沃顿商学院独家专访：如何利用AI工具,在职场竞争中保持不可替代性

（关注公众号并设为🌟标，获取最新人工智能资讯和产品）

全文12,000 字，阅读约需 25分钟

沃顿商学院教授 Ethan Mollick 是《纽约时报》畅销书《共同智能》的作者，他通过研究集体智慧和创新，帮助个人在职业发展和创业方面找到最佳方向。他的见解结合了实践与理论，为许多人提供了实际的指导。

Mollick认为，当前的人工智能系统展现出令人惊叹的创造力和智慧。它们不仅聪明，还常常表现出幽默和魅力。对于初次接触这些系统的人来说，它们的表现往往令人惊讶。然而，一旦习惯了，这种表现就成为了人们的预期。特别值得注意的是，这些AI系统在各种主题上展现出的"知识深度"令人印象深刻，尽管这种"知识"需要打上引号。

在组织层面，Mollick提出了两个关键观点。首先，即使是人工智能专家也仍在不断学习AI的优缺点。其次，在某些情况下，AI实际上可能会让人们的表现变得更糟。面对这种情况，Mollick建议将人力资源部门重新定位为新型研发部门。就像传统的研发团队一样，HR部门也需要思考员工如何进行实验和使用这些工具。Mollick强调，简单地禁止使用AI是无效的。他举例说，他曾与一家大银行的负责人交谈，这位负责人禁止员工使用ChatGPT，但自己却用ChatGPT在手机上起草了这份禁令。这种矛盾的做法突显了当前政策与实际需求之间的脱节。事实上，如果政策过于严格，员工仍会使用AI，只是不会告知管理层。

关于AI对工作表现的影响，Mollick提出了四种可能的情景：当前观察到的效果就是最终效果；所有人都提升到AI的水平；AI提升了所有人的表现，包括顶尖表现者；或者顶尖表现者因为更好地利用AI而获得超级强化。目前，我们还不确定哪种情况会成为主流。

文稿整理

旁白： HR（人力招聘部门）现在就像研发一样。像研发部门那样，HR也需要从传统的研发团队中分离出来，去思考人们如何进行实验和使用这些技术。我与一些成功的组织进行了交流，他们都是在分享、学习并激励这种行为。否则，现在每个组织内部都会充斥着秘密的“半机器人”员工。

主持人Clara Shih： 欢迎来到《Ask More of AI》播客，这是一个探讨人工智能与商业交汇点的节目。我是Clara Shih，Salesforce AI的CEO，今天我将与沃顿商学院的管理与创业学教授Ethan Mollick展开一场对话。

Ethan Mollick： 谢谢你邀请我参加这个节目。

1、人工智能发展历程

Clara Shih： 你已经在沃顿商学院任教15年了。在此之前，你在哈佛大学完成了本科教育，并在麻省理工学院获得了博士学位。在那时你就知道自己想要研究科学、技术与社会的关系。能否谈谈你是如何走上这条道路的，以及你是如何对人工智能产生兴趣的？

Ethan Mollick： 当然可以。其实我一直都是一个技术爱好者。我知道这听起来不太令人惊讶，看看我身后的书架就知道了。我长期以来对技术、它的意义、它的发展历史都非常感兴趣。在本科毕业后，我联合创办了一家初创公司，我们发明了付费墙，我至今对此仍感到有些愧疚，所以一直在努力为社会偿还这一债务。我的合伙人非常出色，而我则犯了所有可能的错误，于是我决定去攻读MBA和博士学位，以便更好地理解创业。从那时起，我就一直在研究和从事创业方面的工作。同时，我还在麻省理工学院媒体实验室的人工智能小组工作过，与马文·明斯基等人工智能的奠基者合作，思考如何利用人工智能游戏和其他工具大规模地教授创业等内容。因此，当人工智能实际应用开始普及时，我已经在商业和培训环境中使用这些系统了，而那些开发这些软件的计算机科学家可能还没有真正想到这些应用。

Clara Shih：： 太棒了，我也是一名前创业者，现在正试图在Salesforce中注入更多的创业精神。你最近出版了一本新书，我手头就有一本，叫做《共同智能》，这本书在网上引起了很大的反响。我知道Salesforce内部以及我们的一些客户中，很多人都读了这本书，它也登上了《纽约时报》的畅销书榜。能否告诉大家这本书的核心论点是什么？

Ethan Mollick： 有趣的是，作为作者，有时候读者从书中得到的东西与我原本的意图有所不同。我们现在正处于一个与我们互动的技术变得越来越像人的阶段。所以我试图记录这一点，描述我们所处的现状以及它可能对我们实际工作产生的影响。在这个过程中，很多读者喜欢的一点是，我在书中多次使用了人工智能，结果它反而成了一种灵感来源，这并不是我最初的意图，但这是一个有趣的副作用。

Clara Shih： 我非常喜欢这本书，我发现有趣的一点是，你选择将人工智能拟人化。这种做法有利有弊，能不能谈谈你所说的“新物种”？你能描述一下你在这里的意思吗？

Ethan Mollick： 我是把它当作一种“罪过”来谈论的，因为大家总是说不能把人工智能拟人化。你不能把它当作一个人来看待，因为它不是一个人。这绝对是正确的。然而，这个系统的训练数据包括了我们人类所写的所有内容、大量的对话以及不知道还有什么的YouTube视频。因此，它的训练结果非常人性化。所以，要想让它做某些事情，就必须以一种非常人性化的方式来操作。你可以尽量不去拟人化它，但最终你还是会这样做，因为这是不可避免的，而且这是让它发挥作用的唯一途径。当然，你仍然需要记住它是一台机器，而不是一个人，但这种做法是有价值的。

Clara Shih： 说到别人如何描述人工智能，我听到的最常见的比喻之一是，它类似于工业革命或互联网的诞生。你怎么看这些类比？你认为它们有建设性吗？为什么？

Ethan Mollick： 我认为将人工智能与其他事物进行类比是有好处的，对吧？人们常常用电影来类比，总是《终结者》或者《她》，因为这些是大家都熟悉的电影，对吧？但我认为，工业革命的类比很有趣，但我们需要直接思考这些事物是什么。我们还处于早期阶段，我们不知道它是否会对社会产生同样巨大的颠覆性影响。它很可能会，但我们还不知道。但我喜欢的一个工业革命的例子是，蒸汽机的发明本身并不是工业革命的原因，而是那些公司和制造业中成千上万的熟练工匠，他们找到了如何利用蒸汽机的动力推动活塞来回运动的方法。如何将这种动力转化为实际有用的工作，比如在纺织厂、啤酒厂或金属配件制造商中应用。这是我真正喜欢的类比，因为它涉及到我们如何将这种技术应用于我们的实际场景。因此，很难将其与某一特定技术联系起来。它似乎是一种通用技术，这种罕见的技术改变了我们所做的一切。

2、人工智能与学校教育

Clara Shih： 虽然人工智能是一项通用技术,但要发挥其真正潜力,还需要各行各业的专家来运用和激活。专业人才的价值不可替代,而人工智能恰恰蕴含了大量专业知识。它知道很多东西，但很难判断它何时在告诉你真相，何时在撒谎，何时在犯错误。我知道一些教育工作者担心，由于ChatGPT，学生可能不会像以前那样认真学习。在你宾大的课程中，你实际上鼓励学生使用人工智能。能否告诉我们你是如何做到的，以及教育工作者应该如何看待这件事？

Ethan Mollick： 首先，教育工作者的担忧是正确的。我们有一些早期的随机对照试验表明，至少在一些小型实验中，如果人们只是使用ChatGPT来完成工作，让人工智能替他们做工作，他们什么都学不到，对吧？所以我们必须意识到，不能简单地认为人工智能会神奇地改变我们的工作方式。我们尝试提出两种使用人工智能的方式。一种是禁止它，对吧？就像我们解决数学问题一样，回到传统的考试形式，计算器解决了很多问题。那么我们怎么办？很多工作不是基于计算器的，你必须运用自己的知识，在教室里完成数学考试。但你也可以通过人工智能来改造教育，这就是我在我的课程中所做的。课程内容包括使用人工智能导师、人工智能模拟器、人工智能服务，作为团队中的代理人或成员之一。他们必须在某种情况下让人工智能为他们实际工作。所以还有很多改造的选项。

Clara Shih： 通过这样做，你学到了什么？

Ethan Mollick： 我学到了一些东西。在人工智能的宏观未来中，我给他们布置的一个作业是取代自己在工作中的角色。所以当他们去面试时，他们是MBA学生，只需要说“我的工作已经完成了”，然后把ChatGPT推到前面，说“现在给我加薪吧”。我想知道会发生什么，结果他们真的做得很好。我有海军飞行员，有嘻哈推广人，还有很多私募股权投资者，因为这是沃顿商学院的学生。他们都找到了一些方法来自动化自己的工作。自从课程结束后，他们创建的一些GPT模型已经被其他人使用了数万次来自动化他们的工作。所以我学到的是真正有能力的人，只要花点时间，就能很好地使用这些工具。我们也知道它有优缺点。人工智能在某些方面对教育非常具有变革性，但它还需要改进。它并不是那种一出场就具备颠覆性的工具。

Clara Shih： 有哪些人工智能在其中表现出色的应用场景令你感到惊讶？

Ethan Mollick： 从宏观角度来看，人工智能的创造力和聪明才智令我印象深刻。它非常聪明，经常表现出幽默和魅力。当你不熟悉这些系统时，它们的表现会让你感到惊讶。但一旦你习惯了它们，这就成为了你对它们表现的预期。但最初，确实令人惊讶。我对人工智能系统所掌握的大量主题的“知识深度”感到惊讶，当然所有这些“知识深度”都需要加引号。

Clara Shih： 你提到过，第一代企业SaaS存在一些不足之处。你能分享一下你的看法吗？现在企业领导者和技术领导者应该做些什么来准备？

Ethan Mollick： 我不想在一个企业SaaS播客上太过争议性，但我认为有几个危险。其一是，在过去几十年中，随着SaaS技术的进步，企业将越来越多的研发工作外包给软件供应商。因此，软件供应商解决了所有问题并提供了最终的打包软件，虽然不完全是“现成的”产品，但仍然需要定制化。这意味着他们并没有从研发的角度去思考，对吧？他们只是等着供应商卖给他们一些东西。在人工智能的世界里，没有人真正知道发生了什么，对吧？所以这意味着如果想从人工智能中获得优势，你必须在你的组织内部进行实验。另一个让我有点担心的问题是，那些想要销售打包软件的人有动机让人工智能变得非常安全。我担心人们对人工智能过于放手，把它视为一个IT问题，而不是一个组织问题。

Clara Shih： 我认为这些都是合理的观点。我很想讨论这些问题。我认为有一些争议和刺激是好的。首先，使用企业SaaS现成的解决方案，我认为这非常类似于你之前提到的学生们只使用ChatGPT的现成答案，对吧？这样做没有任何差异化。你过度依赖这些工具，而没有为你的业务找到一个战略护城河。相反，你应该思考，我到底想要实现什么目标，我可以使用哪些工具来帮助我加速或降低实现这些目标的成本？在这方面引入更多独特性和批判性思维，思考如何部署人工智能或企业任务。

Ethan Mollick： 我同意你的看法。我认为让人们以这种方式思考是很困难的。比如，你不能在没有投入足够时间的情况下知道这个系统对某些事情是好是坏。你必须花时间去理解它的优缺点，并且开始与它一起工作。否则，你就会陷入这样的困境：“我想更好地完成我的工作。”那么，这到底意味着什么？人工智能的优点和缺点是什么？你是否尝试过用它来完成工作？当我与公司交流时，我总是惊讶于实际接触这些系统的人是如此之少。即使是我在书中提到的最低标准的10小时，实际上也很少有人花费那么多时间使用它们。

Clara Shih： 是的，我认为你是对的，我认为这也与第二个观点有关，即有一点恐惧心理。很有趣的是，用你另一个类比来解释，有些人害怕的东西并不是他们真正需要担心的，而那些实际需要关注的才是正当的，对吧？确保数据安全、数据隐私，这些保护措施是非常重要的。我同意你的看法，你不想过于保守，以至于限制并削弱了模型的最强大功能。但这些问题确实存在，坦白说，这也是我们业务的一部分，我们在这方面与客户取得了一些很大的成功。

Ethan Mollick： 这很好，但我认为这些保护措施有时会成为一种借口。首先，有几件事需要担心。其一是，安全和隐私问题确实存在，但它们也是可以解决的。所以，如果他们愿意解决，这些问题是可以解决的。我看到很多组织由于一些不成熟的隐私问题担忧而不开始行动。其实人工智能只是一个云应用，它不是一个神奇的实体在监视你。我觉得人们没有意识到，我遇到的安全问题和其他云应用程序没有什么不同。我需要与一个值得信赖的供应商合作，他们必须承诺不窃取我的数据，而我必须相信他们不会这样做。人工智能并没有超出其他软件问题之外的额外问题。它只是一个运行在文本上的软件进程，而不是一个神奇的东西。

Clara Shih： 我大部分同意你的观点，而且这里有很多与互联网网络安全的相似之处，对吧？仅仅因为存在网络安全风险，并不意味着你就不使用任何云应用程序或电子邮件。但我确实认为，人工智能与传统软件相比，有一个新鲜的不同之处，那就是它的非确定性。比如，你对一个大语言模型连续三次提出同样的问题，它会给你三种不同的答案。所以我认为这也许是你把它看作人类的类比更有帮助的地方，因为人类也是这样。人工智能作为一个软件产品确实表现得很糟糕。软件产品不应该每次都做出不同的事情。但当你把它当作一个人来对待时，你会发现一些应用场景。因为人类在每次操作时也是在从一组能力中抽取，有时好，有时坏。所以我担心的是，当我们与人工智能的距离太远时，我们会把它当作软件来信任，而不是当作一个人工智能系统，这两者是非常不同的。那么，我们该如何教育全世界认识到这一点呢？关于这个问题，我认为你提到的两个观点非常重要。其一是，即使是人工智能专家也仍在学习人工智能的优缺点。第二个观点，我不得不反复阅读几遍，那就是人工智能实际上在某些情况下让人们的表现变得更糟。那么我们该怎么做呢？

Ethan Mollick：  我认为，我们需要找出解决办法。我是认真的。现在，HR就是研发。就像研发部门一样，HR也必须从传统的研发团队中分离出来，去思考人们是如何进行实验和使用这些工具的。我与一些成功的组织交流，他们都是在分享、学习并激励这种行为。否则，每个组织现在都充斥着“秘密的半机器人”员工。每个人都在用手机自动化他们的工作，但却没有告诉你。我曾与一家大银行的负责人交谈，她禁止员工使用ChatGPT，而她本人却用ChatGPT在手机上写了这份禁令，对吧？为什么她不会这么做呢？所以，如果你的激励结构不对，禁止使用人工智能是没有用的。这些模型是完全开发的，没有办法阻止人们使用这些系统，它们为你完成工作。因此，问题是你是否在利用这一点，以及你如何分享这些成果？你如何激励人们分享这些成果？为什么他们不愿意告诉你？如果你的政策过于严格，并且以惩罚为主，人们仍然会使用人工智能，只是不会告诉你。

3、人工智能和企业架构重塑

Clara Shih： 我非常喜欢你之前提到的HR部门需要真正把自己视为研发部门的观点。现在，我知道你与许多不同的公司进行了交流，并与很多公司合作。对于一家典型的财富1000强公司，基于你所见的模式匹配，如果你负责HR，你会做出哪些改变？你会怎么做？

Ethan Mollick： 我认为我们需要重新思考一些问题。首先，这项技术是革命性的，但我们需要改变组织结构，对吧？这不仅仅是“我是否要在矩阵组织和个体化组织之间切换”这样的问题，而是更深层次的问题，即我们在这种环境下如何组织工作。其次，我认为很多HR部门，尤其是学习与发展（L&D）部门，还没有习惯于站在创新的前沿，思考如何激励员工。我们需要重新思考如何为人们创造激励机制，如何将创新能力作为KPI来衡量，而不仅仅是绩效和生产力。这些改变都不容易。此外，最大的挑战是L&D部门，这将决定你公司的未来。美国的大部分工作，尤其是在你们公司支持的那类组织中的工作，都是基于学徒制的。我在一所顶尖商学院教书，我把学生培训得很好，但我并没有训练他们在Salesforce工作。我训练他们成为通才产品经理。他们来到Salesforce（实际上我有不少学生都去了Salesforce），然后通过实践学习。但AI在大多数情况下已经是比一、二年级学生更好的实习生了，而且它们不会伤心，没有情绪，也不会迟到。所以，我认为真正的问题不仅仅在于HR，还在于L&D职能部门。我们如何取代支撑美国工作的非正式学徒制？

Clara Shih： 你会如何激励员工呢？

Ethan Mollick： 我认为你需要考虑几件事。首先是如何消除恐惧。如果问题是：“嘿，你可能因为使用不当而被解雇。” 那么什么是“不当”呢？嘿，我们不会告诉你。这在组织中是很常见的，对吧？没有人会告诉你。如果人们认为他们会因为使用AI而受到惩罚，因为你可能会解雇他们或者他们的同事，因为你发现你不需要那么多人来完成工作，那么他们永远不会向你展示他们能做什么。顺便说一下，在过去的20年里，IT的标准观点是IT是一种成本节约的工具，对吧？大家都在说的KPI是30%的成本节约，虽然从未真正实现过，但所有人都在朝这个方向努力。30%的成本节约。大家都知道，这意味着裁员。那么为什么有人会向你展示他们提高了效率，如果他们认为这会导致整个公司的人因为提高了效率而被解雇？也许他们不会因此得到奖励，也许他们担心你会给他们分配更多的工作。所以你需要思考如何消除这种恐惧，如何使这一过程变得合作化，以及如何激励或奖励那些提出好主意的人。

我见过最极端的一个例子，虽然我不建议这样做，是一家软件公司，CEO在一年半前给每个人提供了GPT-4的访问权限，并表示使用它非常重要。然后在月底解雇了那些没有花两小时使用GPT-4的人，同时每周向那些最成功地使用AI并分享经验的人发放大量现金奖励。我不认为你需要走得那么极端，但确实有一种紧迫感，我非常担心企业没有认真对待这个问题。如果你的公司在获得收益时，唯一做的事情就是裁员，那么从长远来看，我认为你注定会失败。想想工业革命吧，当你的本地酿酒厂获得了蒸汽动力后，那些决定裁员并以更高的利润率生产相同数量啤酒的公司，最终会被像吉尼斯啤酒厂这样雇佣十万人并在全球扩展生产的公司淘汰掉。所以，我非常担心公司从一开始就存在的这种心态问题。

Clara Shih： 我觉得这是非常好的建议。不要找借口，不要把风险作为不做任何事情的借口。消除恐惧因素，并激励人们去学习。这是非常实用的建议。我觉得你这本书非常平衡和务实，其中一个让我印象深刻的观点是，尽管行业内对通用人工智能（AGI）有很多讨论，而且定义各不相同，你提出的一个非常务实的替代方案是“最佳可用人类标准”。能和我们谈谈这个观点吗？

Ethan Mollick： 对，人工智能是有缺陷的，但它在很多方面也表现得相当不错。那么我们应该使用什么样的标准来评判它的好坏呢？我心中的标准是：在你能接触到的人中，它是否比最优秀的人更能解决问题？这意味着，如果你在美国，我认为人工智能在辅导方面已经开始显现出良好的迹象，但还没有完全到位。所以你可能不想用它作为辅导工具，也可能会使用它。如果你无法获得一个好的辅导老师、好的医生，或者好的商业建议，那么你可能应该转向人工智能。比如，在肯尼亚，企业家们仅仅通过从GPT-4获取建议，而不是帮助，就已经提高了18%的盈利能力。这就是“最佳可用人类标准”的例子。所以你应该考虑这种情况。

Clara Shih： 每个人都可以有一个导师，每个人都可以有一个教练，每个人都可以有一个超级助手。

Ethan Mollick： 对，所以问题是，这是否对你来说足够好？在某些情况下，答案可能是否定的，但你必须试过才能知道。

Clara Shih： 现在可能答案是否定的，但人工智能正在不断进步。

Ethan Mollick： 这是一个重要的观点。我认为自从写完这本书后，我更加相信这种指数级的进步会继续下去。这不仅仅是因为与各大人工智能实验室的对话，还因为他们所发布和公开发表的内容。一年前，你可能还不清楚这种进步会持续多久，现在人们觉得即将发布的下一个模型会更加疯狂。所以我认为我们必须为一个快速变化的世界做好准备，而我认为很多人还没有为此做好准备。

4、人工智能与人合作

Clara Shih：   你在书中提到的另一个见解是，你与波士顿咨询公司（BCG）合作的研究表明，人工智能加上人类的表现优于单纯的人类表现。而这种影响在中等和较低表现者中最为明显。你能谈谈这个问题吗？未来还会有顶尖表现者吗？

Ethan Mollick： 人工智能的早期效果是一种“平衡效应”，但这种平衡效应主要来自于人工智能本身已经表现得非常出色。所以你实际上看到的是人工智能在为人们工作，这就是为什么我们看到80百分位的表现，因为它为人们提供了80百分位的工作结果。我们在各个领域都看到了这一点。糟糕的写作者变成了好写作者，为什么？不是因为人工智能补充了他们的知识，而是因为它本身就是一个优秀的写作者。它本身就是一个优秀的律师，这就是“最佳可用人类标准”。

Clara Shih： 那这对优秀的写作者意味着什么呢？

Ethan Mollick： 这就是问题所在，对吧？我们实际上有四种可能的情景。一种是我们目前观察到的效果就是最终的效果。另一种是，大家都提升到人工智能的水平，因为人工智能在做工作。这有一定的影响。第二种可能性是，事实证明它确实提升了所有人，只是顶尖的表现者还没有找到使用它的方法。所以大家的表现都提升了，比如10倍的表现提升。另一种可能性是，顶尖的表现者实际上得到了超级强化。比如，如果你是顶尖表现者，我在一些案例中看到了这种现象，但我们还没有数据来证明这一点。你可能会因为懂得如何使用这个系统而获得更大的提升，这样你就成了超级明星。第四种可能性是，有些人能够更好地使用这些系统，他们将获得所有的绩效提升。我们还不知道是哪种情况。我们目前只看到了平衡效应，但其他效果也可能是真实存在的。

Clara Shih： 你的直觉是什么？

Ethan Mollick： 我的直觉是我们会看到每个人的表现都会提升。有些人会非常擅长使用这些系统，直到这些系统自身变得足够强大。我是说，我们现在有点像在赛跑，对吧？我可以教你如何优化提示词，我教这些东西，但像AI代理正在到来，很多提示词的使用将变得不那么重要。这一切都在同时发生。

Clara Shih： 除了你的课堂之外，你是否看到其他公司或学术机构在围绕AI重塑课程和教育方法方面做得很好？

Ethan Mollick： 我看到很多人在做这些事情。比如加州大学圣克鲁斯分校的历史教授Benjamin Breen，他利用AI创建教学工具。他教授历史，所以他在构建像瘟疫模拟器这样的工具，让学生在其中穿越大瘟疫的时代，以一种非常有趣的方式了解历史。我觉得Sal Khan在他的Khan Migo项目中作为早期辅导工具做了一些很酷的事情。到处都有实验。每次我做演讲时，高中老师们都会过来告诉我，他们找到了用一种新方法教化学的办法。所以，我认为现在有很多实验正在进行中。我认为还没有人完全掌握这一切，因为我们还不知道这一切将走向何方。我们还在学习如何运作。

Clara Shih： 没错，而且我们永远无法完全掌握，因为它在不断变化。

Ethan Mollick： 是的，直到它达到一个稳定期，对，没错。

Clara Shih： 你认为它会达到稳定期吗？

Ethan Mollick： 所有技术最终都会达到稳定期，但人们往往忽略的是，所有技术都遵循S曲线，对吧？通常，它们开始时进展缓慢，然后迅速起飞，最终达到稳定期。我们不知道什么时候会发生这种情况。可能是某些AI方法走到了尽头，比如LLM（大语言模型）走到了尽头，然后它们被“Mamba”或其他某种基础方法取代。作为最终用户，谁在乎呢？我的模型每年都变得更强大。所以技术会达到平台期，但我们还不清楚我们在哪些指标上达到了平台期。

Clara Shih： 完全同意，有时候技术还会叠加在一起，解锁更高的S曲线。比如当你想到将LLM与量子计算或元宇宙等结合时。

Ethan Mollick： 是的，我们不知道这些事情会如何发展。我是说，人们倾向于将这一切视为相互关联的。我不知道它们是否会真的关联在一起。

5、人工智能使用场景

Clara Shih： 发现这一切将会很有趣。你提到让学生们自动化他们的工作，或者想象如何自动化他们的工作。你自己也做过类似的事情。能谈谈哪些使用场景最令你兴奋，以及它们如何改变了你的日常生活吗？

Ethan Mollick： 对我来说，人工智能最有用的地方是它像一个“瑞士军刀”一样可以处理各种智力任务。很多事情一旦你开始使用人工智能就会变得更加有用。同时，还有很多以前让人烦恼的小任务，比如把这两个数据集合并，一个使用名字和姓氏，另一个使用昵称，搞清楚它们，它会帮你完成这些任务。把所有的大小写和换行符修正，让一切看起来很整齐。所以，日常生活中有成千上万的小应用场景，而不是一个大的应用场景来自动化我的工作。与此同时，我们在我与人共同主持的沃顿生成式AI实验室里正在构建一些相当复杂的AI工具，希望能够通过多代理模型来改变教学，一个AI作为模拟器，另一个AI观察并提供反馈，模拟器保持任务进展，并通知教师整个班级中缺少什么内容，并给出一些教学建议。我们正在构建更复杂的东西。但在日常生活中，“瑞士军刀”的功能真的非常强大。

Clara Shih： 我听到过不少人谈论过一些类似的使用场景，但你是第一个我听到的人，通过寻找不同类型的视角来使你的写作更具吸引力，更符合更广泛受众的需求。你是如何选择这些角色的？

Ethan Mollick： 有几种方法。首先，使用你那10个小时的时间，你就会了解模型本身的角色。其次，有大量研究表明，如果你给模型赋予一个角色，并要求它进行诸如支付意愿之类的任务，并进行联合分析，你实际上可以得到准确的支付意愿。实际上，关于这种理论的建模有一些真实的研究支持。因此，我为不同的角色设定了不同的时间。有些是营销角色，比如为一个对人工智能不太了解的用户，或者一个精通技术的用户提供反馈。但我也创建了一些有趣的角色，我在书中也使用了这些角色，它们可以让我在没有想到的地方找到一些联系，或者确保我对自己的行为表达得非常清楚。所以我发现，让不同的人阅读同一份文件，就像让不同的人类编辑一样，将AI放在不同的思维空间中，往往会产生非常不同的答案。

Clara Shih： 那么，公司有什么动力去投资于这些实习生，除非他们能从这些初级员工那里获得长期承诺呢？

Ethan Mollick： 否则你的“人才管道”就会枯竭。这一直是个问题。人力资本与物质资本不同，因为它可以随时离开公司并带走它的知识。所以这不是问题所在。这是一个老问题，你花了很多钱去培训员工。我们习惯了缓慢的变化，但现在发生的事情不是这样。我与风险投资家交谈时，发现初创公司中的趋势是他们永远不会增长到30人以上，因为他们不需要，因为他们正在构建AI工具来完成工作。你的组织优势在于其规模和知识。我不仅仅是在对你说话，这也是对所有观看此节目的人说的，规模和知识是关键。如果你不尽快找到利用这些优势的方法，我可以保证其他人正在寻找颠覆你业务的方法。顺便说一句，世界上最好的AI模型？我们习惯了大公司才能获得这些东西。但现在没有比GPT-4o和类似模型更好的模型了，而且它们在全球169个国家免费向所有人开放。当你去高盛时，他们的AI模型还不如你在其他地方获得的。当你去美国国家安全局时，他们的模型还不如莫桑比克的孩子能接触到的。所以，竞争会来自世界各地，而且速度会很快。

Clara Shih：所以没有借口。人们现在就需要亲自动手，开始试验并部署这些技术。你说得对，现在很多事情已经可以做了。那么你觉得谁做得最好？

Ethan Mollick： 我想到的是Moderna公司。Moderna一直公开谈论他们如何处理这些问题，我也从其他药物开发公司听说他们正在内部使用几十种GPT来处理工作。我听说过一些可信的故事，大多数人还没有公开谈论这些。摩根大通也提到他们实际上为每位高管配备了一个AI影子，负责找出AI可以做哪些工作并自动化这些部分。所以，那些从上而下接受AI的公司是取得最大成功的公司。

Clara Shih： 我认为你这个观点非常好，也就是说有很多讨论，有很多理论，但实际动手实践的还不够。我想回到你的成长经历，你提到你是个极客，我也是。你在哪里长大的？有没有哪个时刻让你对科技产生了浓厚的兴趣？

Ethan Mollick： 我是说，我在威斯康星州的密尔沃基长大。我一直是个爱捣鼓东西的人，对吧？我的祖父是一名工程师。在父亲和祖父的帮助下，我们在地下室建了一个全息摄影工作室，所以我在那里制作全息图。我有早期的1980年代的电脑，试图弄明白如何让它们工作。但我从来不是一个程序员，对吧？我从来没有做过那种工作。我总是通过玩耍来学习。我做了很多与游戏有关的事情，所以从某种意义上说，AI是终极玩具，你只需用它来完成任务。玩耍的态度是有帮助的。Allie Miller非常聪明，她是一名独立的AI顾问，之前在亚马逊工作。她谈到她每天早上在做头发时都会与AI对话，这给了她很多灵感。我还与哈佛的一位量子物理学家交谈过，他说他所有最好的想法都来自于与AI的对话。我问他：“它在量子物理学方面表现好吗？”他说：“不，不，它帮不了我，但它通过提问帮助我思考。”所以这就是我一直在这个领域进行的“优秀”的一部分。

Clara Shih： 很多人都在洗澡时获得了他们最好的创意，也许现在他们可以在洗澡前或洗澡后通过与AI对话来提升这些创意。

Ethan Mollick： 顺便说一下，确实有一篇研究论文指出，30%的好主意是工作之外，比如洗澡时产生的。

Clara Shih：： 好吧，那就不只是我一个人了。

Ethan Mollick： 是的，不只是你。

Clara Shih： 这是一个真实的现象，好吧。你知道，随着我们展望未来，变化如此之快，做预测风险很大，但我还是想听听你的想法，你觉得我们将走向何方？一年后我们会在哪里？五年后呢？在这个时间框架内，鉴于竞争环境，你认为公司结构和组织会发生变革吗？

Ethan Mollick： 组织变革是缓慢的，人类系统的变化也是缓慢的。所以我认为这项技术的发展速度会比涉及的人类系统快得多。我不知道它会走向何方。我认为每个人都需要以场景的方式思考。我们在谈论AGI（通用人工智能），即比人类在所有任务上都更强的机器。所以我认为我们需要认真对待这一点，它可能是可以实现的。我们也应该认真对待技术可能达到顶峰的想法。我们还应该认真对待持续线性和指数增长的可能性。公司应该为多个世界做好规划。我实际上创建了一个GPT，可以为你免费进行场景规划，所以你不必花费昂贵的顾问费。它会为你完成所有的场景规划工作。但我们处在一个需要考虑各种可能性的世界。实现AGI并非不可能。我不知道它是否真的可能，但我认为我们不应该假装它不存在。

Clara Shih： 让我们深入探讨这个场景。如果真的发生了，那对企业和社会意味着什么？

Ethan Mollick： 首先，我认为计算能力仍然是有限的。好吧，让我们谈谈AGI。我们不知道AGI的确切含义，也不知道它是否真的会如一些人担心的那样，立即导致机器超越人类。有人担心AGI会立即导致比人类更聪明的机器，这种机器可以构建比自己更聪明的机器，从而导致所谓的“超级智能失控”，一夜之间产生一个“机器神”。这就是当人们谈论这些潜在的危险时所担心的场景之一。我们不知道这些事情是否可能发生，也不知道接下来会发生什么。所以我很难为你在这个世界中做出规划。但我认为我们需要思考的是，如果AI系统在你的领域中变得非常聪明，你该怎么办？比如Sam Altman曾谈到，如果它们比今天聪明一千倍，你该怎么办？我认为这很难想象。但如果你是一个法律团队，现在你花费多少精力在检查你的流程中有哪些部分可以由AI完成？如果这些部分变得更好，你又该怎么办？我认为我们需要以这种方式思考。

Clara Shih： 在这一集中，我们讨论了很多内容。你会给所有听众或观众留下什么建议呢？

Ethan Mollick： 我的建议是，开始用AI做一切事情，对吧？你需要使用AI来完成你所做的每一件事，这样你才能发现它的优点和缺点。人们花10个小时的使用时间来做这些事情真是令人惊叹。你每月花20美元就能获得Claude、GPT-4.0或Llama 3.1的访问权限，这其实并不重要。只要开始使用它们吧，使用它来做任何你在道德和法律上可以做的事情。这就是你了解这个东西能做什么和不能做什么的方法。

Clara Shih： 我认为这是真正明智且可操作的建议——只要开始。无论是作为个人还是公司领导，都应该开始。开始举办黑客松，奖励正确的行为，消除恐惧因素，重新发明HR，我们将共同应对未来。

Ethan Mollick： 我们必须共同应对。我们有主动权，我们可以决定未来的样子，我们不应该忽视我们对未来的控制。我们需要展示人类繁荣的未来。我真的很担心人们将这一切视为一种成本节约的机制。我认为这对人类和仅仅将其作为一种方法的公司都是有害的。这不是工业革命的意义所在，这也不应该是这场革命的意义。

Clara Shih： 我完全同意。通过想象积极的结果，我们可以朝着这些目标努力。

Ethan Mollick： 绝对是这样的。

Clara Shih： 感谢Mollick教授，感谢你参与这次对话。

Ethan Mollick： 谢谢你的邀请。

Clara Shih： 这真是一次令人着迷的对话。我有三个主要的收获。第一，我们不能把信任和风险作为借口。我们必须开始学习和实验，并鼓励所有员工也这样做。第二，今天许多由风险投资资助的初创公司，他们不打算雇佣超过几十个人，因为他们设想了一个人类员工和数字员工共同工作的世界。第三，HR是新的研发部门。它需要处于公司研究、开发、创新和实验的最前沿，才能在这个勇敢的新世界中取得成功。

原视频链接：https://www.youtube.com/watch?v=Z4TiqGR49fw&t=1491s

素材来源官方媒体/网络新闻

---

对了，喜欢就别忘了点赞、收藏、转发支持一下！期待在评论区听到你的观点和看法!

往期回顾

---

我们旨在将先进科技与创新想法完美融合!

想要掌握人工智能，但不知从何开始？告诉我们你的需求，学习AI让你抓住这波浪潮

告别昂贵服务和缺人烦恼,再见漫长交付周期

无限创意,分分钟生成专业级产品

感受 AI 带来的全新工作体验！

欢迎各大品牌方、媒体、企业和个人等

请联系负责人微信：Milo-1101

--END--

未经许可不得转载，务必保留公众号原文链接和公众号按钮