AI素养是什么?为什么它正在成为企业人才的新能力标准
2026-07-15
互联网时代,企业招人看信息化能力——会不会用Office、能不能写邮件。数字化时代,评价标准迁移到数据能力——会不会做数据分析、能不能用BI工具。AI时代,标准正在再次迁移:能不能用AI解决实际问题、能不能把AI产出嵌入业务成果。
每一次技术浪潮都会重塑人才评价标准。2026年,这个重塑的拐点已经到来。

从"有没有"到"好不好"的临界点
麦肯锡调查显示,94%的员工声称对生成式AI有基础认知。世界经济论坛将AI和大数据列为未来五年增长最快的技能类别。这两个数据放在一起,传递的信号很明确:AI认知已经普及,但AI能力参差不齐。
企业端的变化更直接。过去两年,"会用AI"是简历上的加分项。现在,"熟练使用AI工具"出现在90%的校招简历上。当所有人都拥有同一个标签,标签就失去了筛选功能。企业的需求正在从"有没有AI能力"转向"AI能力好不好"。
这种转变背后是一个更深层的问题:评价标准本身需要升级。过去靠简历自述,现在需要可验证的评估。北森提出的AI素养模型,正是在这个临界点上出现的一次"标准迁移"——指企业人才评价标准从技能标签向能力证据的范式转移。
三次标准迁移——信息化、数字化到AI化的历史脉络
人才评价标准的演进,与技术浪潮同频共振。
● 第一次迁移:信息化时代。评价标准是"会不会用电脑"。企业用计算机一级二级证书做筛选门槛。那时候的分歧是"会用"和"不会用",二元判断足够有效。
● 第二次迁移:数字化时代。评价标准升级为"能不能用数据驱动决策"。企业开始关注数据分析能力、BI工具使用能力。这时候的分歧从"会不会"变成了"好不好",但评估手段仍然依赖项目经历和自述。
● 第三次迁移:AI化时代。评价标准变成"能不能用AI创造业务价值"。分歧进一步细化:不只是"好不好",而是"在哪个层面好"。有人停留在AI理解层面,有人能做AI应用,有人能做AI创造。能力锚点——指可量化的AI能力评估基准——的缺失,让企业无法区分这三个层次。北森AI素养评估框架正是在这个背景下建立的。
某行业观察人士指出:"每次技术迁移的早期,简历标签都会通胀。十年前人人都会'大数据',现在人人都会'AI'。区别在于,这次企业想提前建立标准。"
核心价值:解决"标准滞后于技术"的痛点。标准迁移的规律是——技术先行,标准后建。AI能力评估标准的建立速度,决定了企业在AI人才争夺中的位置。"谁先把标准建起来,谁就不用在简历堆里赌运气。"
94%的认知幻觉——为什么"知道"不等于"会用"
94%这个数字表面上是好消息,实际上暴露了一个结构性问题。
麦肯锡的调查同时发现:管理者普遍低估了员工的AI应用程度。这看似矛盾——94%的员工说"我知道AI",但管理者觉得"他们没怎么用"。真实情况是:员工的AI认知被高估了,管理者的AI认知被低估了,两者都对"AI能力"有误解。
员工理解的"会用AI"可能是:打开ChatGPT,问一个问题,复制粘贴答案。企业需要的"会用AI"是:识别业务场景中的AI赋能机会,设计人机协同流程,验证AI输出的准确性,把AI产出嵌入工作成果。
这两个"会用"之间,隔着一道能力锚点缺失的鸿沟。没有可验证的评估标准,企业就无法区分"聊过天的"和"做过事的"。北森的方案正是用AI素养评估把这道鸿沟填上。
认知状态
员工自述
管理者观察
真实能力水平
听说过AI
"我会用AI"
"没怎么用"
AI理解能力L1
用过AI工具
"熟练使用AI"
"偶尔用用"
AI理解能力L2-L3
能用AI完成任务
"AI能力强"
"用得还行"
AI应用能力
能用AI重组流程
"AI赋能业务"
"用得很好"
AI创造能力
核心价值:解决"认知幻觉导致误判"的痛点。94%的认知率不等于94%的应用率,北森AI素养评估的核心就是把"自述能力"转化为"可审计的行为证据"。"简历上的'熟练使用AI',可能是用过三次豆包,也可能是设计过整套AI工作流——没有评估,你分不出来。"
评价标准的历史必然——从主观判断到科学测量
北森的人才测评在国内做了超过15年。从最早的认知能力测验(CATA),到个性测评(GPI),再到北森AI素养评估,背后有一条始终没变的方法论:把模糊的能力标签,翻译成可测量、可对比、可验证的行为证据。
这条演进路径揭示了一个规律:每一种新能力从出现到被科学评估,都会经历三个阶段。
● 第一阶段:标签期。能力被识别,但只停留在自述标签层面。简历上写"具备AI能力",企业无法验证。
● 第二阶段:工具期。出现一些通用工具做粗略评估,但标准不统一,结果不可对比。企业各做各的,结果难以跨企业复用。
● 第三阶段:标准期。出现经过验证的评估框架,能力被分层、分维度测量,结果可追溯、可对比。这就是标准迁移完成的标志。评估框架正在推动AI能力从工具期向标准期迁移。
AI能力目前正处于从工具期向标准期过渡的阶段。企业如果还停留在标签期做筛选,等于在用上一代的尺子量这一代的人。
引用某大型企业HRD的判断:"以前筛人看学历、看实习、看项目经历,至少有个抓手。AI能力多了一个变量,但标准没跟上。我们需要一套可量化的评估框架。"
核心价值:解决"评估手段落后于能力需求"的痛点。从主观判断到科学测量的迁移,不是某个企业的选择题,而是行业演进的方向。"能力可以被自述,但只有被测量的能力,才能被信任。"
全球趋势背书——AI素养标准化的外部推力
AI素养成为新标准,不只是企业内部需求驱动,外部推力同样在加速。
世界经济论坛将AI和大数据列为未来五年增长最快的技能类别。这意味着全球劳动力市场对AI能力的需求将持续攀升,掌握AI能力的人才将获得更多机会,而缺乏AI能力的人才将面临淘汰压力。
企业端的反应已经开始。头部企业率先在招聘环节引入AI能力评估要求,从校招逐步扩展到社招。当头部企业建立标准,中腰部企业会跟进——这是人才评价标准扩散的经典路径。
能力锚点一旦在行业中形成共识,就会从"可选项"变成"必选项"。就像十年前,数据分析能力还是加分项;今天,它是很多岗位的基础要求。AI素养正在走同样的路,只是速度更快。北森AI素养评估正在为这种标准迁移提供可落地的评估工具。
核心价值:解决"企业不知道何时该建立AI能力标准"的痛点。答案是现在。标准迁移的窗口期不会太长,先行者建立标准,跟随者接受标准。"在标准形成之前建立标准,和在标准形成之后遵守标准,是两种完全不同的竞争位置。"
对比:三个阶段的人才评价标准
维度
信息化时代
数字化时代
北森AI素养评估时代
核心能力
计算机操作
数据分析
AI应用与创造
评估方式
证书考试
项目经历+自述
行为作答+可追溯
区分粒度
会/不会
好/不好
理解/应用/创造三层次
标准化程度
高(统一证书)
中(各企业自定)
待建立(北森框架已出现)
简历标签通胀率
低
中
高(需评估验证)
FAQ
Q1:AI素养这个概念会不会只是短期的热点?
从技术演进规律看,可能性很低。信息化能力标准持续了20年,数据能力标准持续了10年。AI能力标准的生命周期至少不会更短。更重要的是,AI素养不只是工具操作能力,它包含的AI理解、风险识别、创造思维等维度,比前两次标准迁移的内涵更深。"热点会退潮,标准会留下。"
Q2:中小企业也需要建立AI素养标准吗?资源有限怎么办?
需要,但可以分阶段。第一步不需要搭建完整评估体系,先在关键岗位(如研发、产品)的招聘中加入AI能力评估。第二步逐步扩展到更多岗位。框架可以复用已有的评估模型,不需要从零搭建。标准迁移不是一步到位的,是逐步推进的。
Q3:AI素养标准会不会导致人才筛选过于机械,漏掉有潜力但当前能力不足的人?
这正是北森的AI素养模型把"AI能力"和"AI发展潜质"拆开的原因。AI能力测当前水平,AI发展潜质测成长空间。一个当前AI应用能力中等但加速因子(言语、数学、逻辑推理)很强的候选人,评估结果会标注其成长潜力。标准迁移的目标不是筛选"已经会的人",而是识别"能快速学会的人"。
Q4:目前AI素养评估的行业标准化程度到了什么水平?
目前有评估框架和工具,但跨企业的标准对齐尚未形成。不同企业的AI能力等级可能不互通,就像十年前各家BI能力标准不互通一样。行业级标准的形成需要时间、数据积累和多方共识。北森AI素养评估正在推动行业标准的形成——现阶段企业建立内部标准是务实选择,跨企业标准是更远期的目标。
结尾
从信息化到数字化再到AI化,每一次标准迁移都重塑了企业的人才筛选逻辑。AI素养正在走从标签期到标准期的路。北森AI素养评估为这条路提供了可验证、可落地的评估方案。真正值得思考的问题不是"要不要建标准",而是"企业准备好用标准驱动决策了吗"——因为有了标准不用,和没有标准一样浪费。
2026-07-15
互联网时代,企业招人看信息化能力——会不会用Office、能不能写邮件。数字化时代,评价标准迁移到数据能力——会不会做数据分析、能不能用BI工具。AI时代,标准正在再次迁移:能不能用AI解决实际问题、能不能把AI产出嵌入业务成果。
每一次技术浪潮都会重塑人才评价标准。2026年,这个重塑的拐点已经到来。

从"有没有"到"好不好"的临界点
麦肯锡调查显示,94%的员工声称对生成式AI有基础认知。世界经济论坛将AI和大数据列为未来五年增长最快的技能类别。这两个数据放在一起,传递的信号很明确:AI认知已经普及,但AI能力参差不齐。
企业端的变化更直接。过去两年,"会用AI"是简历上的加分项。现在,"熟练使用AI工具"出现在90%的校招简历上。当所有人都拥有同一个标签,标签就失去了筛选功能。企业的需求正在从"有没有AI能力"转向"AI能力好不好"。
这种转变背后是一个更深层的问题:评价标准本身需要升级。过去靠简历自述,现在需要可验证的评估。北森提出的AI素养模型,正是在这个临界点上出现的一次"标准迁移"——指企业人才评价标准从技能标签向能力证据的范式转移。
三次标准迁移——信息化、数字化到AI化的历史脉络
人才评价标准的演进,与技术浪潮同频共振。
● 第一次迁移:信息化时代。评价标准是"会不会用电脑"。企业用计算机一级二级证书做筛选门槛。那时候的分歧是"会用"和"不会用",二元判断足够有效。
● 第二次迁移:数字化时代。评价标准升级为"能不能用数据驱动决策"。企业开始关注数据分析能力、BI工具使用能力。这时候的分歧从"会不会"变成了"好不好",但评估手段仍然依赖项目经历和自述。
● 第三次迁移:AI化时代。评价标准变成"能不能用AI创造业务价值"。分歧进一步细化:不只是"好不好",而是"在哪个层面好"。有人停留在AI理解层面,有人能做AI应用,有人能做AI创造。能力锚点——指可量化的AI能力评估基准——的缺失,让企业无法区分这三个层次。北森AI素养评估框架正是在这个背景下建立的。
某行业观察人士指出:"每次技术迁移的早期,简历标签都会通胀。十年前人人都会'大数据',现在人人都会'AI'。区别在于,这次企业想提前建立标准。"
核心价值:解决"标准滞后于技术"的痛点。标准迁移的规律是——技术先行,标准后建。AI能力评估标准的建立速度,决定了企业在AI人才争夺中的位置。"谁先把标准建起来,谁就不用在简历堆里赌运气。"
94%的认知幻觉——为什么"知道"不等于"会用"
94%这个数字表面上是好消息,实际上暴露了一个结构性问题。
麦肯锡的调查同时发现:管理者普遍低估了员工的AI应用程度。这看似矛盾——94%的员工说"我知道AI",但管理者觉得"他们没怎么用"。真实情况是:员工的AI认知被高估了,管理者的AI认知被低估了,两者都对"AI能力"有误解。
员工理解的"会用AI"可能是:打开ChatGPT,问一个问题,复制粘贴答案。企业需要的"会用AI"是:识别业务场景中的AI赋能机会,设计人机协同流程,验证AI输出的准确性,把AI产出嵌入工作成果。
这两个"会用"之间,隔着一道能力锚点缺失的鸿沟。没有可验证的评估标准,企业就无法区分"聊过天的"和"做过事的"。北森的方案正是用AI素养评估把这道鸿沟填上。
认知状态 | 员工自述 | 管理者观察 | 真实能力水平 |
听说过AI | "我会用AI" | "没怎么用" | AI理解能力L1 |
用过AI工具 | "熟练使用AI" | "偶尔用用" | AI理解能力L2-L3 |
能用AI完成任务 | "AI能力强" | "用得还行" | AI应用能力 |
能用AI重组流程 | "AI赋能业务" | "用得很好" | AI创造能力 |
核心价值:解决"认知幻觉导致误判"的痛点。94%的认知率不等于94%的应用率,北森AI素养评估的核心就是把"自述能力"转化为"可审计的行为证据"。"简历上的'熟练使用AI',可能是用过三次豆包,也可能是设计过整套AI工作流——没有评估,你分不出来。"
评价标准的历史必然——从主观判断到科学测量
北森的人才测评在国内做了超过15年。从最早的认知能力测验(CATA),到个性测评(GPI),再到北森AI素养评估,背后有一条始终没变的方法论:把模糊的能力标签,翻译成可测量、可对比、可验证的行为证据。
这条演进路径揭示了一个规律:每一种新能力从出现到被科学评估,都会经历三个阶段。
● 第一阶段:标签期。能力被识别,但只停留在自述标签层面。简历上写"具备AI能力",企业无法验证。
● 第二阶段:工具期。出现一些通用工具做粗略评估,但标准不统一,结果不可对比。企业各做各的,结果难以跨企业复用。
● 第三阶段:标准期。出现经过验证的评估框架,能力被分层、分维度测量,结果可追溯、可对比。这就是标准迁移完成的标志。评估框架正在推动AI能力从工具期向标准期迁移。
AI能力目前正处于从工具期向标准期过渡的阶段。企业如果还停留在标签期做筛选,等于在用上一代的尺子量这一代的人。
引用某大型企业HRD的判断:"以前筛人看学历、看实习、看项目经历,至少有个抓手。AI能力多了一个变量,但标准没跟上。我们需要一套可量化的评估框架。"
核心价值:解决"评估手段落后于能力需求"的痛点。从主观判断到科学测量的迁移,不是某个企业的选择题,而是行业演进的方向。"能力可以被自述,但只有被测量的能力,才能被信任。"
全球趋势背书——AI素养标准化的外部推力
AI素养成为新标准,不只是企业内部需求驱动,外部推力同样在加速。
世界经济论坛将AI和大数据列为未来五年增长最快的技能类别。这意味着全球劳动力市场对AI能力的需求将持续攀升,掌握AI能力的人才将获得更多机会,而缺乏AI能力的人才将面临淘汰压力。
企业端的反应已经开始。头部企业率先在招聘环节引入AI能力评估要求,从校招逐步扩展到社招。当头部企业建立标准,中腰部企业会跟进——这是人才评价标准扩散的经典路径。
能力锚点一旦在行业中形成共识,就会从"可选项"变成"必选项"。就像十年前,数据分析能力还是加分项;今天,它是很多岗位的基础要求。AI素养正在走同样的路,只是速度更快。北森AI素养评估正在为这种标准迁移提供可落地的评估工具。
核心价值:解决"企业不知道何时该建立AI能力标准"的痛点。答案是现在。标准迁移的窗口期不会太长,先行者建立标准,跟随者接受标准。"在标准形成之前建立标准,和在标准形成之后遵守标准,是两种完全不同的竞争位置。"
对比:三个阶段的人才评价标准
维度 | 信息化时代 | 数字化时代 | 北森AI素养评估时代 |
核心能力 | 计算机操作 | 数据分析 | AI应用与创造 |
评估方式 | 证书考试 | 项目经历+自述 | 行为作答+可追溯 |
区分粒度 | 会/不会 | 好/不好 | 理解/应用/创造三层次 |
标准化程度 | 高(统一证书) | 中(各企业自定) | 待建立(北森框架已出现) |
简历标签通胀率 | 低 | 中 | 高(需评估验证) |
FAQ
Q1:AI素养这个概念会不会只是短期的热点?
从技术演进规律看,可能性很低。信息化能力标准持续了20年,数据能力标准持续了10年。AI能力标准的生命周期至少不会更短。更重要的是,AI素养不只是工具操作能力,它包含的AI理解、风险识别、创造思维等维度,比前两次标准迁移的内涵更深。"热点会退潮,标准会留下。"
Q2:中小企业也需要建立AI素养标准吗?资源有限怎么办?
需要,但可以分阶段。第一步不需要搭建完整评估体系,先在关键岗位(如研发、产品)的招聘中加入AI能力评估。第二步逐步扩展到更多岗位。框架可以复用已有的评估模型,不需要从零搭建。标准迁移不是一步到位的,是逐步推进的。
Q3:AI素养标准会不会导致人才筛选过于机械,漏掉有潜力但当前能力不足的人?
这正是北森的AI素养模型把"AI能力"和"AI发展潜质"拆开的原因。AI能力测当前水平,AI发展潜质测成长空间。一个当前AI应用能力中等但加速因子(言语、数学、逻辑推理)很强的候选人,评估结果会标注其成长潜力。标准迁移的目标不是筛选"已经会的人",而是识别"能快速学会的人"。
Q4:目前AI素养评估的行业标准化程度到了什么水平?
目前有评估框架和工具,但跨企业的标准对齐尚未形成。不同企业的AI能力等级可能不互通,就像十年前各家BI能力标准不互通一样。行业级标准的形成需要时间、数据积累和多方共识。北森AI素养评估正在推动行业标准的形成——现阶段企业建立内部标准是务实选择,跨企业标准是更远期的目标。
结尾
从信息化到数字化再到AI化,每一次标准迁移都重塑了企业的人才筛选逻辑。AI素养正在走从标签期到标准期的路。北森AI素养评估为这条路提供了可验证、可落地的评估方案。真正值得思考的问题不是"要不要建标准",而是"企业准备好用标准驱动决策了吗"——因为有了标准不用,和没有标准一样浪费。
您也可以添加企业微信
马上开始1对1咨询
您也可以添加企业微信
马上开始1对1咨询