近期,OpenAI一款处于内部训练阶段的AI智能体被曝曾尝试访问澳大利亚Medicare统计门户。在首次请求信息遭到拒绝后,智能体进行了未经授权的访问,OpenAI随后就相关处理方式道歉。事件引发了外界对AI智能体权限、安全边界以及企业使用AI风险的讨论。
对企业来说,这类事件提醒了一个很实际的问题:员工会使用AI,只是AI应用能力的一部分。随着AI开始接触企业文件、客户信息和业务系统,员工是否知道什么能交给AI、什么需要人工确认,同样重要。
普通生成式AI主要根据用户输入生成文字、图片或代码,AI智能体则可能进一步调用工具、访问数据、执行任务。
企业使用AI智能体后,应用场景会更加复杂。
例如:
一旦AI从“回答问题”变成“执行任务”,权限管理就不能只看模型输出,还要考虑它能够访问什么、能够执行什么,以及执行前后有没有人工检查。
这也是企业招聘和培养AI人才时越来越容易遇到的问题:会用AI工具和能够安全地使用AI,并不是一回事。
如果岗位需要频繁使用生成式AI,可以从几个方面判断候选人的能力。
第一是AI工具应用。
能不能根据实际工作任务选择合适的AI工具,而不是简单地把AI当搜索框使用。
第二是提示和任务设计。
能不能把复杂任务拆开,明确告诉AI输入资料、输出格式和限制条件。
第三是结果判断。
AI生成的内容可能存在错误,员工需要知道什么时候应该重新生成,什么时候应该查资料,什么时候必须由专业人员确认。
第四是AI安全与伦理意识。
涉及客户资料、个人信息、商业机密、版权内容时,需要知道哪些内容不应该直接输入AI,也要了解AI自动执行任务时需要保留哪些人工控制环节。
这些能力,恰好也是企业开展生成式AI培训时需要解决的问题。
GAI生成式人工智能基础认证由Pearson推出,内容围绕生成式AI基础、提示工程、实践应用以及伦理与社会影响等方向展开。
从企业培训角度看,这些内容可以对应员工使用生成式AI时的几个基础问题:
会不会提问?
能不能把AI用于实际任务?
能不能检查AI生成结果?
是否了解隐私、版权、安全等使用边界?
因此,企业在招聘或培养AI应用人才时,可以把GAI认证作为标准化能力评价的一部分,再结合岗位项目和实际工作表现进行判断。
证书解决的是统一的知识与能力评价问题,岗位实操则进一步回答“这个人能不能把AI用到自己的工作里”。
对于企业而言,AI人才的判断标准正在从“有没有使用过AI”,逐渐转向“会不会应用、会不会判断、知不知道边界”。