生成性人工智能对肯尼亚的小企业主来说是一把双刃剑。虽然它使高绩效者的收入增长了15%，但对那些已经挣扎的企业却导致了10%的下降。转折点在于，挣扎的企业主盲目跟随人工智能的建议，暴露了在没有适当培训的情况下部署人工智能工具的缺陷。
一览
- 生成性人工智能可以增强有能力的企业家的业绩，但会伤害较弱的企业。
- 一项研究发现，高绩效者的收入增长了15%，而挣扎中的企业则下降了近10%。
- 较弱的表现者常常因判断失误而追随误导性的人工智能建议。
- 在没有培训的情况下部署人工智能可能会加大绩效差距。
- 企业必须定制人工智能的推出以降低风险。
随着公司急于整合生成性人工智能，许多人忽视了充分培训的必要性。这种疏忽代价高昂，因为人工智能的好处在很大程度上依赖于用户有效利用技术的能力。希望利用人工智能的企业必须意识到不当实施的潜在陷阱。
数据表明，存在明显的分歧。肯尼亚的高绩效企业家利用生成性人工智能来增强决策能力，从而实现显著的利润增长。相反，那些缺乏经验的人误解了人工智能生成的建议，导致了错误的决策。这种差异挑战了仅仅获得人工智能访问权就能保证积极结果的观念。
重要举措
1. 了解团队的技能水平
在推出人工智能工具之前，评估团队的能力。高绩效者能从人工智能中受益，而较弱的团队可能会失败。
2. 定制培训项目
投资于有针对性的培训，帮助团队从人工智能输出中辨别有价值的见解。
3. 密切监控绩效指标
跟踪人工智能对收入和决策的影响。利用数据来完善你的人工智能策略。
4. 实施反馈机制
创建用户反馈人工智能建议的机制，以识别问题。
5. 迭代人工智能工具的定制
根据反馈和不断变化的业务需求调整人工智能工具，以保持灵活性。
选项比较
| 选项 | 最适合 | 优势 | 权衡 |
|---|---|---|---|
| 高绩效者使用人工智能 | 技能熟练的企业家 | 从良好建议中获得显著的利润提升 | 过度自信可能导致自满 |
| 低绩效者使用人工智能 | 处于挣扎中的企业 | 获得数据驱动的见解 | 跟随糟糕建议的风险 |
比较显示，人工智能的好处受到用户技能的影响。高绩效者获得更多，而低绩效者可能会使情况更糟。
证据的真实情况
- 在肯尼亚进行的一项实地实验显示，高绩效的小企业主在使用生成性人工智能工具后收入增长了15%。 （来源：MIT Sloan Management Review）
- 相反，挣扎中的企业主面临近10%的收入下降，归因于在解读人工智能建议时的判断失误。 （来源：MIT Sloan Management Review）
- 该研究强调了人类判断在过滤人工智能生成的见解中的重要性，而较弱的表现者在这方面表现不佳。 （来源：MIT Sloan Management Review）
来源说明：这些统计数据和见解来自于MIT Sloan Management Review发表的一项研究。
大多数人错误的认识
普遍的看法是，将人工智能整合到商业流程中将自然而然地带来更好的结果。这一假设是错误的。MIT的研究表明，人工智能的有效性取决于用户的能力。高绩效者利用人工智能做出明智的决策，增加了利润。低绩效者缺乏判断，盲目跟随人工智能的建议，导致损失。这与“技术本身驱动成功”的叙述相悖。
快速检查清单
- 评估团队在人工智能技术方面的技能水平。
- 制定一个专注于批判性思维和人工智能使用的培训计划。
- 设置绩效指标以评估人工智能对商业结果的影响。
- 建立反馈机制，以持续改进人工智能建议。
- 根据用户反馈规划人工智能工具的迭代定制。
有用的问题，直接的答案
问：为什么有些企业在使用人工智能时失败，而其他企业却成功？
答：成功取决于用户有效解读人工智能生成的见解的能力；高绩效者表现出色，而较弱者可能误解建议。
问：我该如何提高团队在人工智能方面的表现？
答：投资于有针对性的培训，以增强批判性思维，确保团队成员能够从人工智能输出中辨别有价值的见解。
深入了解的方向
- MIT Sloan Management Review - 商业中的人工智能 - 探索人工智能在商业环境中的实施各个方面。
- 文化冠军（文章系列） - 关于建立一个拥抱技术和创新文化的见解。
- 生成性人工智能研究 - 详细说明人工智能如何影响不同绩效水平的商业结果。
本周要做的事情
打开团队的最新项目报告。识别任何最近实施的人工智能工具。审查绩效变化，并收集用户对其体验的反馈。利用这些信息指导你在人工智能培训和部署策略中的下一步行动。