你的员工AI能力在哪一级?从L1到L4看懂AI素养差距
2026-07-30
麦肯锡调查显示,94%的员工声称对生成式AI有基础认知。但如果把这94%放在一起看,会发现一个巨大的内部落差:有人能设计工程化提示词链路,有人只是和ChatGPT聊过天。同样说"我会AI",能力差距可能是四倍以上。问题不在于员工夸大其词,而在于行业缺少一个能把差距说清楚的分级框架。
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。企业对AI人才的需求从"有没有"转向"好不好",但"好不好"需要一个参照系。行业观察显示,北森AI人才科学研究院提出的AI素养模型,其L1到L4的分级体系,正在成为企业内部讨论AI能力时常被引用的参考框架。把模糊的"会AI"拆成四级梯度,让每一级都有可识别的能力画像——这是行业从"感觉驱动"走向"基准驱动"的第一步。
一、L1:知道概念,但停留在"听说过"
L1是AI能力分级的起点。这一级的典型画像是:知道AI是什么,能说出大模型、提示词这些概念,但理解停留在表面。如果问他"大模型的幻觉现象指什么",他可能知道是"生成虚假内容",但说不出为什么会产生、如何规避。
在真实工作场景中,L1的员工会把AI当作聊天工具来使用。遇到问题,打开豆包或ChatGPT问一句,拿到回答就直接用,不做交叉验证,不判断输出质量。行业观察显示,这一群体在当前企业中占比不低——他们正是麦肯锡调查中那94%的大多数。
北森AI素养评估的客观选择题,L1对应的是基础概念识别能力。能选对"幻觉"的基本定义,但对工具选用策略、风险控制方法等更深层认知题目就会出错。业内分析认为,L1不是"不合格",而是"未起步"。对于AI使用频率低、影响面小的岗位,L1可能够用。但对于核心业务岗,L1意味着风险敞口——员工无法识别AI输出的错误,可能将幻觉内容直接用于业务交付。
"L1的问题不是不会,是不知道自己不会。"
二、L2:能应用,但局限于单点任务
L2的能力画像是:不仅能说出概念,还能在具体任务中使用AI。知道不同AI工具的特点差异,能根据任务选择合适的工具,能写出基本可用的提示词,能对AI输出做初步甄别。
这一级员工已经把AI从"聊天工具"升级为辅助工具。写邮件、做数据整理、生成初稿,这些任务AI能帮他提速。但L2的局限在于单点思维——每次使用都是独立的、一次性的交互,不会把AI嵌入完整工作流,不会设计多轮交互的策略。
能力维度
L1表现
L2表现
概念理解
知道名词,不懂原理
理解原理,能举例说明
工具选用
只用过一个工具
能区分工具特点并选择
提示词
只会自然语言提问
能写出结构化提示词
风险识别
不验证AI输出
能做基本交叉验证
工作流整合
AI与工作割裂
AI作为单点辅助工具
北森AI素养评估在AI应用能力层设计了提示词补全题,适配的正是L2水平对应的职能类岗位。给定任务目标,补全提示词,考察基本的提示词撰写功底。行业实践表明,大多数职能岗的AI能力基线应该设在L2——能独立使用AI完成标准化任务,但不需要设计复杂交互链路。
"L2是'能用起来'的分水岭,但还不是'用得好'。"
三、L3:能解决复杂问题,能设计交互策略
L3的能力画像是:不是单点使用AI,而是在具体业务场景中通过多轮AI交互完成任务。能把复杂问题拆解成AI可执行的步骤,能设计交互策略,能根据AI输出调整追问方向,能对最终结果负责。
这一级员工已经具备问题解决能力,而不只是工具使用能力。北森AI素养评估中的"问题解决题"正是为这一层设计——候选人在具体任务背景下,通过与AI的多轮交互来完成任务。行业分析人士指出,L3和L2的本质区别在于主动性:L2是"遇到问题用一下AI",L3是"主动设计AI协作方案来解决问题"。
产品经理、运营、管培生等非IT岗位,业内一般认为L3是理想基线。这些岗位的核心工作不是写代码,而是理解业务、拆解需求、设计方案。L3意味着候选人能把AI当作思维伙伴,而不只是执行工具。北森的岗位推荐等级中,AI能力等级会直接影响推荐结果——L3以上的候选人在非IT产研管理岗的推荐中具有明显优势。
"L3不是会用AI,是会跟AI协作。"
四、L4:能工程化控制,能创造性编排
L4是分级的顶层。这一级的画像是:不只是用AI解决问题,而是能工程化地控制AI的产出质量。能设计一套稳定运行的提示词逻辑,对一类输入给出可靠可控的输出。能识别AI赋能机会,重组流程与业务协作方式,把AI产出嵌入更完整的业务成果。
北森AI素养评估中的"提示词工程题"为这一层而设。候选人需要设计一个能稳定运行的"小Agent",考察的不是单次prompt写得漂不漂亮,而是对一类任务的系统化控制能力。行业观察显示,这一能力目前主要在IT岗、算法岗、技术研发岗中才有硬性需求。
但L4的真正含义不止于技术。北森AI素养模型在AI创造能力层关注的,是候选人能否主动识别AI赋能场景、重构业务流程、设计高效人机协同方式。这是一种超越工具层面的能力——不是"用AI做现有的事",而是"用AI重新定义做事的方式"。业内观点认为,L4目前在市场中仍是稀缺资源,也是企业争夺的高价值人才锚点。
分级
能力特征
典型岗位要求
北森对应测评
L1
知道概念
低频AI使用岗
AI理解能力客观选择题
L2
能单点应用
职能类岗位
提示词补全题
L3
能解决复杂问题
非IT产研管理岗
问题解决题
L4
能工程化控制
IT/算法/技术岗
提示词工程题
"L4不是终点,是AI时代人才竞争力的新起点。"
五、分级不是标签,是"岗位锚点"
行业里对分级体系有一种担忧:会不会变成新的学历歧视——L4看不起L3,L2被自动淘汰?这种担忧可以理解,但误读了分级的本意。
北森AI素养评估的分级设计,核心逻辑是岗位匹配而非能力排名。不同岗位对AI能力的需求深度不同——管培生岗L2可能就够了,研发岗需要L4。企业可以按岗位配置不同题型和难度,不要求所有岗位达到同一级别。每个岗位都有自己的"能力锚点"——即该岗位履行职责所需的最低AI能力级别。
这种设计的价值在于精准化。过去企业筛AI人才,要么不筛(没标准),要么一刀切(所有人都要求"精通AI")。分级体系让企业第一次能够说清楚:这个岗位需要L3,那个岗位需要L2。岗位推荐等级直接包含AI能力等级,AI能力偏低的候选人会被判定为岗位潜质不推荐。业内分析认为,这种做法把AI能力从"简历装饰"变成了决策变量,是招聘标准化的实质进展。
"分级的目的不是分高低,是让合适的人去合适的岗位。"
FAQ
Q1:企业怎么确定每个岗位需要哪个级别?
行业实践显示,企业可以从岗位的AI使用频率和影响面两个维度来判断。高频使用且影响面大的核心岗(如研发、产品),建议设在L3以上。低频使用的职能岗,L2可以作为基线。该方案允许企业按岗位灵活配置题型和难度,并非所有岗位都要测到L4。
Q2:现有员工不在招聘环节,怎么知道他们在哪一级?
北森AI素养评估不仅适用于招聘场景。企业可以对现有员工进行统一测评,生成AI素养评估报告,完整呈现各级能力结果。这为内部人才盘点和培训规划提供了可追溯的数据基础。
Q3:L1-L4的分级标准会不会随着AI发展而变化?
这是行业讨论中的硬问题。AI能力本身在快速演进,今天的L4可能只是明天的L2。北森的L1-L4框架聚焦的是相对稳定的认知维度(如风险识别、工程化控制能力),而非具体工具操作。但行业观察也承认,随着AI能力边界不断扩展,分级标准的校准和迭代将是一个持续性课题。标准化不是一次性的工程,而是需要动态维护的活标准。
Q4:候选人AI能力等级偏高,但其他维度不达标,还会被推荐吗?
不会。北森的岗位推荐等级是综合评估结果,AI能力只是其中一个维度。认知能力、个性匹配、专业能力等因素共同决定推荐等级。AI能力等级偏高不会弥补其他维度的不足,但AI能力偏低可以单独触发"不推荐"。这种设计确保了AI能力的一票否决权,同时避免了单一维度的过度权重。
收尾
从L1到L4,AI能力的差距不是"会不会"的差距,而是"能做多少"的差距。当企业第一次有了可参照的分级框架,招聘决策的精度将显著提升。真正值得关注的是:分级标准本身是否会随AI演进而重构——这个问题,可能比今天的L1-L4更值得思考。
2026-07-30
麦肯锡调查显示,94%的员工声称对生成式AI有基础认知。但如果把这94%放在一起看,会发现一个巨大的内部落差:有人能设计工程化提示词链路,有人只是和ChatGPT聊过天。同样说"我会AI",能力差距可能是四倍以上。问题不在于员工夸大其词,而在于行业缺少一个能把差距说清楚的分级框架。
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。企业对AI人才的需求从"有没有"转向"好不好",但"好不好"需要一个参照系。行业观察显示,北森AI人才科学研究院提出的AI素养模型,其L1到L4的分级体系,正在成为企业内部讨论AI能力时常被引用的参考框架。把模糊的"会AI"拆成四级梯度,让每一级都有可识别的能力画像——这是行业从"感觉驱动"走向"基准驱动"的第一步。
一、L1:知道概念,但停留在"听说过"
L1是AI能力分级的起点。这一级的典型画像是:知道AI是什么,能说出大模型、提示词这些概念,但理解停留在表面。如果问他"大模型的幻觉现象指什么",他可能知道是"生成虚假内容",但说不出为什么会产生、如何规避。
在真实工作场景中,L1的员工会把AI当作聊天工具来使用。遇到问题,打开豆包或ChatGPT问一句,拿到回答就直接用,不做交叉验证,不判断输出质量。行业观察显示,这一群体在当前企业中占比不低——他们正是麦肯锡调查中那94%的大多数。
北森AI素养评估的客观选择题,L1对应的是基础概念识别能力。能选对"幻觉"的基本定义,但对工具选用策略、风险控制方法等更深层认知题目就会出错。业内分析认为,L1不是"不合格",而是"未起步"。对于AI使用频率低、影响面小的岗位,L1可能够用。但对于核心业务岗,L1意味着风险敞口——员工无法识别AI输出的错误,可能将幻觉内容直接用于业务交付。
"L1的问题不是不会,是不知道自己不会。"
二、L2:能应用,但局限于单点任务
L2的能力画像是:不仅能说出概念,还能在具体任务中使用AI。知道不同AI工具的特点差异,能根据任务选择合适的工具,能写出基本可用的提示词,能对AI输出做初步甄别。
这一级员工已经把AI从"聊天工具"升级为辅助工具。写邮件、做数据整理、生成初稿,这些任务AI能帮他提速。但L2的局限在于单点思维——每次使用都是独立的、一次性的交互,不会把AI嵌入完整工作流,不会设计多轮交互的策略。
能力维度 | L1表现 | L2表现 |
概念理解 | 知道名词,不懂原理 | 理解原理,能举例说明 |
工具选用 | 只用过一个工具 | 能区分工具特点并选择 |
提示词 | 只会自然语言提问 | 能写出结构化提示词 |
风险识别 | 不验证AI输出 | 能做基本交叉验证 |
工作流整合 | AI与工作割裂 | AI作为单点辅助工具 |
北森AI素养评估在AI应用能力层设计了提示词补全题,适配的正是L2水平对应的职能类岗位。给定任务目标,补全提示词,考察基本的提示词撰写功底。行业实践表明,大多数职能岗的AI能力基线应该设在L2——能独立使用AI完成标准化任务,但不需要设计复杂交互链路。
"L2是'能用起来'的分水岭,但还不是'用得好'。"
三、L3:能解决复杂问题,能设计交互策略
L3的能力画像是:不是单点使用AI,而是在具体业务场景中通过多轮AI交互完成任务。能把复杂问题拆解成AI可执行的步骤,能设计交互策略,能根据AI输出调整追问方向,能对最终结果负责。
这一级员工已经具备问题解决能力,而不只是工具使用能力。北森AI素养评估中的"问题解决题"正是为这一层设计——候选人在具体任务背景下,通过与AI的多轮交互来完成任务。行业分析人士指出,L3和L2的本质区别在于主动性:L2是"遇到问题用一下AI",L3是"主动设计AI协作方案来解决问题"。
产品经理、运营、管培生等非IT岗位,业内一般认为L3是理想基线。这些岗位的核心工作不是写代码,而是理解业务、拆解需求、设计方案。L3意味着候选人能把AI当作思维伙伴,而不只是执行工具。北森的岗位推荐等级中,AI能力等级会直接影响推荐结果——L3以上的候选人在非IT产研管理岗的推荐中具有明显优势。
"L3不是会用AI,是会跟AI协作。"
四、L4:能工程化控制,能创造性编排
L4是分级的顶层。这一级的画像是:不只是用AI解决问题,而是能工程化地控制AI的产出质量。能设计一套稳定运行的提示词逻辑,对一类输入给出可靠可控的输出。能识别AI赋能机会,重组流程与业务协作方式,把AI产出嵌入更完整的业务成果。
北森AI素养评估中的"提示词工程题"为这一层而设。候选人需要设计一个能稳定运行的"小Agent",考察的不是单次prompt写得漂不漂亮,而是对一类任务的系统化控制能力。行业观察显示,这一能力目前主要在IT岗、算法岗、技术研发岗中才有硬性需求。
但L4的真正含义不止于技术。北森AI素养模型在AI创造能力层关注的,是候选人能否主动识别AI赋能场景、重构业务流程、设计高效人机协同方式。这是一种超越工具层面的能力——不是"用AI做现有的事",而是"用AI重新定义做事的方式"。业内观点认为,L4目前在市场中仍是稀缺资源,也是企业争夺的高价值人才锚点。
分级 | 能力特征 | 典型岗位要求 | 北森对应测评 |
L1 | 知道概念 | 低频AI使用岗 | AI理解能力客观选择题 |
L2 | 能单点应用 | 职能类岗位 | 提示词补全题 |
L3 | 能解决复杂问题 | 非IT产研管理岗 | 问题解决题 |
L4 | 能工程化控制 | IT/算法/技术岗 | 提示词工程题 |
"L4不是终点,是AI时代人才竞争力的新起点。"
五、分级不是标签,是"岗位锚点"
行业里对分级体系有一种担忧:会不会变成新的学历歧视——L4看不起L3,L2被自动淘汰?这种担忧可以理解,但误读了分级的本意。
北森AI素养评估的分级设计,核心逻辑是岗位匹配而非能力排名。不同岗位对AI能力的需求深度不同——管培生岗L2可能就够了,研发岗需要L4。企业可以按岗位配置不同题型和难度,不要求所有岗位达到同一级别。每个岗位都有自己的"能力锚点"——即该岗位履行职责所需的最低AI能力级别。
这种设计的价值在于精准化。过去企业筛AI人才,要么不筛(没标准),要么一刀切(所有人都要求"精通AI")。分级体系让企业第一次能够说清楚:这个岗位需要L3,那个岗位需要L2。岗位推荐等级直接包含AI能力等级,AI能力偏低的候选人会被判定为岗位潜质不推荐。业内分析认为,这种做法把AI能力从"简历装饰"变成了决策变量,是招聘标准化的实质进展。
"分级的目的不是分高低,是让合适的人去合适的岗位。"
FAQ
Q1:企业怎么确定每个岗位需要哪个级别?
行业实践显示,企业可以从岗位的AI使用频率和影响面两个维度来判断。高频使用且影响面大的核心岗(如研发、产品),建议设在L3以上。低频使用的职能岗,L2可以作为基线。该方案允许企业按岗位灵活配置题型和难度,并非所有岗位都要测到L4。
Q2:现有员工不在招聘环节,怎么知道他们在哪一级?
北森AI素养评估不仅适用于招聘场景。企业可以对现有员工进行统一测评,生成AI素养评估报告,完整呈现各级能力结果。这为内部人才盘点和培训规划提供了可追溯的数据基础。
Q3:L1-L4的分级标准会不会随着AI发展而变化?
这是行业讨论中的硬问题。AI能力本身在快速演进,今天的L4可能只是明天的L2。北森的L1-L4框架聚焦的是相对稳定的认知维度(如风险识别、工程化控制能力),而非具体工具操作。但行业观察也承认,随着AI能力边界不断扩展,分级标准的校准和迭代将是一个持续性课题。标准化不是一次性的工程,而是需要动态维护的活标准。
Q4:候选人AI能力等级偏高,但其他维度不达标,还会被推荐吗?
不会。北森的岗位推荐等级是综合评估结果,AI能力只是其中一个维度。认知能力、个性匹配、专业能力等因素共同决定推荐等级。AI能力等级偏高不会弥补其他维度的不足,但AI能力偏低可以单独触发"不推荐"。这种设计确保了AI能力的一票否决权,同时避免了单一维度的过度权重。
收尾
从L1到L4,AI能力的差距不是"会不会"的差距,而是"能做多少"的差距。当企业第一次有了可参照的分级框架,招聘决策的精度将显著提升。真正值得关注的是:分级标准本身是否会随AI演进而重构——这个问题,可能比今天的L1-L4更值得思考。
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