详细内容或原文请订阅后点击阅览
人工智能就绪的劳动力：为什么人工智能访问还不够
接触人工智能并不等于准备好使用它。本文阐述了人工智能就绪的劳动力实际需要什么：任务级判断、验证技能、准备充分的管理者和特定于角色的实践，以及可扩展到数十个工作类别的学习架构。这篇文章首先发表在电子学习行业上。
来源:eLearning行业 | 在线教育博客您的团队拥有 AI 访问权限，但这并不意味着他们已做好 AI 准备
员工首次打开公司新的AI助手。他们被告知这将节省他们的时间、改进他们的工作并帮助业务更快地发展。然后他们看着一个空盒子。
他们应该问什么问题呢？哪些信息可以安全粘贴？他们应该相信多少答案？使用它是否看起来像是主动行动，或者他们自己无法完成这项工作？如果输出结果是错误的，那是谁的问题呢？
没有人会在推出工具时认为那一刻会是最困难的部分。通常是这样。之前的一切——采购、安全审查、集成、启动电子邮件——都是一个实施里程碑。之后发生的是劳动力能力。两者都得到规划和资助，就好像它们是同一件事一样。
我们还需要创作工具吗？人工智能如何重塑企业学习
随着人工智能改变学习内容的创建方式，传统的创作工具仍然是正确的选择吗？参加本次网络研讨会，探索人工智能如何重塑课程开发，以及在投资下一个学习技术之前应考虑哪些因素。
“AI-Ready”的实际含义
人工智能就绪的劳动力队伍并不是每个人都成为专家或将人工智能用于所有事情。人们可以在这里做出明智的判断，了解人工智能在他们的工作中属于什么，不属于什么。
在实践中，可以归结为四件事。员工可以确定人工智能真正适合自己工作的哪些部分，不适合哪些部分。它们可以为模型提供足够的上下文来生成有用的东西而不是通用的东西。他们可以判断输出何时错误。他们知道组织设定的界限：哪些数据可以输入，哪些数据必须披露，以及哪些决定由人决定，无论草案看起来有多好。
无人安排时间学习的技能
从工作开始，而不是从课程开始
另一种选择是从工作而不是技术开始。