美国大型科技公司采用AI优先政策的日常实践者体验

文献标题

Everyday Practitioner Experiences of AI-First Policies Adopted by U.S. Big Tech Companies

出版信息

• 主题领域: 美国大型科技公司中AI优先政策对从业者体验和组织影响的研究。
• 关键词: AI优先政策, 生成式AI, 工作场所变革, 验证劳动, 规范性压力, 职位替代, 组织AI采纳, 数据隐私, 劳动力重组, AI治理。

背景与问题

• 问题/挑战: 尽管生成式AI（GenAI）工具日益融入工作实践，但对于AI优先政策如何重塑日常工作流程、验证责任和劳动力结构的理解仍然有限，尤其是在大型科技公司中。
• 重要性: 理解这些动态对于应对验证劳动、职位替代和伦理问题等挑战至关重要，这些问题对生产力、公平性和技能发展有深远影响。
• 动机与相关研究: 以往研究主要关注个人AI采纳和组织技术转型，但缺乏对AI优先政策如何影响从业者体验、验证实践和劳动力动态的深入洞察。本研究通过分析美国主要科技公司的AI优先政策填补这一空白。

解决方案

• 提出的方法: 采用混合方法研究，结合18次半结构化访谈和对42名员工的问卷调查，探讨AI优先政策在美国大型科技公司中的实施及其影响。
• 创新性:
  1. 提供关于AI优先政策如何通过工具、培训和规范性压力实施的详细实证见解。
  2. 研究生成式AI如何重塑工作流程，重点关注验证劳动及其对高级员工的过度负担。
  3. 分析劳动力重组，包括减少初级岗位招聘和招聘实践的演变。
  4. 提出应对结构性变化和确保负责任AI使用的政策建议。
• 程序与关键技术:
  • 对来自主要科技公司的员工进行半结构化访谈，探讨他们对AI优先政策的体验。
  • 设计并分发包含23项内容的问卷，捕捉生成式AI使用、态度和担忧的更广泛模式。
  • 使用主题编码分析定性数据，并通过描述性统计分析定量问卷数据。

结果

• 具体发现:
  • 56%的受访者报告感受到使用AI的规范性压力，AI采纳已成为生产力评估中的核心预期。
  • 生成式AI工具广泛用于编码（66.67%）、文本格式化（64.29%）和报告撰写（61.90%）等任务，83%的问卷参与者频繁或每天使用生成式AI。
  • 验证责任主要落在高级员工身上，有些人花费多达70%的时间验证AI输出。
  • AI优先政策导致初级岗位招聘冻结，引发了对技能发展和人才管道枯竭的担忧。
• 相较基线的优势:
  • 提供了AI优先政策如何影响从业者的全面视角，弥补了以往研究仅关注个人或系统级AI采纳而未考虑组织性要求的不足。
• 实验/评估:
  • 访谈涵盖了来自亚马逊、Meta和微软等公司的18名参与者，问卷调查则包括来自多家美国科技公司的42名受访者。
  • 衡量指标包括AI使用频率、任务覆盖范围、验证实践以及对生产力和工作安全的感知影响。
• 局限性与未来工作:
  • 仅限于美国大型科技公司，设计和非技术角色的参与者较少。
  • 自我报告数据可能引入回忆偏差或社会期望偏差。
  • 未来研究应考察更多行业，整合行为测量，并聚焦于代表性不足的角色。

总结

本研究探讨了AI优先政策在美国大型科技公司中的实施及其影响，揭示了生成式AI的广泛采纳、高级员工的显著验证劳动负担，以及减少初级岗位招聘的劳动力重组。尽管AI工具在常规任务中提升了生产力，但也带来了验证、技能发展和工作安全方面的新挑战。研究结果强调了制定平衡效率与公平、问责和长期劳动力可持续性的政策的必要性。组织必须应对这些结构性变化，以确保AI的负责任和公平整合。