提供組織行為科學®給企業的Request株式會社(總公司:東京都新宿區,代表取締役:甲畑智康)根據對33.8萬人・980家企業工作者的行為觀察,整理出AI時代脫穎而出的頂尖1%人士的特徵,並公布了新的調查結果。 ※ 本調查結果的圖解資料集可從本新聞稿下方下載。 本次調查顯示,僅僅是能熟練操作生成式AI,並無法完全解釋成果上的差異。生成式AI使得文章撰寫、摘要、比較、製作資料、圖解、發想點子等How(手段)更容易在短時間內生成。 另一方面,對於沒有標準答案的工作、或沒有單一標準答案的工作,如果缺乏What(目的)和Why(背景)——即設定目標、為何需要、要改變誰的何種狀態——AI的輸出將難以導向成果。 在對33.8萬人・980家企業的行為觀察中,我們發現推動工作前進的頂尖1%人士,其特質並非僅僅是精通AI。他們是從與現場或對象的互動中獲得的事實,讀取其背後的假設與因果關係,找出尚未言喻的困擾或價值,並將其描繪成目的,轉化為能交給AI處理的語言。 本次調查結果整理出,AI時代工作者的價值正逐漸從「執行作業的能力」轉移到「將經驗中獲得的事實轉化為目的與背景的能力」的跡象。 調查結果重點 本次調查透過對33.8萬人・980家企業的行為觀察與分析,整理出頂尖1%人士的五個共通特徵: 1 生成式AI讓How(手段)更容易在短時間內生成 透過AI,文章、資料、摘要、比較、圖解、點子發想等,都能以一定的品質快速產出。 2 成果差異開始體現在「輸入AI之前」 成果左右的關鍵,並非使用AI的時機,而是「為何要使用AI」、「要改變誰的何種狀態」、「以何種事實為背景」等問題,這些都發生在向AI提出請求之前。 3 沒有標準答案或有多重標準答案的工作,需要What(目的)與Why(背景) 在有複數選項的工作,或問題本身尚未確定的工作中,人類需要建立判斷AI輸出手段的標準。 4 頂尖1%人士並非直接套用經驗,而是將經驗中的事實轉化為目的與背景 他們將在現場看到的、與對象談話的、感到的違和感、做出的判斷、經歷的失敗、收到的反應,轉化為能交給AI處理的語言。 5 企業所需的不僅是AI培訓,更是「必要經驗設計」 需要在工作中,有意識地增加能為AI建立目的與背景的經驗。 本新聞稿中「頂尖1%」的定義 本新聞稿中的「頂尖1%」並非指精通AI操作的人的排名。 在對33.8萬人・980家企業的行為觀察中,從確認往返次數少、返工少、能推動對方判斷、能將模糊的工作具體化、能帶動周圍行動等觀點來看,是指工作推進行為特別顯著的群體。 這個群體共通的特質,不僅是作業速度快。他們在開始作業前,會觀察什麼、與誰對話、確認哪些事實、並判斷出應以何為目的。 背景:生成式AI讓How(手段)更容易生成 生成式AI能在短時間內產生How(手段)。例如:潤飾文章、讓資料更易懂、整理資訊、製作比較表、整理論點、提供圖解構想、撰寫郵件草稿、製作提案雛形等。這些都比以往更快、且能以一定的品質執行。 然而,作業變快並不等同於成果產生。即使AI縮短了作業時間,若這些時間僅用於現有工作的額外改善,並無法轉移到創造新價值的工作上。AI首先產生的是「作業餘力」。要將此餘力轉化為「戰略餘力」,組織需要重新設計目的、角色、責任、評價和人員調動方式。 本次調查結果探討的是更上游的問題: 首先,這份餘力要朝向什麼目的? 這個目的,是由誰、從哪些事實描繪出來的? 在這裡,AI時代新的成果差異開始產生。 調查結果1:成果差異開始體現在「輸入AI之前」 過去,成果差異常體現在能多快準確地製作資料、文章寫得多麼易懂、報告總結得多麼準確等場景。 然而,隨著生成式AI讓How(手段)更容易生成,成果差異轉移到了以下問題: 應該製作什麼? 應該為誰製作? 為了推動哪項判斷而製作? 對方尚未言喻的困擾是什麼? 背景是哪些事實・假設・因果關係? AI時代的成果卓越者,不僅是精通AI的人。他們是在委託AI作業前,能發現尚未言喻的價值,並將其作為目的與背景進行語言化的人。也就是說,成果差異已不再是AI輸出之後,而是轉移到了AI輸入前的「將經驗中獲得的事實轉化為目的與背景的能力」。 調查結果2:有標準答案的工作AI能加速處理。人類能創造成果差異的工作,將轉移到沒有標準答案或有多重標準答案的工作 未來的工作將大致分為三類: 1 有標準答案的工作 這類工作目的、方法、標準、完成條件相對明確。例如:標準化文章撰寫、摘要、比較表製作、會議記錄整理、格式調整、符合現有規則的處理等。 在此領域,生成式AI能強力支援How(手段)。人類的角色將從執行本身,轉移到確認、品質保證、最終判斷。 2 沒有單一標準答案的工作 這類工作目的或課題大致可見,但有複數選項,選擇哪個選項取決於情況。例如:優先處理哪些客戶、從哪個措施開始、哪種資料結構能讓對方理解、優先短期