研究揭示企业员工生成式AI使用复杂性:领域知识与AI能力互补
摘要:一项来自ArXiv的研究深入探讨了大型企业中后台员工对生成式AI(genAI)的使用复杂性。研究基于2025年8个月内对近4000名员工在15个职能领域的713,564条提示和对应的大语言模型(LLM)响应数据,发现高级员工由于具备领域知识,其生成式AI使用更复杂;不同职能领域的AI使用复杂性差异显著,其中战略、数字创新和项目管理领域的复杂性最高。此外,研究还表明,AI使用复杂性随时间推移并未显著提升,且正式AI培训对复杂性的提升效果有限。这些发现为管理者优化AI应用策略提供了重要参考,也为未来研究提供了新的方向。
研究背景与目的
生成式AI(genAI)在企业中的应用日益广泛,但其使用复杂性在不同员工和职能领域中的表现差异尚不明确。本研究旨在通过分析大型企业中后台员工对生成式AI的使用情况,揭示影响AI使用复杂性的关键因素,并探讨其对组织效率和AI应用策略的影响。
主要发现
-
领域知识与AI能力互补
- 高级员工由于具备深厚的领域知识,其生成式AI使用更复杂。这表明,领域知识与AI能力的结合能够显著提升AI的应用效果。
-
职能领域差异显著
- 不同职能领域的AI使用复杂性差异显著,其中战略、数字创新和项目管理领域的复杂性最高。这些领域通常涉及企业级战略决策和组织变革,对AI的应用需求更高。
-
AI使用复杂性难以提升
- 研究发现,AI使用复杂性随时间推移并未显著提升,且正式AI培训对复杂性的提升效果有限。这表明,复杂的AI使用模式可能需要更长期、更深入的学习和实践才能形成。
技术亮点
- 大规模数据分析:研究基于713,564条提示和对应的大语言模型(LLM)响应数据,提供了详尽的AI使用行为分析。
- 多维度评估:从领域知识、职能领域和时间维度对AI使用复杂性进行评估,揭示了影响AI应用效果的关键因素。
- 实践指导意义:研究结果为管理者优化AI应用策略提供了重要参考,例如在战略和项目管理领域加强AI工具的深度应用。
行业影响与建议
- 管理者:应重视领域知识与AI能力的结合,在关键职能领域优先部署复杂的AI应用,并提供持续的学习和培训机会。
- AI开发者:应开发更智能、更易用的AI工具,降低使用复杂性,并提供个性化的使用建议和反馈机制。
- 研究人员:未来可进一步探讨AI使用复杂性的长期演变趋势,以及不同类型AI应用对组织效率的影响。
结论
本研究为理解生成式AI在企业中的使用复杂性提供了新的视角,并为管理者和AI开发者提供了实用的建议。未来,随着AI技术的不断进步,如何在提升AI应用效果的同时,降低使用复杂性,将成为AI领域的重要研究方向。
—— 完 ——消息来源:ArXiv cs.AI (2026-08-27)
主题标签: #大语言模型 #企业AI #AI使用复杂性 #领域知识 #AI培训
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区