AI Works - 以人为本的技能试点，探索英国工作场所的 AI 采纳
快速导航
标签
分享幻灯片
AI Works - 以人为本的技能试点，探索英国工作场所的 AI 采纳
每张幻灯片页面的详细视图，包括布局、关键内容和视觉元素。
标题页，以彩色的“AI Works”徽标（带复选标记）为特色，标语是关于以人为本的技能试点，探索在工作场所采用 AI，以及 Google 品牌标识
简洁的封面设计，带有大型 AI Works 徽标、副标题文本和底部的 Google 徽标
综合目录列表，包含页码，涵盖简介、主要发现、执行摘要、建议、方法论、调查结果以及三个行业试点深入研究（教育、工会成员、中小企业）
双栏布局，左侧为绿色侧边栏，包含目录列表，右侧为视频缩略图和道德研究说明
章节介绍页面，带有大型“01”数字图形和副标题，描述了主要发现、研究方法和政策建议的概述
左侧为大型彩色“01”数字，右侧为工作坊参与者的黑白照片
Rachel Wolf（Public First 创始合伙人）和 Debbie Weinstein（Google EMEA 总裁）的双重前言，解释了 AI 采用的挑战、4000 亿英镑的经济机会以及新兴的采用差距
双栏布局，包含两位领导人的引言，强调了生产力机会和采取有意识行动的必要性
以可视卡片格式呈现的七个主要发现，涵盖：AI 习惯容易形成，技能提升缩小采用差距，“提示”权限，习惯形成导致实验，乐观与使用之间的正相关关系，AI 采用提高幸福感，以及节省的时间超过估计
网格布局，包含七个发现卡片，大型标注框突出显示关于培训有效性的核心见解
以英国 4000 亿英镑的 AI 经济机会开篇，指出其中 2000 亿英镑取决于劳动力的采用。详细说明当前状态：34% 的工人使用 AI，66% 的工人不使用 AI，存在显着的人口统计差异
文本密集的页面，带有项目符号，包括显示采用统计的数据可视化
描述了试点计划的方法：与三个关键行业（教育、中小企业、工会）合作，测量 2.5-5 小时培训前后的态度，并在三个月后进行跟进以测量行为变化
带有嵌入照片的文本内容，照片显示了在桌旁进行培训的多元化参与者
详细说明了培训的影响：工会成员的使用量增加了两倍，中小企业和教师的使用量增加了一倍。显示了 10:1 的 ROI，而 Lifetime Skills Guarantee 的 ROI 为 1:2。突出显示了人口结构转型，并提供了关于女性和年长工人的详细统计数据
跨页，带有显示 45% 统计数据的大型信息图表和 Google 活动照片
记录了态度变化：80%+ 的人对 AI 的能力感到惊讶，70% 的人独立发现了新的用例，各组人群的乐观情绪提高了 13-22 个百分点。详细说明了幸福感益处，每年可节省 122 小时的时间
左右分栏页面，右侧为文本，左侧为显示热情参与者的大型照片
针对产业战略和 Skills England 的政策建议，包括：企业需要 AI 工具/技能/指南方面的支持，Skills England 应该创建微证书系统，需要模块化培训认可
跨页，右侧为建议文本，左侧为引人入胜的培训照片，显示演示
政府建议：保证所有公共部门工作人员的 AI 培训，启动更大规模的试验，在每个部门任命 AI 负责人，将 AI 整合到公务员快速通道 (Civil Service Fast Stream) 中，评估数字快速通道 (Digital Fast Stream) 的覆盖范围
包含公共部门工作人员肖像照片的持续建议部分
介绍部分，解释了为什么 AI 的经济潜力在很大程度上仍未被挖掘，以及英国面临的风险。带有黑白参与者照片的大型“02”章节编号
带有大型彩色数字图形和纪实摄影的章节分隔符
讨论英国 4000 亿英镑的 AI 机会、技术采用挑战、与 G7 相比的生产力滞后、数字鸿沟风险，并指出这是打破缓慢采用周期的机会
带有引言标注和参考文献的单列文本
数据可视化，显示按人口统计划分的工作中生成式 AI 的使用情况：35 岁以下男性（最高）和 55 岁以上女性（最低 - 使用 AI 的可能性低四倍）之间存在巨大差距
带有六个人口统计类别（显示在工作中使用了生成式 AI 工具的百分比）的条形图
第二个图表显示 AI 的使用与收入密切相关，从最低收入者的 10-20% 上升到收入 10 万英镑以上者的 70%。指出 34% 的人在工作中使用 AI，并且采用者使用频率很高
显示收入范围和使用百分比的折线/面积图，带有支持文本
介绍方法论部分，解释试点项目的设计，以识别 AI 采用的障碍并测试有针对性的培训。大的“03”章节编号
分栏页面，带有大的数字图形和两个参与者协作的纪实照片
详细的研究方法：对 18 位利益相关者进行专家访谈，为三个部门（教育/中小企业/工会）制定假设，在 2024 年 8 月和 2025 年 3 月对 3,100 名工人进行情况调查
带有文本框和参与者照片的时间线/流程图
从 4 月到 3 月的综合时间表，显示：基线研究、部门假设、情况分析、培训前分析、培训交付（12 月）、培训后研究、3 个月的影响分析和后续情况调查
带有连接阶段的水平时间线，每个阶段的详细描述
描述与 LEO Academy Trust、Lift Schools、Community union 和 Enterprise Nation 的合作关系。详细的培训结构：2.5-5 小时的定制支持，根据每个部门的工作场所环境量身定制
双栏布局，包含培训详情和合作伙伴信息
解释三个阶段的评估：培训前调查/焦点小组、培训后调查/焦点小组和 3 个月的后续行动。注意到不同队列之间的各种干预措施以获得丰富的见解，并进行统计显着性检验
带有嵌入式参与培训的参与者照片的文本描述
介绍调查结果部分，说明简短的培训如何显著提高 AI 的使用率，并对采用产生持久影响。大型“04”章节标记
章节分隔符，带有大型彩色数字和参与者肖像
主要发现是，感知到的相关性是最大的障碍，而不是能力/复杂性。指出信心仍然很高 (80% 以上)，但大多数人认为 AI 与他们的角色无关。双重挑战：看不到应用，并且在没有立即获得好处后放弃
文本内容，其中嵌入的数据显示，在使用 AI 的人中，每日使用率为 44%
前后对比图显示，培训后立即预期 AI 使用量显着增加：从所有队列的“从不”类别转变为每天多次类别
堆叠条形图，比较“参加培训前”与“预期未来使用量”，并使用颜色编码的频率类别
条形图显示了三个队列中增加使用量的主要原因：节省时间的好处 (54-72%)、对有用性的更好理解 (61-69%)、了解如何有效使用 (43-63%)、实验信心 (43-59%)
水平条形图，比较具有多个响应类别的三个队列
显示了三个月后所有三个队列的预测使用量与实际使用量。最小的下降，具有一致的模式：工会 (9%→57%→35%)、教育 (19%→57%→47%)、SMB (29%→59%→60%)。突出显示了女性和 55 岁以上工人的 demographic 转型
每个队列的三条比较图，显示了培训前/预测/实际使用量，以及证明引言
堆叠条形图显示了各个队列每周节省的时间：大多数人每周节省 1-3 小时，有些人节省 4-6 小时，转化为每年 122 小时 - 超过 100 小时模型估计的 22%
100% 堆叠条形图，具有节省时间的类别，以及支持文本和嵌入的照片
条形图显示了培训前与普通人群的信心水平。记录表明，参与者开始时的信心较低，但培训显着提高了流畅性。3 个月后，70% 的人发现了新的用例，48% 的人用于集思广益，54% 的人用于总结
水平条形图，比较不同工人组的信心，并附有证明引言
条形图显示了各个队列在各种任务中未来 AI 的使用意图。突出显示了对细微差别的理解和负责任的实践的发展。包括 Google 的安全方法侧边栏
按任务类型分组的条形图，具有三个队列的比较，以及 Google 安全信息面板
配对条形图显示了培训后技术乐观情绪的显着增加：教育 +22 分 (66%→87%)、SMB +13 分、工会 +9 分。将使用量的增加与对技术社会影响的乐观情绪联系起来
四个组的培训前后条形图比较，带有支持文本和参与者肖像
记录了 AI 如何增强神经多样性个体、特殊需要教育、非英语母语者和有学习差异的人的可访问性和包容性。关于 AI 作为支持系统的多个证明
文本繁重的页面，带有三个有力的证明引言和支持照片
详细说明了培训有效的原因：互动式实践课程、真实应用场景的实际演示、量身定制的特定行业内容以及 AI 提示会话。指出在线交付与面对面交付之间没有显著差异
包含参与者互动照片的文本，展示小组学习
教育深入研究的章节分隔，显示大的“02”数字、标题幻灯片以及 LEO Academy Trust 和 Lift Schools 的合作伙伴徽标
简洁的章节分隔，带有品牌宣传和参与者照片
七点总结：AI 培训对教师来说优先级较低（只有 22% 的人选择它），信任不是主要障碍（相关性才是），“作弊”问题需要明确许可，培训后采用率翻了一番，节省的时间超过了预测的 10%，行政任务是入门途径，教师成为倡导者
编号的调查结果列表，蓝色框中包含合作伙伴的推荐引言
详细说明教师危机：49% 的人认为工作量难以承受，74% 的人在行政管理上花费了太多时间，34% 的人因工作量而考虑离职。AI 可以为教师每年节省 109 小时（师生比例增加 16% = 31,000 名新教师）
文本密集的页面，包含统计数据和以“教育”为标题的大型排版
条形图显示了教育工作者不使用 AI 的原因：与工作缺乏相关性 (38%)、培训不足 (27%)、没有可用的工具 (24%)、偏好传统方法 (21%)。指出只有 18% 的人提到数据隐私，16% 的人担心信任问题
带有 15 个障碍类别和支持文本的水平条形图
描述培训方法：2.5小时的线下研讨会，随后是为期2个月的可选45分钟在线课程。展示了队列人口统计数据（84%为女性，平均年龄41岁），其对AI的信心低于行业平均水平。提供调查样本量
将景观调查与队列人口统计数据进行比较的表格，以及培训方法
前后堆叠条形图显示了AI使用频率的巨大变化。培训前：46%每周使用，19%每天使用。三个月后：78%每周使用，47%每天使用。节省时间：2.9小时/周 = 109小时/年
100%堆叠条形图比较，带有颜色编码的频率类别以及推荐
分组条形图显示，AI的使用在所有类别中都有所增加：沟通/写作 (60%→77%)，总结 (41%→74%)，课程计划 (23%→51%)，问题解决 (27%→47%)。包括关于具体应用的推荐引言
水平分组条形图，具有六个任务类别的前/后比较
记录了三个因素：通过实验快速形成的习惯，通过理解建立的信心和信任，以及AI应用的显著扩展。包括滑块比例图，显示了感知相关性、有用性和易用性的改进
带有嵌入式1-5比例比较图和参与者推荐的文本
教师AI使用的四个类别，并附有具体示例：个人效率（电子邮件模板、会议记录），计划/组织，创意内容（Canva海报、图像生成），以及有机出现的点对点学习的迹象
按用例类别组织的文本，绿色文本中包含扩展的推荐引言
详细说明了持续存在的障碍：对高风险课堂使用的可靠性和信任问题（38%担心可靠性，20%不信任高风险用途），隐私问题（31%），以及对是否“允许”使用 AI 的不确定性——误解为“作弊”
以文字为主的页面，嵌入了培训课程的纪实照片
两个案例研究：Dave Sweet（人文教师，使用 AI 进行课程规划、考试准备、资源创建）和 Cheryl Narayanan（SEN 教师，使用 AI 进行易于访问、引人入胜的课程）。两人都描述了变革性的影响，并计划培训同事
双栏布局，带有单独的案例研究框，通常会包含头像
详细的三模块培训结构：1) 理解（AI 简介、使用 AI 创建、负责任的使用），2) 探索（提示、将 AI 引入实践、高级提示），3) 发展（加强实践、规划未来）。六个 45 分钟的课程或压缩的 2.5 小时版本
三栏课程大纲，包含模块详细信息和学习目标
Union 深度探索的分隔部分，显示大的“03”数字、标题幻灯片和 Community union 合作关系品牌
简洁的分隔部分，带有品牌和参与者照片，展示了导师关系
七点总结：工会成员的潜在价值为 890 亿英镑，理解和相关性密切相关，该群体因培训不足而信心较低，培训后每周使用量增加了两倍，理解推动了增长，权限问题仍然存在（只有 46% 对雇主政策有信心）
编号列表，蓝色框中包含 Roy Rickhuss CBE 的评价引言
以工会成员 890 亿英镑的潜在经济价值开头。指出工会工人中存在高信心但低采用率的模式。讨论了工会在支持技术变革方面的历史作用，并解决了对工作影响的担忧
文字，在纪实照片上叠加了大型“Trade union members”排版
条形图显示，与非工会成员相比，工会成员对 AI 使工作更轻松并允许专注于创造性/战略性工作更为乐观。然而，对工作岗位流失的担忧略多（17% 对比 11%）
分组条形图，比较了工会与非工会成员的态度，包含六个回应类别
条形图显示，62% 的工会成员认为培训不足是障碍——超过了第二和第三障碍的总和。焦点小组的反馈强调需要实际用例演示
水平条形图，包含 13 个障碍类别，“培训不足”明显占主导地位
培训计划：三个 1 小时的在线研讨会，为工会代表提供的可选面对面课程，30 分钟的 1:1 指导。群体人口统计：52% 为女性，平均年龄 53 岁，只有 11% 非常有信心（而行业平均水平为 38%）。总培训人数：404 名工会成员
人口统计比较表和培训计划详细信息，并附有假设解释
引人注目的前后堆叠条形图，显示了使用情况的转变。每日使用量：9%→29%，每周使用量：17%→61%（增加了两倍）。节省时间：2.1 小时/周 = 每年 12.5 个工作日
100% 堆叠条形比较，包含两个条形（培训前/后）和大型节省时间标注
分组条形图显示用例扩展：沟通/写作 (69%→74%)，总结 (55%→37%)，头脑风暴 (34%→40%)，学习新主题 (37%→49%)，问题解决 (29%→28%)，分析 (15%→29%)。包括用户评价中的具体例子
水平分组条形图，包含前后对比以及描述具体应用的用户评价引言
条形图显示使用量增加的原因：66% '我更了解 AI 工具的工作原理'，65% '培训帮助我了解如何在工作中应用'，29% '养成习惯'，29% '更信任工具'。包括关于可访问性和简单性的引言
水平条形图，包含八个原因，用户评价强调可访问性
尽管有所改进，但主要障碍仍然存在：只有 46% 的人确信他们了解雇主的 AI 政策，58% 的人表示存在安全问题。关于“作弊”的看法以及缺乏明确的组织政府指导的引言
文本密集型，嵌入了显示小组讨论的纪实照片
两个案例研究：Tania da Silva（使用 AI 撰写报告、培训、创意任务的支持性住宅经理）和 Carl Ravenhill（使用 AI 简化技术内容和组织培训材料的钢铁工人）。两人都成为鼓励同事的倡导者
双栏案例研究布局，包含详细的影响描述
三节课课程：1) AI 简介（关键概念、工作原理、负责任的使用），2) 动手实践（使用 AI 进行写作、设计、理解信息、学习技能），3) 编写有效的提示词（提示词工程、技术、审查输出）
三栏课程大纲，包含模块详细信息
SMB 深度分析的章节分隔，显示大的“04”数字、标题幻灯片和 Enterprise Nation 合作伙伴品牌
简洁的章节分隔，带有品牌和参与者照片
七点总结：SMB 对技术有高度信心但采用率低，SMB 缺乏培训能力（接受的培训少于大型公司员工），培训是最大障碍 (62%)，培训后采用率翻倍 (29%→60% 每天)，从实验转向有目的的整合，对 1:1 和演示环节的积极反馈
编号列表，绿色框中包含 Emma Jones CBE 的推荐引言
以悖论开启 SMB 结果部分：92% 的人对使用技术充满信心，84% 的 AI 用户充满信心，但尽管 71% 的人认为 AI 适用，但实际上只有 38% 的人使用 AI。指出英国 SMB 的投资较少，落后于 G7 同行，培训差距明显
文本，照片上叠加大型“SMB”排版，以及支持性统计数据
条形图显示 62% 的人认为培训不足，其他障碍明显较低。指出 29% 的 SMB 员工自学了最新的技能，而大型组织中这一比例为 19%，最小的公司（<10 名员工）中有 42% 是自学的
水平条形图，培训障碍占主导地位，以及关于培训差距的支持性文本
利用习惯养成原则的培训计划：每周网络研讨会、午餐学习小组、面对面研讨会。围绕艾宾浩斯遗忘曲线、社会支持和情境线索设计。队列：57% 为女性，平均年龄 47 岁，信心低于行业水平。总培训人数：905
表格显示人口统计比较、习惯养成原则解释、培训结构
条形图显示了中小企业增加使用的原因：72%“更了解 AI 工具的工作原理”，65%“培训帮助我了解如何在工作中使用它”，35%“养成了习惯”，35%“更信任工具”，18%“工作场所引入了工具”
水平条形图，显示使用增加的因素，加上假设陈述
前后堆叠条形图显示使用量大幅增加。培训前：每天 29%。三个月后：每天 60%（翻倍），每周 86%。代表着从实验到有目的集成的转变
100% 堆叠条形图比较，带有颜色编码的频率类别
分组条形图显示用例演变：沟通/写作略有下降（82%→79%），而其他用途显着扩展：头脑风暴（54%→59%），学习（46%→50%），问题解决（36%→50%），总结（60%→67%）。关于 Gemini 用于电子表格的评价
水平分组条形图，包含七个任务类别的前/后比较以及评价
按用例组织：创意内容生成（营销活动、脚本），起草/编辑（网站内容、页面反馈），提高生产力（运营简化），概念开发（头脑风暴、征求意见）。每个类别都有多个详细的评价
按类别组织的文本，包含扩展的评价引语，包括照片
解释了从偶尔使用到日常工作流程集成的过程。培训帮助参与者体验到即时好处，从而加强了持续使用。关于 Gemini 成为电子表格工作的“最好的朋友”的评价
带有嵌入式纪实照片的文本，显示参与者投入
继续记录具有示例的特定用例：使用 NotebookLM 进行考试报告，使用 AI 与“虚拟团队”进行头脑风暴，使用 Canva 进行创意内容，AI 作为所有任务的个人助理。展示了有机学习和同事分享
按应用程序类型组织的文本，包含多个评价示例
详细介绍培训结构：五个 1 小时的网络研讨会（了解 ML、提高生产力、动手工具、Prompt Engineering、负责任地使用 AI），四个 30 分钟的午餐学习（个人生产力、销售、营销、运营），三个全天现场会议。Grind 的 Dan Menezes Melo 使用 AI 进行 HR 包容性的案例研究
双栏布局，左侧为课程大纲，右侧为案例研究
简单的封底页面，仅在白色背景上居中显示 Google 徽标
带有居中徽标的极简设计
关于此幻灯片和基础演示文稿内容的常见问题。
该试点在所有三个行业都取得了显著成果。教育工作者（19% 增至 47%）和中小企业（29% 增至 60%）的日常 AI 使用量翻了一番，工会成员（9% 增至 29%）的使用量增加了两倍。所有队列的每周使用量都大幅增加至 71%。员工报告说，平均每年节省 122 小时，超过了最初的估计 22%。该培训尤其使技术采纳方面代表性不足的人群受益：女性的日常 AI 使用量从 18% 增加到 45%，55 岁以上的员工的日常使用量从 13% 增加到 35%。
这些试点使用了相对简短的培训干预措施：通过各种形式（包括面对面研讨会、网络研讨会和一对一指导课程）提供的 2.5-5 小时的定制内容。教育工作者接受了 2.5 小时的初始研讨会，然后在两个月内参加了可选的 45 分钟课程。工会成员参加了三个一小时的网络研讨会，并可以选择参加面对面课程。中小企业参加了五个一小时的网络研讨会以及 30 分钟的“午餐学习”课程。研究发现，在线交付和面对面交付的效果没有显著差异，这表明可以在不降低质量的情况下进行扩展。
Public First 建模显示，AI 培训通过提高生产力和节省时间带来 10:1 的投资回报。与之前的“终身技能保障”等举措相比，这非常有利，后者仅以 1:2 的比率回报投资。英国有望从 AI 驱动的增长中获得 4000 亿英镑的收益，其中 2000 亿英镑取决于员工的采纳。员工报告说，每年节省相当于 122 小时的时间，这转化为有意义的生产力提高，并能够专注于更高价值的工作，而不是行政任务。
该研究确定了不同群体的不同障碍。对于所有队列，培训不足是主要障碍，62% 的中小企业和工会参与者都提到了这一点。与最初的假设相反，信任和隐私问题不是主要障碍 - 事实证明，与工作任务的相关性更为重要。许多员工看不到如何在他们的特定角色中应用 AI，或者在尝试一次 AI 后，在没有看到立竿见影的好处后就放弃了。另一个关键障碍是“提示权限”问题：员工担心使用 AI 可能会被视为“作弊”，并且需要明确的组织许可才能放心地采用该技术。
事实证明，该培训对于技术采纳方面代表性不足的群体特别有效。最初使用 AI 的可能性比 35 岁以下男性低四倍的 55 岁以上女性看到了显着改善：她们的日常 AI 使用量几乎增加了两倍，从 9% 增加到 29%，每周使用量增加了两倍多，从 17% 增加到 56%。该培训的成功源于展示相关的实际应用，而不是假设存在技术障碍；证明 AI 工具非常容易访问，不需要编码知识；提供具有即时反馈的实践练习；并创建安全的学习环境，参与者可以在其中进行实验而不会受到评判。
所有行业的员工都显着扩展了他们的 AI 使用范围。最常见的应用包括：沟通和写作（69-77% 的用户）、总结和简化较长的文档（54-67%）、集思广益新想法和创造性思维（48-59%）、学习新主题（41-50%）、解决问题（28-47%）和分析复杂信息（29-31%）。教育工作者专门使用 AI 进行课程计划、调整特殊教育需求的内容以及减少行政负担。工会成员使用它来创建培训材料、撰写报告和组织复杂信息。中小企业使用 AI 进行营销活动、网站开发、运营简化以及作为虚拟头脑风暴伙伴。
该报告建议：1) 产业战略应概述如何在关键行业中支持 AI 采纳，企业应制定明确的 AI 政策，明确允许员工使用这些工具；2) Skills England 应创建一个模块化培训认证系统，其中包含微证书，使简短有效的培训模块有资格通过新的增长和技能税获得资金；3) 政府应保证所有公共部门工作人员（NHS、地方政府、公务员）的 AI 培训，并提供特定角色的内容；4) 启动更大规模的公共部门 AI 采纳试验，重点关注一线服务交付团队；5) 在每个政府部门的执行委员会中任命 AI 负责人，并强制进行定期培训；6) 将 AI 培训纳入所有公务员快速通道计划；7) 通过 Skills England 协调的年度 AI 技能和采纳调查跟踪进展。
该研究发现了一个关键的“提示权限”障碍。员工经常表示担心使用 AI 构成“作弊”或可能不合适，即使在培训向他们展示了有效的应用之后也是如此。只有 46% 的工会成员认为他们了解雇主的 AI 政策。这种不确定性源于缺乏明确的组织指导和关于 AI 的负面媒体叙事。该培训表明，员工需要明确的机构认可 - 不仅是使用 AI 的许可，而且是积极鼓励它是一种合法的、公平的工具，可以与使用搜索引擎相提并论。组织应制定积极框架的政策，概述可用的 AI 工具和适当的用例，类似于教育机构如何解决数学中使用计算器的问题。
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
参考专业设计，选择您的风格，生成具有完美文本渲染的幻灯片。由 Nano Banana 提供支持——立即开始创建您的演示文稿。
