详细内容或原文请订阅后点击阅览
人工智能正在暴露能力问题，而不仅仅是技术转变
人工智能暴露了一个关键差距：访问和支持不是能力。组织必须重新思考如何构建、支持和衡量绩效，以避免规模不一致。这篇文章首先发表在电子学习行业上。
来源:eLearning行业 | 在线教育博客人工智能正在暴露能力问题
大多数组织表示他们正在努力为人工智能做好准备。在实践中，许多人正在做一些范围更窄的事情。他们为人们提供工具、提供介绍性课程并鼓励实验。这可能会创造活动。它不一定能创造能力。这就是重要的区别。人工智能不仅仅是将新工具引入工作场所。它揭示了组织是否了解在实际条件下如何实际构建、支持和应用能力。但在很多情况下，他们并没有这样做。这就是为什么目前这么多的回应感觉不完整。领导人感受到了紧迫感。员工们正在尝试。学习团队面临着迅速采取行动的压力。然而，推出的大部分内容仍然依赖于关于性能如何真正提高的不稳定假设。
许多组织正在犯的错误
一种常见的模式正在出现。新的压力出现。人工智能成为话题。员工需要“提高技能”。建议开设一门课程。或者，为了应对课程疲劳，有人认为学习应该简单地发生在工作流程中。这两种回应都可能没有抓住重点。
问题不在于答案是课程、资源、提示库还是工作流程工具。问题在于组织是否正确识别了它正在尝试解决的问题类型。很多时候，三种截然不同的需求会被混淆在一起：
当这些区别不明确时，组织倾向于根据趋势、便利性或熟悉程度而不是性能需求来选择解决方案。
为什么“工作流程”对话经常变得过于简单
人工智能素养不是工具熟悉程度问题
许多人工智能素养工作过于关注平台和提示。这是可以理解的，但这还不够。更重要的问题是实际的和基于角色的：