企業(yè)員工大模型培訓(xùn)計(jì)劃制定指南

點(diǎn)擊目錄(超鏈接)快速跳轉(zhuǎn)頁面。2?大模型作為人工智能領(lǐng)域的—項(xiàng)重要技術(shù),正在成為企業(yè)發(fā)展的重要推動(dòng)力。在企業(yè)內(nèi)部,大模型正被廣泛用于自動(dòng)化流程、增強(qiáng)決策和推動(dòng)創(chuàng)新,人才則是實(shí)現(xiàn)這些技術(shù)潛力的關(guān)鍵。缺乏關(guān)鍵技能的員工的工作效率可能會(huì)低于那些熟悉人工智能的員工,這種技能上的差距可能會(huì)導(dǎo)致企業(yè)在競爭中處于劣勢;?當(dāng)前企業(yè)在大模型方向的人才準(zhǔn)備明顯不足。德勤中國的調(diào)研結(jié)果顯示,對(duì)于應(yīng)用生成式AI部署相關(guān)的人才問題,41%的企業(yè)表示“毫無準(zhǔn)備”或“略有準(zhǔn)備”,只有22%的企業(yè)表示“準(zhǔn)備充分”或“準(zhǔn)備很充分”;?在解決大模型人才的供需平衡問題上,企業(yè)更傾向于內(nèi)部能力建設(shè),提升現(xiàn)有人員的大模型技能。麥肯錫的調(diào)查結(jié)果顯示,57%的企業(yè)希望通過提升技能、再培訓(xùn)等內(nèi)部方式來構(gòu)建生成式AI技能,而不是通過招聘、外包等外部方式。不知道不適用外包招聘重新安排工作內(nèi)容重新培訓(xùn)技能提升36不知道不適用外包招聘重新安排工作內(nèi)容重新培訓(xùn)技能提升36來源:麥肯錫,《生成式AI的人性化—面:創(chuàng)造生產(chǎn)力之路》?企業(yè)大多數(shù)員工愿意學(xué)習(xí)大模型技能,但如果沒有適當(dāng)?shù)闹笇?dǎo),員工可能會(huì)錯(cuò)誤地使用大模型從而給企業(yè)帶來重大風(fēng)險(xiǎn)(數(shù)據(jù)泄露、基于誤導(dǎo)信息采取錯(cuò)誤行動(dòng)等)。大模型培訓(xùn)不僅僅是提高員工的技能,更是提高企業(yè)整體的AI素養(yǎng)。此外,—些員工可能會(huì)認(rèn)為大模型會(huì)對(duì)其工作產(chǎn)生威脅,從而產(chǎn)生抵觸情緒,對(duì)于這種情況,企業(yè)也需要提供適當(dāng)?shù)膯T工教育;?為了滿足企業(yè)的大模型目標(biāo)和團(tuán)隊(duì)成員的不同需求,企業(yè)可以參考如下三個(gè)步驟制定大模型培訓(xùn)計(jì)劃,提升人才相關(guān)的大模型準(zhǔn)備水平:步驟二:步驟三:步驟二:步驟三:43.根據(jù)大模型的應(yīng)用方式確定培訓(xùn)目標(biāo)(1)?大多數(shù)非技術(shù)用戶將簡單地使用大模型工具而不是構(gòu)建大模型。因此,企業(yè)應(yīng)根據(jù)大模型的應(yīng)用方式來確定培訓(xùn)目標(biāo);?大模型的應(yīng)用方式主要分為三類:直接消費(fèi)大模型應(yīng)用、通過RAG/微調(diào)擴(kuò)展大模型、自建企業(yè)專屬大模型。??另—些企業(yè)尋求差異化的解決方案,例如結(jié)合起來,并調(diào)整大模型的輸出風(fēng)格以創(chuàng)建客服機(jī)器人;建專屬的垂域大模型/企業(yè)大模型,或者深度定制開源大模型;提高員工生產(chǎn)力;?這些企業(yè)只需要為其員工提供初級(jí)培訓(xùn),程,以及對(duì)潛在風(fēng)險(xiǎn)的認(rèn)識(shí)。53.根據(jù)大模型的應(yīng)用方式確定培訓(xùn)目標(biāo)(2)?大模型的應(yīng)用方式之間并非互斥關(guān)系,企業(yè)內(nèi)部可選擇多種,對(duì)應(yīng)著不同的培訓(xùn)目標(biāo)。但即使企業(yè)決定自建專屬大模型來創(chuàng)造獨(dú)特的競爭力,初級(jí)培訓(xùn)和中級(jí)培訓(xùn)也很重要。高低6?不同的大模型應(yīng)用方式涉及不同的員工角色,而不同的員工角色需要不同的大模型知識(shí)和技能,因此培訓(xùn)計(jì)劃應(yīng)圍繞不同角色的特定需求來設(shè)計(jì);?企業(yè)可以將培訓(xùn)計(jì)劃分為如下三個(gè)層次:能適用于更多業(yè)務(wù)場景;?RAG是當(dāng)前最主流的方法,但采用RAG非常復(fù)雜,需要通過向量化、知識(shí)圖譜和搜索排名算法來構(gòu)建知識(shí)庫;?微調(diào)是另—種常用的方法,通過更新正在域知識(shí);取自主行動(dòng)以實(shí)現(xiàn)目標(biāo)的智能體,并且可?大模型領(lǐng)域的技術(shù)專家很少,因?yàn)殛P(guān)鍵技室的頂尖人才手中;獲得的,而是需要在與這些頂尖人才合作中學(xué)習(xí);?通過舉辦AI黑客馬拉松,或投資于科研孵化實(shí)驗(yàn)室的創(chuàng)新項(xiàng)目,是企業(yè)提高AI素養(yǎng)和技能的有效方式,同時(shí)也有助于挖掘大模領(lǐng)大模型的固有風(fēng)險(xiǎn)和局限性,以及基本的提示工程技能;?初級(jí)培訓(xùn)將滿足大多數(shù)員工的需求,提供必要的知識(shí)和技能,以便員工能夠有效地使用大模型工具;?但在推廣大模型的同時(shí),企業(yè)需要考慮大模型對(duì)員工的影響,盡管大多數(shù)員工愿意學(xué)習(xí)新技能,但如果企業(yè)未能妥善解決員工對(duì)工作安全的擔(dān)憂和情感上的不安,可7方向描述目的目標(biāo)受眾?涵蓋常見人工智能術(shù)語的含義,包括神經(jīng)網(wǎng)絡(luò)、?探索AI倫理,重點(diǎn)關(guān)注原則、公平性、減少偏具主流大模型應(yīng)用介紹具8方向描述目的目標(biāo)受眾?深入研究RAG三元組(檢索、增強(qiáng)與生成),?定義大模型的防護(hù)措施,以減輕內(nèi)在風(fēng)險(xiǎn)?提供端到端教程,通過多種方法微調(diào)大語言模型,包括輕量級(jí)微調(diào)和完整微調(diào)9方向描述目的目標(biāo)受眾?組織—群人才,激發(fā)創(chuàng)新和各種眾包解決方案,?通過與頂尖大學(xué)的孵化器實(shí)驗(yàn)室合作,獲取最新的技術(shù)和頂尖人才,加快開發(fā)進(jìn)程?獲取最新技術(shù)和頂尖人才,以便在實(shí)際的項(xiàng)目?企業(yè)可以從開源項(xiàng)目中學(xué)習(xí)并做出貢獻(xiàn),獲得見?通過積極參與開源大模型生態(tài),企業(yè)可以積累5.評(píng)估大模型培訓(xùn)的有效性(1)?企業(yè)在培訓(xùn)計(jì)劃的設(shè)計(jì)階段就應(yīng)該定義評(píng)估指標(biāo),這樣可以確保培訓(xùn)的有效性,并能夠衡量培訓(xùn)對(duì)提高生產(chǎn)力的積極影響;?企業(yè)可以使用傳統(tǒng)的培訓(xùn)評(píng)估方法,例如收集關(guān)于講師和內(nèi)容的反饋調(diào)查,或者比較受過培訓(xùn)和未受過培訓(xùn)的群體在培訓(xùn)前后的表現(xiàn)?！┦褂脧V泛的評(píng)估框架,如柯氏四級(jí)培訓(xùn)評(píng)估模式(KirkpatrickModel),可以輔助企業(yè)進(jìn)行培訓(xùn)效果的評(píng)估。評(píng)估層次目的評(píng)估問題評(píng)估方法四級(jí):結(jié)果?培訓(xùn)對(duì)企業(yè)的具體影響,包括成本、生產(chǎn)三級(jí):行為用到工作當(dāng)中,并帶來相應(yīng)的行為改變響二級(jí):學(xué)習(xí)?通過參與培訓(xùn),參訓(xùn)員工獲得了多少應(yīng)當(dāng)?調(diào)查表填寫,筆試、績效考試,案例研究一級(jí):反應(yīng)?問卷、調(diào)查表填寫,評(píng)估訪談?一級(jí):反應(yīng)?問卷、調(diào)查表填寫,評(píng)估訪談5.評(píng)估大模型培訓(xùn)的有效性(2)?企業(yè)還應(yīng)將培訓(xùn)計(jì)劃與特定的業(yè)務(wù)指標(biāo)對(duì)齊,這對(duì)于剛接觸大模型技術(shù)的企業(yè)尤為重要,因?yàn)樗鼈兛赡芎茈y證明大模型培訓(xùn)的好處;?下表提供了—些指標(biāo)示例,這些指標(biāo)可以幫助企業(yè)跟蹤和評(píng)估大模型項(xiàng)目的進(jìn)展情況。通過這些指標(biāo),企業(yè)可以量化和監(jiān)測大模型培訓(xùn)和實(shí)施的效果,確保它們朝著既定目標(biāo)前進(jìn),并在必要時(shí)進(jìn)行調(diào)整。培訓(xùn)領(lǐng)域業(yè)務(wù)結(jié)果評(píng)估指標(biāo)?提高對(duì)數(shù)據(jù)暴露風(fēng)險(xiǎn)的認(rèn)識(shí),減少無意中泄露敏感數(shù)據(jù)的