Jurang Kemahiran AI yang Eksekutif Salah Faham

Syarikat anda baru sahaja menjalankan 200 pekerja melalui program sijil AI. Tiga bulan kemudian, proses saluran paip jualan anda kelihatan persis sama. Pasukan operasi anda masih menyusun laporan mingguan yang sama secara manual. Wakil customer success anda masih tidak menggunakan AI untuk bersedia bagi panggilan pembaharuan.

Kedengarannya biasa?

Anda tidak bersendirian. Dan masalahnya bukan pekerja anda tidak boleh belajar. Masalahnya ialah anda mendiagnos penyakit yang salah dan menetapkan ubat yang salah.

Kebanyakan eksekutif menganggap jurang kemahiran AI sebagai defisit teknikal: kekurangan orang yang boleh menulis prompt, menggunakan API, atau memahami cara model bahasa berfungsi. Jadi mereka membeli sijil, menjalankan bengkel semasa makan tengah hari, dan mengambil beberapa jurutera prompt. Dan kemudian mereka tertanya-tanya mengapa tiada apa yang berubah.

Jurang kemahiran AI yang sebenar bukanlah teknikal. Ia adalah tingkah laku, organisasi, dan sangat berkaitan dengan cara orang membuat keputusan dalam ketidakpastian. Sehingga eksekutif mendapat diagnosis yang betul, mereka akan terus berbelanja untuk latihan yang menghasilkan sijil tetapi tiada perubahan.

Mengapa "Kita Perlukan Lebih Banyak Kemahiran AI Teknikal" Adalah Pembacaan Yang Salah

Penyelidikan Gartner tentang hasil projek AI patut difikirkan: kira-kira 73% kegagalan inisiatif AI kembali kepada isu penerimaan, bukan isu teknikal. Model berfungsi. Integrasi kukuh. Tetapi orang tidak mengubah cara mereka bekerja.

Corak itu muncul merentasi industri. Peranan yang paling bergelut dengan AI bukanlah jurutera perisian atau pasukan data. Ia adalah jualan, operasi, dan pengurusan. Ini adalah orang yang pekerjaan mereka pada asasnya tentang pertimbangan: deal mana yang perlu diutamakan, proses mana yang perlu diperbaiki, pengambilan mana yang perlu dilakukan. Namun alat AI yang membanjiri aliran kerja mereka memerlukan jenis pertimbangan yang berbeza, satu yang kebanyakan organisasi tidak pernah perlu kembangkan sebelum ini.

Apabila CRM kini mencadangkan tindakan terbaik seterusnya secara automatik, wakil jualan perlu menilai sama ada untuk mempercayainya. Apabila AI meringkaskan aduan pelanggan, pengurus customer success perlu menilai sama ada ringkasan itu menangkap perkara yang penting. Apabila papan pemuka menggunakan analitik ramalan untuk menandai risiko churn, pemimpin hasil perlu memutuskan berapa banyak berat yang perlu diberikan kepadanya berbanding pembacaan mereka sendiri tentang akaun tersebut.

Tiada satu pun daripada itu memerlukan pengetahuan tentang cara model transformer berfungsi. Ia memerlukan sesuatu yang lebih sukar untuk disijilkan: pertimbangan AI.

Syarikat yang telah menuangkan wang ke dalam latihan AI dan melihat hasil yang rata biasanya membuat kesilapan yang sama. Mereka mengajar orang cara alat berfungsi. Mereka tidak pernah mengajar orang cara berfikir secara berbeza tentang kerja mereka.

Jurang Tiga Lapisan yang Sebenar

Model yang lebih berguna untuk eksekutif memecahkan defisit kemahiran kepada tiga lapisan berbeza. Setiap lapisan memerlukan pelaburan yang berbeza. Mencampuradukkan mereka (yang dilakukan oleh kebanyakan program Latihan & Pembangunan) adalah sebab program-program tersebut tidak mencapai sasaran.

Lapisan 1: Kefasihan AI. Ini adalah asas: mengetahui alat mana yang wujud, apa yang mereka sebenarnya bagus, dan bila mereka terpakai kepada kerja anda. Ia bukan pengetahuan teknikal yang mendalam. Ia adalah kesedaran praktikal. Wakil jualan dengan kefasihan AI tahu bahawa ada alat yang boleh menyelidik siaran akhbar terkini prospek dan perubahan lembaga dalam masa 30 saat. Mereka tidak perlu tahu cara alat itu dibina. Mereka perlu tahu ia wujud dan bila untuk mencapainya.

Kebanyakan organisasi mempunyai kefasihan AI yang rendah. Orang samar-samar menyedari bahawa "AI boleh membantu" tetapi tidak mempunyai peta mental yang jelas tentang apa yang hendak digunakan untuk apa. Ini boleh diselesaikan, tetapi bukan dengan kursus sijil. Ia memerlukan pendedahan berkala dan khusus mengikut peranan, sebaik-baiknya daripada rakan sekerja yang telah benar-benar membina aliran kerja, bukan jurulatih yang mendemonstrasinya buat kali pertama. Pelan kefasihan AI 90 hari yang berstruktur adalah salah satu pendekatan yang lebih berkesan untuk mempercepatkan lapisan ini secara sistematik merentasi pasukan.

Lapisan 2: Pertimbangan AI. Di sinilah kebanyakan organisasi mempunyai jurang hampir total dan hampir tiada pelaburan latihan. Pertimbangan AI adalah keupayaan untuk menilai output AI: mengetahui bila untuk mempercayainya, bila untuk mengatasinya, dan bila taruhannya terlalu tinggi untuk bergantung kepadanya sama sekali.

Pertimbangan AI yang buruk kelihatan seperti: pengurus yang mengambil ringkasan prestasi yang dijana AI sebagai benar tanpa membaca data asas. Wakil jualan yang menghantar e-mel draf AI tanpa menyedari ia mendapat gelaran prospek yang salah. VP yang meluluskan ramalan yang dibina atas unjuran AI yang secara senyap mengecualikan segmen akaun utama.

Pertimbangan AI yang baik kelihatan seperti: orang yang sama memperlakukan output AI sebagai draf pertama yang memerlukan pengesahan, bukan produk siap. Mereka mempunyai skeptisisme yang dikalibrasi, bukan penolakan refleks, tetapi bukan kepercayaan buta juga. Ini adalah kemahiran kognitif, bukan teknikal, dan ia berkembang melalui amalan, maklum balas, dan kadangkala mengalami kesan buruknya.

Lapisan 3: Reka bentuk semula aliran kerja AI. Ini adalah lapisan paling bernilai dan kemahiran yang paling jarang ada di kebanyakan organisasi. Reka bentuk semula aliran kerja adalah keupayaan untuk melihat cara kerja dilakukan pada masa ini dan menstruktur semula berdasarkan keupayaan AI. Bukan hanya memasang alat AI ke proses sedia ada, tetapi memikirkan semula proses secara asasi.

Kebanyakan penerimaan AI bersifat tambahan: kami menambah alat AI ke langkah 3 dalam proses 10 langkah. Organisasi yang maju ke hadapan melakukan sesuatu yang lebih sukar. Mereka melihat proses 10 langkah dan bertanya langkah mana yang wujud hanya kerana had manusia (kelajuan, ingatan, ketersediaan, konsistensi) yang kini AI hapuskan. Kemudian mereka membina semula proses dari awal dengan kekangan tersebut dihilangkan.

Kemahiran ini jarang ada kerana ia memerlukan pemikiran sistem, selesa dengan kesamaran, dan kuasa organisasi untuk benar-benar mengubah cara kerja dilakukan. Ia bukan kemahiran yang boleh anda ambil dengan mudah atau latih dalam bilik darjah. Ia berkembang dalam pasukan kecil, secara berulang, dengan sokongan daripada kepimpinan yang sanggup menerima proses yang lebih tidak kemas semasa proses baru dibina.

Apa Maksudnya untuk Pengambilan

Jika anda telah mengimbas resume untuk sijil AI, anda telah menapis isyarat yang salah.

Calon bersijil AI telah menunjukkan bahawa mereka boleh lulus ujian tentang konsep AI. Calon fasih AI telah menunjukkan bahawa mereka telah mengubah cara mereka bekerja kerana AI. Mereka adalah orang yang sangat berbeza.

Isyarat tingkah laku yang penting dalam temu duga bukanlah "ceritakan kursus yang anda ambil." Mereka adalah:

  • "Ceritakan aliran kerja yang anda ubah dalam enam bulan lalu kerana alat AI. Apa yang anda berhenti lakukan? Apa yang anda lakukan secara berbeza sekarang?"
  • "Ceritakan masa output AI salah dengan cara yang tidak jelas. Bagaimana anda mengesannya?"
  • "Apakah tugas dalam peranan terakhir anda yang anda fikir boleh diautomasikan hampir sepenuhnya? Apa yang perlu benar untuk anda mempercayai automasi tersebut?"

Soalan-soalan ini mendedahkan pertimbangan AI — skeptisisme yang dikalibrasi dan kreativiti aliran kerja yang sebenarnya memberi kesan. Mereka sukar untuk dipalsukan dengan sijil dan sukar untuk diajar dalam bengkel separuh hari.

Untuk peranan di mana kefasihan AI kini adalah keperluan asas (jualan, pemasaran, operasi, customer success), mengapa setiap pengambilan jualan dan pemasaran pada 2026 memerlukan kefasihan AI patut dibaca sebelum kitaran pengambilan anda seterusnya. Profil wakil yang berkesan telah berubah lebih cepat daripada yang dicerminkan oleh kebanyakan penerangan kerja.

Apa Maksudnya untuk Latihan & Pembangunan

Rahsia kotor latihan AI perusahaan ialah program sijil empat jam hampir tidak mengubah apa-apa. Mereka direka bentuk untuk pematuhan dan gambaran, bukan perubahan tingkah laku. Penyelidikan MIT Sloan tentang pembelajaran tenaga kerja menyokong ini: sijil jangka pendek mempunyai kesan minimal pada tingkah laku sebenar di tempat kerja, terutamanya untuk aliran kerja berkaitan AI.

Program Latihan & Pembangunan yang sebenarnya berfungsi berkongsi beberapa ciri. Mereka tertanam dalam aliran kerja, bukan dipisahkan daripadanya. Pembelajaran berlaku dalam konteks kerja sebenar, bukan latihan sintetik. Mereka berjalan cukup lama untuk tabiat terbentuk, minimum 60 hingga 90 hari, dengan pemeriksaan dan akauntabiliti. Dan mereka mengukur perubahan tingkah laku, bukan penyelesaian kursus.

Satu contoh yang patut dikaji: syarikat perisian B2B bersaiz 300 orang yang bergelut untuk mendapatkan pasukan jualannya menggunakan AI secara konsisten. Pendekatan standard adalah membeli lesen platform latihan dan menjejaki penyelesaian. Sebaliknya, mereka memilih enam wakil berprestasi tinggi yang sudah bereksperimen dengan AI dan menanamkan mereka ke dalam pasukan lain sebagai jurulatih aliran kerja selama 10 minggu. Setiap jurulatih memiliki pod lima wakil dan bertanggungjawab untuk mendapatkan wakil-wakil tersebut menggunakan sekurang-kurangnya tiga tingkah laku berbantu AI baru menjelang akhir program. Ini adalah model tepat di sebalik program AI Champions — mencari penyokong dalaman dan menjadikan mereka ejen perubahan.

Kadar penyelesaian modul latihan formal adalah sekitar 40%. Penerimaan aliran kerja AI sebenar merentasi wakil yang dibimbing adalah sekitar 78%. Perbezaannya bukan kandungan. Ia adalah akauntabiliti, kredibiliti rakan sebaya, dan masa.

Implikasinya untuk belanjawan latihan anda: berhenti membeli sijil. Mula membiayai Pilot aliran kerja tertanam. Cari orang dalam organisasi anda yang sudah melakukan kerja Lapisan 2 dan Lapisan 3 dengan baik, dan jadikan mereka kurikulum.

Pembingkaian Semula Pengurusan Perubahan

Eksekutif yang paling cepat menutup jurang kemahiran AI bukanlah yang membina infrastruktur AI paling canggih. Mereka adalah yang berhenti menganggap penerimaan AI sebagai masalah IT atau Latihan & Pembangunan dan mula menganggapnya sebagai masalah pengurusan perubahan.

Pengurusan perubahan bukan disiplin yang lembut. Penyelidikan McKinsey tentang perubahan organisasi menetapkan kadar kegagalan program perubahan berskala besar pada 70%, dan penerimaan AI mengikuti corak yang sama. Ia adalah amalan yang ketat tentang memahami sebab orang menolak mengubah cara mereka bekerja, menghapus halangan yang menjadikan perubahan lebih sukar daripada status quo, dan membina struktur organisasi (insentif, akauntabiliti, rangkaian rakan sebaya) yang menjadikan tingkah laku baru kekal.

Dengan pembingkaian itu, soalannya bukan "adakah orang kita mempunyai kemahiran AI?" Ia adalah "adakah kita membina keadaan di mana kemahiran AI boleh berkembang dan berganda?"

Itu bermakna eksekutif bertanya soalan yang lebih sukar:

  • Adakah pengurus kita memodelkan tingkah laku fasih AI, atau adakah mereka masih bekerja dengan cara yang sama seperti yang mereka lakukan pada 2023?
  • Adakah struktur insentif kita memberi ganjaran kepada orang yang mereka bentuk semula aliran kerja, atau hanya orang yang mencapai metrik sedia ada mereka?
  • Adakah kita mempunyai sebarang mekanisme organisasi untuk berkongsi apa yang berfungsi, atau adakah penerimaan AI berlaku dalam segmen terpencil yang tidak pernah berskala?

Kebanyakan syarikat boleh menjawab ini dengan jujur dalam masa kira-kira 15 minit. Kebanyakan tidak suka apa yang jawapan-jawapan itu mendedahkan.

Jurang kemahiran AI adalah nyata. Tetapi ia bukan jurang dalam pengetahuan Python atau kelayakan kejuruteraan prompt. Ia adalah jurang dalam kefasihan, pertimbangan, dan infrastruktur organisasi untuk menyokong perubahan aliran kerja pada skala.

Peranan mana yang sebenarnya dihapus AI memberikan konteks tentang di mana tekanan tertinggi. Dan rupa jabatan beraugmentasi AI secara struktural berguna untuk memikirkan keputusan reka bentuk organisasi yang perlu berjalan selari dengan pelaburan kemahiran anda.

Syarikat yang melakukan ini dengan betul adalah yang menganggap transformasi tenaga kerja AI sebagai usaha pembangunan organisasi yang berterusan, bukan inisiatif latihan dengan tarikh mula dan sijil penyelesaian. Perubahan pembingkaian itu lebih sukar daripada mana-mana penggunaan teknologi. Tetapi ia juga satu-satunya yang sebenarnya menghasilkan perubahan tingkah laku yang anda cari.

Baca Lebih Lanjut