在于，很多领导者还不知道怎么去用 AIGC，也不知道它对人才的影响是什么，特别是最需要哪些技能和角色。

接下来我们看在国内的 AIGC 需要什么样的人才。从人才的行业分布来看，互联网行业 AIGC 人才储备最多，因为这一技术本来就是从互联网行业诞生的。其次还有电商、新零售、企业服务、AI 通信、智能硬件等数据密集型产业，都是 AIGC 人才分布比较密集的行业。从城市分布的角度来看，北京、上海、深圳是最多的，其次是杭州、广州，还有成都等地。

观察 AIGC 从业者情况发现，近七成从业者年龄大于 30 岁，半数以上有 5 年工作经验，薪资大约在 50 万左右，当然也有个别从业者年薪达到百万，或者说前几年百万年薪的岗位比较多，相对来说现在的薪资水平是比较回归理智的情况。

其中有三个 AIGC 岗位比较热门：第一是产品架构师，负责产品端到端，需要具备一定的项目管理能力，还要成为同客户技术沟通的桥梁；第二，算法工程师，负责 AI 模型的优化调试和开发，需要对新技术比较敏感，能够面对比较复杂的问题、具备解决问题的能力；第三，数据分析师，负责洞察数据，需要对数据有比较灵敏的反应能力，有较好的数据处理能力、统计分析能力。

细分维度上，产品架构师岗位主要分布在互联网、传媒等热门行业，在北京、上海有非常多相关岗位，例如软件产品经理、物联网、人工智能产品解决方案等。本科学历的从业者比较多，专业背景大多是计算机、物联网。工作经验一般是 5 年到 10 年。

算法工程师也主要分布在互联网、汽车、消费品这几个行业，主要分布城市也是北京、上海，而岗位则非常多，基本上每个企业都需要，其中图像、自动驾驶算法、机器视觉比较热门。算法工程师学历相对较高，以硕士为主，专业背景一般为计算机软件工程、AI。工作经验分布就比较广，从初级的 3 年以下到 10 年以上都有。

数据分析师在广告传媒、互联网、消费品行业分布较多，也是北上深最多，金融、商业的数据开发、数据挖掘、数据建模这些岗位非常多。学历以本科为主，专业背景里统计、数学、计算机较多。工作经验分布比较广，3 年到 10 年都有。

我们可以看到现阶段 AUGC 人才需求最大的三个行业分别是互联网、广告媒体和消费品，而下一个阶段会向金融、汽车、高端制造、医疗健康和能源领域拓展。

其中，互联网行业需要人才具备在快速演进的 AI 技术前沿持续创新和应用的能力，是以技术为导向的，所以需要机器学习、深度学习的工程师。广告媒体需要使用 AIGC 进行创意内容生成和优化，要求人才能够应用 AIGC 技术并具备文本、图片编辑经验，所以它需要 AI 的绘图师、AI 视频音乐的编辑师以及文本生成的工程师等。消费品行业要推动营销创新，用个性化营销来提升用户体验，所以需要能够应用 AIGC 产品并和消费者互动的人才，比如说虚拟人的工程师，还有智能客服、智能语音的工程师。

应对 AIGC 人才发展

从宏观角度，企业应该怎样布局顶层设计，以应对 AIGC 时代的人才发展？这里有四个维度可以思考：首先，我们要什么样的 AI 战略？我们怎样识别 AI 在企业能够产生哪些价值？我们要去看 AI 在业务流程中的哪些环节能够提供最大价值，哪些能够利用它来节省成本、提高效率，然后对这些能够使用 AI 的领域评估其 ROI。

第二，要利用好平台，既可以自建，也可以利用外部机构的能力，通过合作来寻找最佳解决方案，提升整个企业在 AI 方面的竞争能力。

第三，完善企业内部政策，比如强化对 AI 内容的监控审核、加强合规水平。

最后，人才层面，涉及企业应该怎样培训招聘 AI 人才，让员工了解 AI 的用途、风险和能力，以建立知识基准。

AI 在人才方面的应用非常广，基本上可以应用于人力资源管理全流程。从顶层设计到人才需求的规划，再到招聘选拔、员工培训、绩效管理、薪酬福利、员工管理，方方面面都能用到 AIGC。

顶层设计方面，企业有五个方向可以思考：

怎样去打造 AIGC 时代的企业文化？虽然 AI 时代来了，但文化还是要以人为本，让员工感受到他们的价值和意义；
未来企业的管理对象会有转变，不仅要管理人，还要考虑人和 AI 怎样协作的问题。这就要求我们了解 AI 的优点，但同时也要知道 AI 的局限性，更要关注怎样协调组织中人和 AI 的协作；
企业招聘也在面临转型，AI 能够为人才招聘带来全新的视角，同时也能更精准的评估人才；
员工培训也会有一些变化，未来企业会更重视员工创新的能力，关注员工怎样同 AIGC 更好地结合，从而创造新的价值；
绩效评估，相应的管理机制也会重塑，除了传统的评估之外，可能还要考虑加大 AIGC 相关的权重，看员工在 AIGC 方面的创新和贡献。

在人才供需规划预测方面，可以使用 AI 来帮助企业预测未来的人才需求，在合规前提下通过大数据、机器算法、爬虫等技术看看竞品企业在各个城市的人才布局，对人才市场有更深入的了解。

在人才的招聘选拔方面，AIGC 能够提供智能筛选和匹配，在海量数据中精准快速匹配候选人，然后通过自动化的技术、面试来评估和打分。相对应地，它也可以反过来根据候选人的一些特性推荐合适的岗位，形成双向互动。

在员工培训和发展方面，它可以为员工量身定制学习方案，减少对专业培训讲师的依赖、降低培训成本，还可以利用各种 AR、 VR 的技术来提升体验。

绩效管理方面，AIGC 可以根据企业顶层目标和员工的个人目标设定来设定绩效目标，同时能自动追踪绩效成果，自动提醒领导回顾员工的近期表现并进行绩效的考核和辅导。

现在的薪酬管理系统已经很自动化了，AI 可以自动化计算薪酬，用大数据来挖掘薪酬分布，改进激励奖励方案。

最后一块是员工关系管理，这是比较有争议的，因为 AI 可以从员工工作表现、兴趣爱好、职业规划、日常习惯出发，通过文本、视频和声音等数据来对员工建模，了解员工状态，可以及早发现问题、辅导关怀员工。

以上几个部分就是 AIGC 在人力资源的全流程能落地的应用。我今天的分享到此结束，谢谢大家。

内容推荐

大模型已经在各种领域有着广泛的应用和实践，如BI、企业生产、AIoT、编程、数据分析等场景。各个企业当前的探索为大家在落地时解决各种问题提供了重要参考。「AI前线」整理了AICon 北京 2024上大模型在不同领域的应用探索和 Agent 实践相关PPT以及资料。关注「AI前线」，回复关键词「应用探索」即可免费获取。