超越使用頻率：解構AI進階使用者的四大行為特質

當多數企業仍執著於AI使用量與工具普及率時，KPMG的研究揭示了關鍵落差：僅5％的員工真正達到「進階使用」。驅動生產力的核心並非工具熟稔度，而是將AI視為「推理伙伴」的策略思維。領導人必須重新定義績效指標，將焦點從活動量轉向專業人士如何運用AI進行思考與決策，進而讓這類卓越行為能被教導並規模化推廣。

許多企業都快速行動，要將AI工具導入員工的工作中。然而，儘管投入大量資源，許多領導人仍難以評估其實際成效。AI是否能在品質、速度與工作企圖心上，帶來可量化的提升？是否有助於強化專業判斷？哪些人真正從中受益，其原因為何？所謂的「成功運用AI」，究竟是什麼樣子？

由於目前尚缺乏能大規模衡量勞動力質化成果的工具與框架，多數組織難以掌握具體、以行為為基礎的指標，來判斷AI是否帶來正面影響。在缺乏這類指標的情況下，領導人往往轉向最容易量化的數據：使用頻率、投入時數、提示詞數量、AI工具的token用量，以及員工自評的技能水準，做為衡量進展的替代指標。換句話說，他們衡量的是「活動」，而非「進階程度」或「影響力」。

不難想見，AI帶來的績效提升仍呈現不均，領導人也難以提出具體指引，說明員工應如何運用AI來提升表現。若缺乏更完善的衡量方式，領導人將無法判斷哪些行為應予以強化、哪些需要培養，又有哪些應被淘汰。

為了理解例行性AI使用與進階人機協作間的差異，KPMG與德州大學奧斯汀分校的研究人員合作，分析了約2,500名員工在8個月期間所產出逾140萬筆的AI提示與回應。透過這項分析，我們打造了一套「進階使用」的定義，此定義建立於提示工程的基礎上，重視明確的提示，並結合有意識的策略運用。我們辨識出一組低成本、可觀察的指標，如模型切換與結構化的初始提示，可用來預測高階使用行為。這些洞見正與KPMG的人才、學習與績效系統整合，並提供一套任何組織皆可採用的框架，用以培養並衡量員工更進階的AI使用能力。