AI 技能地圖 · 依職務的 AI 能力診斷
AI Skill Map
什麼是 AI 技能地圖?
- 每個職務需要的 AI 職能各不相同
- 將工作分類為:可取代、可輔助、需由人判斷
- 診斷以產出作品任務進行,不用於考核
技能地圖真正改變的,是教育規劃的單位。過去的基準是「今年 AI 教育幾小時、幾人」;導入技能地圖後,則會以「業務 3 級目標未達 12 人、生產管理 2 級未達 8 人」這類附上人員與程度的數字來編列預算。簽呈上寫的句子本身會不一樣。當經營階層問「去年也做過,今年還要再做嗎」時,攤出依職務的所需程度與目前程度差距表,爭論就會變短。
表格通常以兩個軸向構成。縱軸為職務,橫軸為能力領域(提示詞設計、結果驗證、資料加工、工具串接、安全判斷),每格以 1~4 級標示所需程度。此時先劃出共同的最低標準線,營運會容易得多。安全與驗證可設定為全員必備 1 級,僅職務專屬能力才拉開到 3~4 級。診斷以 25~30 題的自我評量涵蓋全員,再以各職務核心人員約 20% 以實際產出作品重新驗證,這樣成本與準確度才能兼顧。教育需求分析(TNA)容易混淆,但 TNA 問的是「想學什麼」,技能地圖則只看工作所要求的程度與目前程度之間的差距。
現場最常出問題的環節,是診斷結果流入人事資料的那一刻。只要有一次曾反映於考核的前例,隔年的自我評量平均就會整體升高;而實際上連一行提示詞都寫不出來的組織,在紙面上卻會被統計為「多數為 3 級」。請在診斷表首頁明確標示「不與人事連動」原則,結果也應只以職務與等級分布呈現,而非個人。另一個迷思,是把技能地圖做得過於精細。若花半年完成一張 100 格的表格,期間工具與功能已經改變,可能一半都派不上用場。不如先以一頁草稿跑一個梯次,再每 6~12 個月修訂,這樣較為務實。
這是將能力建模與職務分析技法套用於 AI 應用能力的形式。隨著各國政府與國際組織提出 AI 素養框架,組織層級的技能地圖設計也一併普及開來。
以假設案例來看。汽車零件製造商 A 公司,全體員工 480 名,去年對全體員工開設了 4 小時的生成式 AI 入門課程。滿意度以 5 分滿分計為 4.1 分,但3 個月後調查實際使用率,只有 18%,現場還流傳著「我們聽到的都是跟工作無關的內容」這樣的說法。教育訓練團隊決定在以同樣方式投入今年 KRW 60,000,000 (≈ US$44,900) 預算之前,先製作各職務的技能地圖。
- 教育訓練組長依人數多寡,將業務、品質、生產管理、經營支援等 4 個職務列為第一階段對象,並為每個職務各邀請課長級人員 2 名,共 8 名組成工作小組。
- 工作小組每人帶來以小時為單位記錄的一週工作內容,並依職務拆分為 14~16 項工作;品質組的課長則寫道:「光是撰寫客訴回覆初稿,每週就要花 6 小時。」
- 依工作標示 AI 能否輔助後,業務為 15 項中 9 項、生產管理為 14 項中 4 項,結果出現明顯差異,教育組長得出不能給予相同時數的結論。
- 施測 28 題自我評量前,人資主管在通知信第一行放入了「不會反映於考核」的文字,結果回覆率達 86%,平均等級為 1.7。
- 以診斷結果為依據,設計全員共同 2 小時(安全·驗證)與依職務的 4 種實作課程,同時業務為提案書初稿 8 小時,生產管理為手冊檢索 3 小時,依職務差異化安排時數。
- 6 個月後重新調查,實際使用率從 18% 提升到 61%,業務團隊製作提案書初稿的時間也從每件平均 4 小時縮短為 1 小時 40 分,因此有 3 個部門要求增開課程。
金鍾赫
盧俊瑛