一位加州大学伯克利分校的数学教授在得出结论——人工智能工具现在可以太容易地帮助学生生成高质量的答案——后，已经停止批改作业的正确性。理查德·博彻兹教授现在主要根据作业完成情况给予学分，并转而根据面对面、无设备考试来评定成绩。
他的决定不仅仅是一场校园政策辩论。这是对每个依赖熟练人才的行业——包括全球供应链——的警告：当人工智能能够生成精美的输出时，组织必须学会评估判断力、应用能力和责任感，而不仅仅是最终答案。
供应链的启示
供应链工作长期以来一直奖励那些能够分析数据、解决运营问题并制定准确计划的人。人工智能正在改变这种局面，它可以在几秒钟内提供预测、路线选择、库存建议、供应商摘要，甚至谈判草案。
但一个看起来正确的AI输出与一个明智的商业决策并非一回事。规划师可能会收到准确的需求预测，但仍需要根据促销活动、供应商限制、港口中断、天气事件或客户行为变化对其提出质疑。人类的贡献正在从“给出答案”转向“质疑、验证并根据答案采取行动”。
从答案到判断力
博彻兹的担忧是，批改最终答案不再能证明学生理解了基础数学。同样的问题也适用于供应链：一份精美的人工智能生成报告并不能证明规划师理解库存风险、供应商能力、贸易规则或缺货的后果。
因此，未来的供应链人才必须接受培训，学会解释其推理、捍卫建议、识别数据空白并在信息不完整时做出决策。当人工智能可以生成初稿、计算结果或替代方案时，这些技能仍然具有价值。
重新思考人才发展
供应链行业不应通过禁止人工智能或将其视为捷径来应对。相反，它应该重新设计学习和工作方式，让年轻专业人士将人工智能作为思考伙伴，同时仍然培养核心运营判断力。
这意味着要超越培训人们完成日常任务。学徒制、实时模拟、供应商谈判、中断响应演练和实际运营项目可以展示年轻专业人士是否能将分析转化为负责任的行动。雇主应评估候选人如何构建问题、质疑人工智能建议、跨职能协作以及解释决策背后的权衡。
保护入门级学习
Gartner报告称，55%的供应链领导者预计自主人工智能将减少对入门级招聘的需求，而51%的领导者预计将转向监督人工智能代理。与此同时，86%的领导者同意人工智能将需要新的流程来发展未来的人才储备。
这带来了一个风险：如果人工智能吸收了初级员工曾经通过这些任务学习的日常工作，公司可能难以培养下一代经验丰富的规划师和运营领导者。解决方案是围绕监督决策、异常管理、供应商参与和持续学习来重新设计入门级岗位——而不是简单地取消它们。
培养具备人工智能能力的人才
供应链组织应将人工智能素养作为一项核心能力，但要对其进行广义定义。仅仅知道如何提示模型是不够的；专业人士必须理解数据质量、模型局限性、偏见、网络安全、责任制以及何时人类判断应凌驾于自动化建议之上。
一种实用的方法是将每个启用人工智能的工作流程与人工检查点相结合。例如，人工智能可能会识别出潜在的供应中断，但规划师必须核实来源、评估业务影响、咨询受影响的合作伙伴并决定应对措施。这在保持速度的同时保留了责任制。
总结
伯克利教授的决定表明，人工智能正在迫使教育区分“给出答案”和“拥有理解”。全球供应链面临着同样的考验。那些能够利用人工智能放大人类判断力、将职业早期角色重新设计为学习机会，并培养能够在不确定性中领导复杂网络的人才的组织将蓬勃发展。
来源： https://www.ndtv.com/world-news/california-professor-stops-grading-homework-after-spotting-students-growing-reliance-on-ai-12240518