Bản tin được tóm tắt Anh-Việt bởi nền tảng tạo trợ lý AI – KamiMind.
Nguồn: Rachel Curry, “On-the-job generative AI training is already critical for workers. Here’s how to get started“, CNBC, 21/11/2023.
Bài viết nhấn mạnh vai trò quan trọng của việc đào tạo nội bộ để trang bị cho nhân viên những kỹ năng về Trí tuệ Nhân tạo (AI) cần thiết. John Blackmon, Giám đốc AI của ELB Learning, khẳng định rằng AI không trực tiếp thay thế công việc; thay vào đó, những người sử dụng AI có thể thay thế người khác nếu họ không thích nghi. Ông nhấn mạnh sự khác biệt giữa sự thành thạo và chuyên sâu về AI, nhấn mạnh sự quan trọng của việc hiểu biết cơ chế cơ bản.
Blackmon tán thành việc hiểu cách khơi gợi ra các kết quả mong muốn từ các nền tảng AI, nhấn mạnh rằng việc đào tạo nhân viên là rất quan trọng bất kể có sự hỗ trợ từ lãnh đạo hay không. Một báo cáo gần đây từ TalentLMS cho thấy 58% quản lý nhân sự dự định triển khai các chương trình nâng cao kỹ năng để điều chỉnh khoảng cách kỹ năng do AI tạo ra.
Bryan Kirschner, từ DataStax, nhấn mạnh về việc cần có một khung thể chế AI để điều hướng AI một cách có trách nhiệm. Ông đề xuất một phương pháp triển khai AI dần dần và có trách nhiệm, nhấn mạnh việc xác minh kết quả từ AI để tránh sai lệch từ dữ liệu mẫu.
Bên cạnh đó, bài viết cũng nhấn mạnh việc thiết lập chính sách AI chi tiết và hướng dẫn nhân viên một cách có trách nhiệm. Đồng thời, bài viêt cũng thảo luận về việc triển khai đào tạo nhân viên về AI theo giai đoạn. Hasnain Malik, Giám đốc Nhân sự tại Brainchild Communications, đề xuất bắt đầu thử nghiệm AI với một nhóm người dùng nhỏ và mở rộng dần cho đến khi triển khai toàn diện.
BigID, một công ty phần mềm bảo mật dữ liệu, cung cấp thông tin thông qua khóa học về “Tăng tốc các dự án AI,” tập trung vào các chiến lược triển khai AI có trách nhiệm. Họ nhấn mạnh về việc phân loại dữ liệu, thiết lập cơ chế báo lỗi tự động và hướng dẫn thực tế để đảm bảo việc sử dụng AI an toàn và có đạo đức. Bài viết nhấn mạnh việc duy trì sự giám sát liên tục và xác minh kết quả AI để tránh dựa vào kết quả chưa được xác minh.
Cuối cùng, bài viết nhấn mạnh về việc kiểm tra kỹ lưỡng các kết quả được tạo ra từ AI và tránh đặt quá nhiều niềm tin vào độ chính xác. Bài viết cũng nhấn mạnh về việc đào tạo liên tục và chuẩn bị cho một lực lượng lao động tham gia vào một bối cảnh công nghệ đang thay đổi liên tục.
Bản tóm tắt tiếng Anh
The article underscores the vital role of workplace training in equipping employees with essential Artificial Intelligence (AI) skills. John Blackmon, ELB Learning’s Chief AI Officer, asserts that AI won’t directly replace jobs; rather, it’s individuals utilizing AI who might replace others if they don’t adapt. He emphasizes the distinction between AI proficiency and expertise, highlighting the importance of comprehending the underlying mechanisms.
Blackmon advocates for a grasp of how to elicit desired outputs from AI platforms, emphasizing that training is critical regardless of leadership support. A recent report by TalentLMS reveals that 58% of HR managers plan to employ upskilling programs to bridge the AI-induced skills gap.
Bryan Kirschner, from DataStax, stresses the need for a mature AI framework to navigate AI complexities responsibly. He suggests a gradual and responsible approach to AI implementation, emphasizing the verification of AI outputs to avoid discrepancies from model data.
Additionally, the article emphasizes establishing meticulous AI policies and responsible employee guidance. It also discusses a phased approach to AI employee training. Hasnain Malik, HR Director at Brainchild Communications, recommends starting AI trials with a small user group and progressively expanding them for full-scale adoption.
BigID, a data security software company, offers insights through their course on “Accelerating AI Initiatives,” focusing on responsible AI implementation strategies. They highlight the importance of data classification, automated error flags, and practical guidelines to ensure safe and ethical AI use. The article stresses continuous oversight and verification of AI outputs to avoid reliance on unverified outputs.
The piece concludes with a reminder about vigilance in verifying AI-generated outputs and avoiding assumptions of accuracy, termed as “automation bias.” It underscores the need for ongoing training and preparation for a workforce engaged in a dynamically evolving technological landscape.