AGI發展也有一段時間，但為何還有很多企業與職場工作者抗拒與不願意使用呢? 來看看兩份報告資料找找原因與解法!
這一年多來，我摸索並跟隨著 AGI 的快速發展和變化。技術的迅速迭代常常讓我感到焦慮，需要學習和掌握的知識實在太多，總覺得時間不夠用。我真希望伊隆·馬斯克的腦機接口能早日上市，讓我能將大量的電子書和技術文件直接「打包下載」到數據化的腦袋裏。要不然，給腦袋多裝幾個 GPU 或 RAM 也不錯。反正像「賽博朋克」科幻片中的「改裝大腦」我早就想嘗試了！
然而，有時我回頭看看周圍的職場同事，發現好像沒幾個人有我這樣的焦慮感。我這種「紅心皇后」式的焦慮，會不會只是我自己有的現象？或許這是一種「知識焦慮」傳染病，是現代科技帶來的，其實根本不必擔心呢？
最近，我讀到兩篇報告，感覺像是處在「馬車即將被汽車取代」的交叉年代。當年那些抗拒並瞧不起汽車的新技術的馬車夫，以及隨之消失的馬匹和馬車夫，他們的命運與新興駕駛技能和汽車產業的崛起頗有相似之處。我找到了一些「企業和工作者抗拒的原因」，也提到了一些解決辦法。
讓我分享一下我的讀後心得，並整理一些推薦給朋友們的資料。
首先是日本總務省最近公佈的一份調查報告。這個以「資訊收集」著稱的民族，在前一次數位通訊科技發展落後之後，不斷努力調整自己在全球產業鏈中的角色和步調。這次，他們在機器人行業中展現了「鴨子划水」般的實力。針對國民的大調查中，我發現了「使用者不喜歡使用生成式 AI 的前三大原因」，這確實是我之前沒考慮過的盲區：
- 「我不知道該如何使用」
- 「我的生活中不需要這種工具」
- 「沒有吸引我使用的動力」
此外，我個人觀察還包括「我不認為 AGI 生成的結果能符合工作需要的品質」以及「用了會被取代工作」等受訪者不願老實回答的選項。
你也有不同的看法嗎？歡迎留言交流你對「不喜歡使用 AGI」或「不願意使用 AI 工具」的觀察和看法！
接下來，我還讀了一份由對岸火山引擎高層主管領導發表的《生成式 AI 商業落地白皮書》（點擊連結可下載完整報告）。這份白皮書介紹了自己的服務特點，並提出了很多務實的觀察和具有高度參考價值的案例資料。值得花點時間分享與前面提到的「抗拒」話題有關的內容和解決參考方向。
進一步聊本篇主題之前，你是否有和我一樣的困擾？每天都收到已經過濾過的報告檔案，保存在筆電的「待讀資料夾」裡，總想著晚點有空再讀，但真正會再次開啟這些檔案的時間卻遙遙無期？
兩個月前，我的這個困擾解決了，因為我有了一個很棒的 AI 助手！
這個由萬維鋼老師分享的 ChatGPT 客製化的全書速讀 GPTs 真的非常好用。現在，我一收到感興趣的主題資料和報告，包括學術論文和電子書，會先讓這個 GPTs 助手「辨識」一下文件內容。如果製作文件過多圖片和表格，GPTs 助手可能無法完全發揮功能，這時若主題不特別吸引我，我會將其丟到「待讀資料夾」。若 AI 理解資料沒有問題，我會評估是否需要「細讀」這份報告。
至於判斷是否需要「細讀」的根據，就是「對 GPTs 問問題」！
例如，針對《生成式 AI 商業落地白皮書》報告，我會問：「根據文件報告，企業不使用 AI 的原因有哪些？」「報告中有提到解決辦法嗎？」AI 助手會先閱讀理解後再回答。這個「伴讀書僮」的能力很強，只要原資料不是只有花俏的圖表和大量表格，大部分 GPT 都能正確理解並回答。
當我發現報告內容值得詳細閱讀後，會親自每頁瀏覽，並比較 AI 的回覆和自己的理解，看看是否一致，或者我是否缺乏某些理論和知識而理解錯誤。
有了這個 GPTs 助手，不僅閱讀資料的數量增加，資料整理和吸收程度也大大提高。
再回到本篇主題「你為何不敢用 AI」！
《生成式 AI 商業落地白皮書》報告與今天的話題直接相關，提到了「生成式 AI 落地面臨的六大挑戰」：
挑戰 1：如何評估創新價值，獲取項目資源
- 生成式AI能力邊界有待驗證
- 應用人才稀缺
- 大模型能力依賴配套
- 新技術導入需配套變革管理
挑戰 2：場景選擇難，失敗率高
- 選擇合適的落地場景
- 場景評估中遇到的問題，如大模型的選擇、新科技的短期和長期價值…
挑戰 3：AI基礎設施構建慢，如何完成快速啟動
挑戰 4：怎樣做好AI項目的落地準備工作
挑戰 5：要有規劃，也要速贏，如何快速補齊能力差距
挑戰 6：如何形成自下而上的全民創新環境
- 促進業務和科技的融合
- 營造鼓勵創新的氛圍
其中的挑戰 1、2、6 特別讓我感受到確實是企業導入 AI 運用時的難題，數位化轉型也面臨同樣的挑戰。理解到如果一家企業之前數據驅動轉型不理想，通過分析整理不理想的經驗，可以在下一次 AGI 導入時避開坑。
再分享一下透過 GPTs 助手輔助讀書的好處。原本《生成式 AI 商業落地白皮書》中的商務案例未點出導入 AGI 運用遇到的困難，但透過 GPTs 助手的強化邏輯功能，他能將報告中的隱喻困難對應到挑戰，並指出相應的解決辦法。這讓知識萃取更有效和快速。
《生成式 AI 商業落地白皮書》中還有三個環節我個人很推薦參考。針對挑戰 2「選擇場景」，以科技和商業兩個維度，分別對前期「場景評估階段」和中後期「執行落地階段」提供了導入單位需要重視的問題和項目。例如，我們公司服務的「顧問服務」項目，如何準備企業知識庫。這份報告幫助我理解到不足並需要優化的部分。
你對未來職場工作者在 AI 技能上有擔心嗎？不知道該加強哪些硬實力和軟實力嗎？
這個技能樹圖示很值得一看。五根特別粗的樹幹對「重要性」的圖示大小呈現，易於辨識。例如，我會特別加強「AI 互動產品能力」中的「自然語言交互設計 CUI」，以及「Agent 構建能力」中的「對話腳本設計」和「知識庫梳理能力」。你不必全部照顧到，選擇自己最有興趣或需要加強的部分投入精力即可。這些項目也能作為未來商務夥伴選擇的評判參考。
最後，報告還有一張以企業角度評量 AGI 導入不同階段成熟度的表格，分為四個不同等級及五大維度：人才、科技、商業、數位化應用與知識。這張表格全方位為企業導入安排各項資源和時程規劃，非常值得收藏。
如果看到這有點燃你對AGI的興趣與熱情，我特別開設一堂3小時讓你可以從AGI運用新手引導你成為入門者的課程，如果想詳細了解課程大綱可以看看我特別整理的這篇文章，當然、你也可以不用遲疑立即報名這堂課程(下面按鈕) !
[線上課程] 解鎖高效工作秘訣 OpenAI ChatGPT X Dify工作流
別再遲疑! 再不上車可就來不及了啊~
常見問題
為什麼很多企業和工作者仍然不願意使用生成式AI工具？
根據日本總務省調查與業界實踐，主要原因包括三個層面：首先是使用門檻不清楚，使用者不知道如何正確操作；其次是應用情景模糊，認為日常工作中缺少迫切需求；第三是缺乏驅動力，對AI成果品質和工作保障存有疑慮。此外，組織層面的挑戰包括應用人才稀缺、大模型能力邊界未明確驗證，以及缺乏配套的變革管理機制。
生成式AI商業落地面臨的主要困難有哪些？
報告指出六大挑戰：第一是創新價值評估困難，難以獲取專案資源；第二是場景選擇複雜，失敗風險高；第三是基礎設施建設緩慢，無法快速啟動；第四是落地準備工作不足；第五是需要兼顧規劃與快速成效；第六是缺乏自下而上的全民創新環境。這些挑戰與數位化轉型困境相似，企業應透過分析以往失敗經驗來避免重蹈覆轍。
職場工作者應該具備哪些AGI相關技能來應對未來工作變化？
根據業界技能樹圖示，應優先強化五大關鍵能力：自然語言交互設計（CUI）、對話腳本設計、知識庫整理能力、Agent構建能力，以及AI互動產品能力。職場者無需全面掌握所有技能，而應依據自身工作角色和興趣專攻最相關的領域，並將這些能力作為未來商務合作的評估標準。
企業該如何有效評估和推進生成式AI的導入成熟度？
白皮書提供了全面的企業成熟度評估框架，分為四個等級，涵蓋人才、科技、商業、數位化應用與知識五大維度。企業應根據自身所處階段，系統性安排人力資源、技術投資和時程規劃，同時在前期場景評估階段和中後期執行落地階段分別著重不同的問題與項目，最終形成從上而下和自下而上相結合的創新組織文化。