在员工任期记录低和失业率持续低的背景下，企业必须重新思考员工技能提升策略。人工智能（AI）的兴起为任务自动化提供了机会，但组织必须确保员工不断发展并学习新技能，而AI可以促进这一过程。 D2L的首席人力官Amy Clark强调，现在提高技能对企业领导者来说是一项战略必需。D2L的研究表明，75%的学习和发展领导者感到迫切需要为AI和自动化带来的变革效应做好准备。 仅仅关注AI方面的培训是不够的；AI还可以增强传统软技能的发展。Clark指出，无论是员工还是学习与发展领导者，都将批判性思维、创造力和情商等人类技能视为与技术技能同等重要。 为应对这些需求，Clark的团队提供全面的技能提升计划，使员工能够掌控自己的职业发展。每位员工每年都可获得一笔用于认证课程的发展补贴，这些课程与公司的需求相一致，包括高需求的人类技能课程。 尽管技能发展的重要性得到了认可——83%的员工承认其必要性——但过去五年中只有51%的员工接受了正式教育。随着生成式AI的兴起凸显了技术和人类技能的需求，雇主可以创造与业务目标一致的相关学习机会。D2L的Malika Asthana强调，清晰地沟通具体获得的技能和能力可以提高员工对这些项目的承诺。 员工主要依靠当前雇主获取技能，41%的人更喜欢内部资源，而不是社区学院（17%）和大学（14%）。这表明雇主需要投资于全面的职业发展计划和清晰的晋升路径，因为员工寻求有意义的学习机会。 通过提供内部技能提升机会，组织可以培养长期忠诚度，因为员工会记得那些在他们职业发展中投资的公司。为了有效利用职业发展预算，学习机会必须相关、以结果为导向，并适用于员工的角色。当员工认识到新技能的实际价值时，他们会将技能提升视为值得的投资。 组织可以通过展示改进的技能如何带来业务成果来增强技能映射结果，例如通过更好的管理培训提高生产力或通过AI驱动的培训项目降低成本。内部共享这些成果可以鼓励未来的技能提升计划。总之，随着AI改变工作场所，企业必须优先发展技术和软技能，以增强员工忠诚度和组织成功。

效率是企业的关键目标，它通过提高生产力和节约成本，最终增强客户服务和忠诚度。为了实现更高的效率，组织会利用各种理念、策略和技术。其中，人工智能（AI）不仅有助于提高效率，还在不同领域重新定义了效率的重要性。以下是 AI 改变效率的三大主要方式。 **增强创意:** 创意输出，例如广告或博客文章，源于一个漫长且耗时的创意过程。像 ChatGPT 和 Jasper 这样的 AI 写作工具为应对紧迫的期限提供了宝贵的捷径，它们可以即时生成大纲和内容草稿。虽然可能仍需要进行一些编辑，但这些工具大幅减少了头脑风暴的时间。此外，像 Anyword 这样的 AI 工具有助于制作影响力强的短篇社交媒体内容，而设计平台如 Canva 和 DALL·E 3 则高效地创建视觉内容。即使是日常沟通，如电子邮件，也可以进行简化，从而节省大量时间。 **数据可视化:** 有效的数据展示对商业领导者至关重要，因为受众需要的是有意义的见解而不是生硬的数字。许多领导者在决策时难以有效利用数据，导致无法做出明智的选择。像 Infogram 这样的 AI 工具通过将复杂数据转化为易于理解的信息图表，简化了这一过程，从而提高了对关键绩效指标和市场研究见解的访问能力。这使领导者能够快速得出可行的见解。 **简化研究:** 在网络上进行研究面临各种挑战，例如确定正确的搜索词和筛选相关信息。以 Google 的搜索生成体验（SGE）为代表的生成 AI 改善了这一过程，通过在搜索结果顶部总结多个来源的答案，大大减少了筛选信息的时间。这一功能帮助团队快速了解数据中的差距，并确定相关来源，从而加速报告和策略的制定。 **结论:** 为了实现更高的生产力，企业必须提高其效率，而 AI 处于这一努力的最前沿。作为内容营销及其他领域的重要工具，AI 改善了各种功能，包括创意过程、数据可视化和研究效率。随着 AI 技术的发展，它们有可能揭示出以前难以想象的新效率和新能力。

**（接收与世界顶级CEO和决策者对话的每周电子邮件，请点击这里。）** 在她担任先进微设备公司（AMD）首席执行官的十年中，苏姿丰让这家公司焕然一新，曾经在2014年股价只有3美元左右。通过专注于强项并与索尼、微软等公司形成关键伙伴关系，AMD在高性能计算领域，特别是在笔记本电脑的CPU和图形处理器方面，已经成为领导者。最近的战略举措包括收购像Xilinx和Pensando这样的竞争对手，加强了其在半导体市场的地位。 AMD对人工智能（AI）的承诺体现在MI300系列芯片上，这些芯片因其速度和能力备受赞誉。MI300X被誉为英伟达产品的强劲竞争对手。苏姿丰强调AMD的全谱AI方法，将其整合到所有产品和操作中。 苏姿丰认为，虽然一些人认为最近的AI热潮被夸大，但这是一项重要的技术进步，类似于互联网或移动电话，具有改变日常生活和行业的巨大潜力。她的愿景包括利用AI来增强芯片设计和加速在如医疗保健等关键领域的突破。 在AMD应对影响全球市场准入的地缘政治复杂性时，苏姿丰强调了遵守出口法规的必要性，同时与多样化市场进行接触。作为科技领域为数不多的女性CEO之一，她倡导为行业中的女性创造机会，强调识别人才和提供领导机会的重要性。 展望未来，苏姿丰对经济表示乐观，引用科技和AI作为生产力关键驱动力，预计各个部门对计算能力的需求将会增加。

AI生成的音乐日益流行，《10 Drunk Cigarettes》这类热门歌曲获得了病毒式关注，但它也面临着大量的反对。主要唱片公司，包括环球音乐集团、索尼音乐和华纳音乐，已经对AI音乐公司 Uncharted Labs 和 Suno 提起诉讼。他们声称这些公司非法使用受版权保护的歌曲来训练AI，导致试图去除艺术家声音的AI版本，值得注意的是有德雷克和The Weeknd的声音。 包括比莉·艾利什和史蒂维·旺德在内的200多名艺术家签署了一封公开信，呼吁保护艺术家免受AI滥用，这可能侵犯艺术家的权利并破坏音乐产业。尽管受到批评，AI音乐公司认为他们的平台增强了可访问性。像 Sound Draw、Musicfy、AIVA 和 Boomy 这样的服务使用户通过文本提示、选择类型和调整乐器轻松创建音乐，这可能让那些没有传统音乐训练的人受益。Boomy的Cassie Speer强调了让音乐创作民主化的目标，特别是为缺乏音乐教育资源的边缘化社区提供支持。 根据艺术教育数据项目，音乐教育在美国公立学校的减少令人担忧，有8%的学生无法获得音乐教育。像Musicfy这样的公司和像Grimes这样的艺术家正在推广AI作为创意表达的工具，Grimes还邀请歌迷使用她的AI生成的声音进行他们的项目。 在Speer在丹佛主持的一个工作坊中，当地音乐家对AI工具如何激发创造力和帮助个人克服技术障碍表示兴奋。然而，一些艺术家仍持怀疑态度，比如创作歌手Genevieve Libien，担心AI可能会破坏音乐的人性本质。Libien表示担忧，认为通用的AI生成歌曲可能占据主导地位。 随着各领域的创意专业人士提出类似的担忧，立法开始出现。田纳西州成为第一个采取措施保护艺术家免受未经授权的AI复制声音的州。然而，像Speer这样的倡导者仍然希望AI在音乐教育中可以提供关键资源和支持，确保在科技革命中艺术不被忽视。

最近的一份UBS环球财富管理报告预测，到2027年，人工智能（AI）收入将飙升至1

在周四接受CNBC采访时，他被问及联邦政府通过工业政策专注于某些投资是否是一个错误。 "我们的军事优势和全球地位取决于我们投资于人工智能的能力。毫无疑问，"他断言道。"在人工智能领域的胜者将拥有最强大的军事力量。这无可争议。" 他指出，虽然私营企业和国防部正在投资人工智能，但这些努力是不够的，还需要采取更多行动。 人工智能竞赛的结果将显著影响美国的地缘政治和金融实力。 "我们不能输掉这场战斗；代价太高，"他警告道。"这关乎我们的货币，决定了我们在全球的竞争优势，影响了我们的军事。因此，投资人工智能是必不可少的。" 这些言论是在副总统卡马拉·哈里斯展开她的总统竞选经济策略之际发表的，库班也支持她的竞选。 在周三于匹兹堡的演讲中，她呼吁在半导体和清洁能源等关键领域增加投资。在她讲话之后，库班赞扬了她的讲话，强调了人工智能对于美国军事能力的重要性。 "对我来说，她强调了推动新技术和人工智能的进步，"他告诉《华盛顿邮报》。"你可以整天讨论军事能力，但如果没有全球最佳的人工智能，我们就会面临风险。" 与此同时，硅谷的风险投资公司越来越认识到国防技术领域的潜力。上个月，创业加速器Y Combinator首次投资于国防承包商Ares Industries，该公司旨在开发比现有选择显著更小、更经济的反舰导弹。 此外，像数据分析公司Palantir这样的老牌公司正在成为主流投资对象，因为越来越多的政府、军事力量和企业正在整合其人工智能驱动的平台。 人工智能的军事应用也引起了前谷歌CEO埃里克·施密特的关注。在上个月与前参谋长联席会议主席马克·米利共同撰写的评论中，他们警告说，美国对未来战争准备不足，尤其是在俄罗斯和中国等对手投资于先进技术的情况下。 他们认为，未来的冲突将由自主武器系统和复杂算法特征，而不是传统的喷气式飞机、舰船和坦克。 "国家必须改革其军事结构，"米利和施密特争论道。"美国军队需要现代化其战术和领导培训，采用新的采购策略，获得创新设备，并加强无人机操作和人工智能应用的士兵培训。"

每月有超过5亿人信任Gemini和ChatGPT用于各种主题，但需谨慎对待——如果人工智能建议用汽油煮意大利面，不要依赖它的避孕或代数建议。 在世界经济论坛上，OpenAI的首席执行官Sam Altman强调，虽然人工智能不能读懂我们的想法，但可以阐明其推理。他坚持认为人工智能系统应该同样解释他们的逻辑，使用户能够评估其输出的有效性。正当性对知识至关重要；没有它，信仰缺乏可信度。大多数人只有在通过证据、论据或可靠权威支持的情况下才宣称拥有知识。 像ChatGPT这样的LLM（大型语言模型）旨在被信任；然而，它们往往无法提供推理，因为它们的设计是为了预测语言模式而非进行真正的推理。它们的输出可能显得可信，但并不保证真理的正当性。虽然它们的许多产出可能是准确的，但它们通过展示Gettier案例可能误导用户，使得信仰虽然可能是真的但缺乏正当性。 佛教哲学家Dharmottara的一个例子说明了这种困境：寻找水的人可能会尽管错误判断水的位置而发现水，这并不展示真正的知识。同样，LLM用户可能会接受输出为事实而不理解其正当性，这类似于误以为找到水的旅行者。 Altman对人工智能正当性能力的乐观可能导致误解。若用户要求正当性，LLM会生成听起来可信但最终没有根据的正当性——这是一种误导性输出。这可能会导致知情用户的不信任，同时欺骗那些缺乏认识的人。 目前，人工智能系统可能产生错误或“幻觉”，这突显了它们的局限性。了解LLM呈现Gettier案例的用户可能会合理使用它们，应用自己的判断。然而，许多人在缺乏专业知识的领域如代数或健康建议方面寻找人工智能的帮助。因此，确定何时可以信任LLM输出至关重要。 对人工智能的信任必须依赖于验证每个输出的正当性，而这是当前LLM所缺乏的能力。尽管许多人可能本能地知道橄榄油优于汽油用于烹饪，但也可能接受他们未经审查的其他可疑想法。