善用生成式AI增強工作並提升員工生產力

主要發現

生成式AI在增強工作及生產力提升的潛力

• 在眾多經濟體生產力成長趨緩的背景下，生成式AI對生產力的潛在影響備受期待。儘管現階段預測差異很大，但有聲音指出，生成式AI對生產力影響，可望在未來十年為全球經濟帶來數兆美元的增值。
• 隨著生成式AI與人力市場持續演變，部分工作可能朝自動化發展；其他工作也能透過人機協作提升任務執行力，報告稱之為「工作增強」。就如早期工業轉型，AI帶來工作自動化與增強，亦有機會直接或間接創造就業機會。
• 世界經濟論壇（WEF）最新《未來工作報告》指出，雇主認為，隨著生成式AI演進，未來五年內將有大量的職務被重塑，可能影響40%的全球總工作時間。但根據PwC《2024希望與恐懼調查報告》，也有47%曾使用生成式AI的受雇者擔心，生成式AI會對其工作本質帶來負面的影響。
• 探討生成式AI對工作的潛在影響時，通常會基於不同工作角色、任務，而有不同程度的影響。整體而言，重複性高或例行性的工作，比需要大量人際互動的工作，更具自動化的可能性。
• 儘管有大量工作任務會在生成式AI發展下完全自動化，但截至目前的研究，很少有職務會因而「完全被取代」的案例。

擴大採用生成式AI的阻礙

• 過去，AI採用速度緩慢且不一致，限制其影響力及效益。而PwC《2024希望與恐懼調查報告》顯示，截至2024年中，僅12%工作者表示他們每天都會在工作中使用生成式AI。進一步探究生成式AI在普及上面臨的最大阻礙，主要可歸納出以下四個因素：
  • 信任問題：
    信任是採用任何新技術時須考慮的問題，生成式AI因複雜性及透明度不足衍生出信任問題。企業高層對於網路安全、錯誤訊息、法律風險和偏見的擔憂，以及員工對於缺乏透明度及問責制度的憂慮，都是主要的阻力。
  • 技能缺乏：
    40%的雇主指出，缺乏足夠的AI相關技能，是將生成式AI整合進工作中的障礙之一。統計也顯示，過去一年有很多員工並未於工作中使用（37%）或很少使用（25%）生成式AI。
  • 文化挑戰：
    組織文化對於新技術的採用至關重要。試驗並找出應用案例是成功導入生成式AI的關鍵之一，而這背後需要支持變革的組織文化及積極態度。
  • 商業價值不確定：
    部分企業已投入大量資源於生成式AI，但其對公司績效影響的實證相當有限，強化了其不確定性。這導致目前企業採用生成式AI的方式多半停留在內部、小規模的改進，若要將重點轉移到新的商業模式，需要將生成式AI其他新興技術結合，這將有助於帶來新的策略性商業效益，例如改善決策、強化用戶體驗及提升營運效率。

職務受生成式AI影響大與影響小的案例

• 生成式AI對重複／例行性工作影響或助益較大，對於人際互動工作影響或助益較小，本報告舉兩種職務說明。
• 軟體開發：
  • 自動化潛力高之任務：占軟體開發工作內容的28.7%，如透過資料分析改善營運、分析系統及設備性能。
  • 工作增強潛力高之任務： 占軟體開發工作內容的43.2%，如準備資訊手冊或指引教材。
  • 自動化與工作增強潛力較低之任務：占軟體開發工作內容的28%，如與他人協調解決問題、合作處理專案等。
• 人資管理：
  • 自動化潛力高之任務：僅占人資管理工作內容的16.1%，如確認專案或營運所需的資源、管理預算與財務。
  • 工作增強潛力高之任務：僅占人資管理工作內容的22.2%，如解釋法規、政策與程序，或培訓相關的工作流程。
  • 自動化與工作增強潛力較低之任務：占人資職務的61.7%，如面試及協調組織、社區與公共活動等人際互動性高的工作。

4種生成式AI發展情境

生成式AI對人力及生產力的影響仍有高度不確定性。報告提出4種可能的情境，探討其發展方向：

情境一 高度期待

組織在生成式AI投入大量資金，但員工過度信任未經驗證的工具，反易導致決策不準確。最終，生成式AI在執行行政任務上有良好成效，但無法顯著提升生產力，且被認為風險過高無法整合到外部服務。投資回報不如預期，組織縮減相關投資。

情境二 承諾落空

員工缺乏使用生成式AI的熱忱，即便組織投入資源培訓，員工仍聚焦於其誤差及風險，而非潛力。儘管外部壓力會稍微驅動組織採用生成式AI，但因導入速度慢，加上員工因信任度低而花費大量時間驗證準確度，整體效益非常有限。

情境三 錯失機會

組織有意部署生成式AI，但部分員工因擔心被取代而抗拒使用，僅早期採用者透過生成式AI提升競爭力。組織內部對不願／無法採用生成式AI的員工施加壓力，恐導致衝突與不公平。最終，生成式AI對於工作及生產力的效益，僅在部分職位中顯現。

情境四 加速調整

與其他情境相比，組織可最大化生成式AI效益，提升生產力、職能，甚至創造就業機會。生成式AI不僅用於組織內部，還可融入產品與服務中，重塑商業模式。但快速的變革步調也考驗員工的靈活性，部分人可能需轉向其他職能，無法適應者將面臨失業；特定的員工或組織會從中受益較多，並衍生出更廣泛的社會影響。

成功導入生成式AI行動架構

• 為運用生成式AI促進工作增強並提高員工生產力，本報告提出了一個靈活的架構，幫助組織在內部乃至更廣範圍（如價值鏈中的承包商）實現生成式AI的大規模導入。
• 架構基於「啟動」和「擴展」兩個階段。而組織在啟動和擴展階段須解決兩個核心主題：賦能和參與。
  • 賦能強調建立基礎和指導原則。隨著時間推進，當應用變得更先進或複雜時，部分元素可能加強或擴展。
  • 參與側重於將生成式AI 應用案例整合到工作流程中，以達到預期的效益。
• 早期採用者的經驗顯示，「持續學習與改進」的推進方法最有前景，且有效的人力參與，是能否成功驅動工作增強及員工生產力成長的關鍵因素，因此這個架構特別強調「參與」的重要性。
• 須注意的是，架構中賦能和參與階段底下的這些元素，會因組織在生成式AI歷程中所處的特定背景，而有不同的起點和運作情境。因此，根據組織的需求量身訂做一套生成式AI人力部署策略，將有助於加速工作增強及提升生產力的效果。

比起技術本身 員工的角色更為重要

• 本報告針對來自全球各地、不同產業的20多個組織進行訪談，他們大多從2022年底ChatGPT問世時（甚至更早）就開始探索將生成式AI導入組織中，因此被視為生成式AI的早期採用者。本報告與組織內部來自不同部門、職能的高階主管進行交流，包括人力資源、變革管理、技術與策略部門主管進行匿名訪問。
• 早期採用者導入生成式AI的動機，包括對生產力提升、改善工作品質及員工體驗的期待與信心；此外，也有組織認為生成式AI可能顛覆其業務，因而提早做出準備。這些組織認為，在大規模導入生成式AI前，應先在小範圍測試；重視風險管理，因此會制定內部規範、標準及框架；審慎評估應用案例，並考慮大規模導入生成式AI對於永續的影響。
• 訪談結果顯示，所有受訪者都認同，組織導入生成式AI的過程中，比起技術本身，員工扮演著更關鍵的角色。
• 即便是同組織，採用態度的差異也可能很大。導入的速度通常取決於所有權歸屬範圍，僅限於前線單位、IT部門，還是整個組織。通常IT專業人員是最快採用生成式AI者，他們在小規模的試驗及應用案例的推廣上，扮演著重要角色。
• 幾乎所有的受訪者都認為，具大量行政工作的部門是受生成式AI影響最大者。但也因為員工可能會擔心失去工作或沒有能力跟上腳步，這些部門的採用常常存在不確定性。一位受訪者建議，不要急著設定生產力目標，應該先確保員工開始使用生成式AI，並從中獲取價值。

結論

• 報告基於研究回顧、情境分析以及早期採用者的案例研究，提出一套導入生成式AI的行動框架，這個架構讓組織得以從小處著手，尋找適當的應用案例，從初步的實施過程中學習，並逐步擴展。使組織能夠更好地應對生成式AI在當前工作中的不確定性，以及報告所勾勒的未來潛在情境。透過小範圍的測試並蒐集觀察洞見，組織可以完善其方法，謹慎且負責任地擴大生成式AI在人力的部署。
• 透過生成式AI推動工作增強並提升生產力的關鍵在於「人」的努力，需要員工的認同、強而有力的變革管理，並持續提升技能。當組織的利益與員工的利益一致，企業方能營造出良好的環境，運用生成式AI提升工作品質、支持創新、帶動生產力，實現大規模的工作增強。