微软最新发布了他们的年度《未来工作报告》，这次的焦点不再是远程工作，而是人工智能。没错，你没听错，就是AI！这份报告基于2023年的多项研究统计数据，还有过去几年的理论研究支持。我为你整理了一份“忙碌人士指南”，让你快速了解重点。
– 聊天机器人GPT让知识型工作者的工作效率提高37%，质量提高40%，但准确度下降了大约20%。解决这个问题的简单用户体验方案是可行的。
– 微软Copilot 365的企业用户调查显示：
– 73%的用户认为Copilot让他们工作更快
– 85%的用户说它能帮助他们更快地完成初稿
– 72%的用户同意它减少了在重复或乏味任务上的心理负担
– 早期研究发现，新手或技能较低的工作者最受益于大型语言模型（LLMs）。技能较低的工作者表现提升了43%，而技能较高的提升了约17%。
– 需要与“挑战者”搭配使用，即基于LLM的工具，它们可以挑战假设、鼓励评估并提供反驳意见。
– 人工智能可以帮助将简单命令分解为微时刻和微任务，提高整体质量和效率。
– 分析和整合由AI生成的信息可能比搜索和创造信息更为重要。与内容制作不直接相关的技能（如领导力、社交互动、信任问题或情感意识）可能更有价值。
– 提问很难，但人们正在变得擅长它。精调/使用LLMs来生成提示也在变得更容易。提示模板对终端用户有帮助。
– 高亮显示错误/不确定性百分比可以帮助平衡对LLMs的依赖。提示可以通过共审工具来补充，以检查LLM的输出。
– 生成性AI需要自我意识和良好的信心校准。同时，它也可以帮助达到这一点。
– 创造性活动是一个过程，LLMs可以在不同部分提供帮助。69%的Bing聊天对话是面向专业任务的领域。
– 基于LLM的搜索中，复杂的部分比例更大（其中36%是复杂的），而传统搜索中复杂的比例较低（13%是复杂的）。
– 在一项对69名学生的研究中，使用Codex提高了他们学习Python的表现，但对他们的手动代码修改能力没有影响。
– LLMs可以快速分析来自人类的数据并生成合成数据。这将改变社会科学研究的方式。
– 在会议中使用LLMs可以解决不同的问题，如平等参与（即时反馈）和更好的互动（回顾性反馈）。）
– AI可以帮助分配管理责任，让高管们更专注于团队愿景。
– 现代办公室的知识存在于聊天中，而不是文档里，但在员工聊天记录上应用AI比较棘手。（
– 大约80%的美国劳动力可能至少有10%的工作任务受到GPTs的影响。大约19%的工作者可能有50%的任务受影响。
– “创新与自动化”通常是一个比“替代与增强”更好的框架。增强可能仍意味着工作岗位的丧失。重要的是尝试跟踪人类劳动力是否以及如何以创新的新方式被使用。
– 不应该问“AI将如何影响工作？”，而应该问“我们希望AI如何影响工作？”