轉載：WSJ
正文
研究表明，AI不僅不會拉平員工之間的差距，還會擴大頂尖人才與其他人之間的鴻溝。職場的緊張和怨恨情緒可能因此加劇，企業可以採取一些措施來創造公平競爭環境。
圖片來源：EMMANUEL POLANCO
人們普遍認為，人工智慧(AI)將拉平員工之間的差距，讓普通員工也能獲得工具，像明星員工一樣大放光彩。
我的研究表明，這種觀點是錯誤的。我認為，從AI中獲益最多的將是明星員工自己，這將擴大頂尖人才與其他人之間的鴻溝。
雖然這對明星員工來說可能是個好消息，但對公司來說卻是個問題，因為經AI放大的表現差距，會加劇明星員工有時可能引發的職場緊張和怨恨情緒，從而破壞團隊凝聚力，並最終損害推動業務成功的協作。未能解決這個問題的組織可能會發現，他們最優秀的人才更難留住，而剩下的員工也更難激勵。
01
專業知識如何放大AI優勢
想想你所在的組織。當一個有希望能讓每個人都提高效率的新工具——例如高級Excel功能、複雜的客戶關係管理系統或強大的分析平台——出現時，真正先掌握它的是誰？通常是那些明星員工，他們會深入鑽研，發現隱藏的功能，並找到別人想不到的創造性應用，而普通員工則傾向於固守基本功能。
AI遵循了與所有其他職場工具相同的模式：明星員工是第一批擁抱它的人。更重要的是，研究表明，與普通員工相比，明星員工還會利用他們的「領域專長」——即他們對某一學科或業務的深入了解——從AI系統中大力提取更多價值（並發現更多錯誤）。
想象一下，一位明星顧問正致力於將一款新產品或服務推向市場。這位明星顧問不會要求AI「分析這個市場」然後得到泛泛的見解，而是會利用多年的經驗，提出關於競爭動態、法規和壁壘的更細緻、更有針對性的問題。明星員工深厚的專業知識會引導他們更好地優化給AI的指令或問題，而不是接受最初的輸出結果。這會帶來更有用、更準確的結果。
此外，研究發現，與同事相比，擁有更多專業知識的員工在AI建議正確時接受建議、以及（更重要的是）在建議錯誤時拒絕建議方面，都明顯表現得更好。
明星員工還有另一個優勢：他們總體上工作更有條理，這意味著與普通員工相比，他們在處理任務時更有組織性、更深思熟慮。研究發現，正是這類人能從AI工具中獲得比那些隨意上手的人好得多的結果。AI工具對清晰、結構化的輸入響應最佳——而這正是明星員工通過其有條理的工作習慣自然而然就能提供的。
02
額外讚譽
管理者對待明星員工的方式會加劇他們的優勢。
我的研究顯示，頂尖人才的聲譽和地位賦予了他們在工作中的自主權和判斷權。這意味著明星員工更有可能立即投入並開始試驗AI。當普通員工因害怕犯錯而等待官方指導或遵循公司批准的模板時，明星員工早已在他們的組織反應過來之前，測試了邊界，發現了創造性的應用，並建立了個性化的工作流程。如果一項AI實驗出了岔子，他們更有可能被放過，至少不會被嚴重追究。
圖片來源：EMMANUEL POLANCO
然後是獲得讚譽的問題。
數十年的研究表明，地位高的人在做與地位低的員工類似的工作時，會獲得相對更多的讚譽。這表明，當AI的輔助作用是無形的——通常情況下確實如此——旁觀者很可能會根據他們對該員工已有的看法來填補空白。明星員工會被人們往好處想：他們經AI加持的工作成果，會被看作是其卓越判斷力和戰略思維的證明。普通員工則面臨相反的假設：如果工作成果出色，那一定是AI做的。
這給普通員工造成了糟糕的雙重困境。他們本就不太懂得如何戰略性地利用AI，但即使他們在AI輔助下出色完成了工作，也不太可能因此獲得能推動職業發展的認可。有時，僅僅是懷疑有AI的參与，就足以降低他人對其貢獻的看法。
03
如何拉平差距
那麼，公司能做些什麼來防止AI將明星員工變成一個地位特殊的階層呢？我提出三點建議：• 鼓勵每個人都來試驗AI。當明星員工在悄悄建立個人AI工作流程時，大多數員工都在等待可能永遠不會到來的官方指導。明智的領導者應該創造「AI沙盒」時間，讓所有員工都可以測試工具而不用擔心犯錯，並建立交叉培訓項目，將普通員工與早期使用者配對。
更重要的是，他們應該投資于AI素養培訓，培訓內容應超越工具的基本使用，包括提示詞工程、輸出評估和戰略性任務委派。目標不是消除明星員工的專業知識優勢，而是傳授那些能夠拉平差距的可學習技能。
• 分享知識。由於AI對清晰、詳細的輸入響應最佳，領導者需要培訓普通員工養成能讓他們從AI中獲得最大收益的工作習慣。這意味著要提供用於組織信息的模板，並創建包含有效AI提示、策略和用例的共享集合。不要讓明星員工私藏他們的發現，而是要讓知識共享成為一種標準做法。當一名員工發現一個有效的AI工作流程時，應將其記錄下來並在團隊間傳播，使其成為人人都能使用的東西，而不是某個人的秘密優勢。
• 重新設計員工評估體系，把由AI輔助的工作納入考量。如果不加以制止，那種讓明星員工在由AI輔助的工作中獲得過多讚譽的偏見只會愈演愈烈。為了解決這個問題，公司應該就AI使用披露問題建立更明確的指導方針。它們應該制定評估標準，無論員工現有地位如何，都能公平地評估由AI輔助的工作。它們還應該培訓管理者，讓他們認識到偏見可能在何時扭曲了對員工表現的評估。可以考慮實施「AI透明化」實踐，讓團隊分享他們如何使用AI工具，使AI的輔助作用變得可見而非隱秘。
沒有這些系統性的改變，AI可能造成一個兩級分化的員工隊伍，其中一小部分人攫取了大部分機會，而其他人則進一步落後。
Matthew Call是得克薩斯農工大學梅斯商學院管理系的副教授。他的聯繫郵箱為reports@wsj.com。
*以上內容系網友Max說澳洲自行轉載自視角學社，該文僅代表原作者觀點和態度。本站系信息發布平台，僅提供信息存儲空間服務，不代表贊同其觀點和對其真實性負責。如果對文章或圖片/視頻版權有異議，請郵件至我們反饋，平台將會及時處理。