三种雇主类型，其中一种很危险
Mustapha Benkalfate 认为，要了解对毕业生的期望，首先需要了解招聘方是谁。他区分了三种高管类型。
- “博学型”高管。他能区分生成式人工智能和广义的人工智能，并且知道它无法解决组织的所有问题。这种类型仍然非常罕见。
- 谦逊型高管。他意识到自己的知识局限，会为自己和管理委员会启动培训项目。这种类型在增加，但并不显著。
- “邓宁效应型”。他所知的远比他自认为的要少。据他所说，这是占主导地位且最危险的类型。
他引用了能力的四个阶段：无意识无能、有意识无能、有意识有能、无意识有能。他说，悖论在于，大多数高管都停留在第一个阶段，而 ChatGPT 让他们停留在了那里。
“给一位汽车或医疗行业的CEO一个HubSpot或Salesforce账户，他很快就会明白自己不会用。但只要他创建了自己的ChatGPT账户或使用Microsoft Copilot，他就会觉得自己很能干，因为他写的任何东西都能得到回应。他甚至觉得自己非常聪明：这些系统被设计得很讨人喜欢，而且其中的确认偏误非常强烈。”
他继续说道，这种类型的特点是坚信能“用每月20美元的订阅费”解决复杂的战略问题，而不评估其人力成本、财务成本或可行性。他们也最容易受到软件供应商“无摩擦”转型话术的影响。他引用的例子是初创公司 Artisan 在旧金山的广告牌宣传活动：“Stop hiring humans. The era of AI employees is here”，他认为这条信息加剧了新毕业生的焦虑。
招聘人员的具体要求
根据他与企业高管和人力资源总监的交流，Mustapha Benkalfate 总结了他们所谓的“AI fluency”（人工智能流畅度）。他明确指出，这不是一个学术定义，而是决策者在实践中的期望。
- 熟练的日常使用。总结、撰写、研究、头脑风暴、做笔记：这些是雇主认为毕业生理应掌握的低风险任务，但许多新毕业生却做得不好。“他们每天都用人工智能，但不是每天都用得好。”
- 判断力。知道何时使用人工智能，何时不使用，以及哪种工具适合哪项任务。
- 清晰的提示词和持续的使用。雇主们希望终结那种“玩票式”的使用，即用人工智能开始一项任务，然后放弃，再开始另一项。他举例说，一家公司发现一名年轻员工每月发送5000条提示，而他的同事大约只发送70条：这个数量引起了怀疑，而不是钦佩。
- 核查能力。识别虚假引用、错误数据以及那些看似精良实则错误的内容。
- 负责任的使用。避免影子IT (shadow AI)：在他观察的调查中，78%到85%的员工使用自己的AI工具，其中超过一半的人上传机密文件。
“我看到一些新手试图用那些看起来非常精致的人工智能生成内容来打动我，但实际上这些内容纯属垃圾。”
他还对 Shopify 首席执行官 Tobi Lütke 于2025年4月发布的一份备忘录发表了看法，该备忘录要求团队在申请招聘前证明某项任务无法由人工智能完成：“我们可以反过来问他，让他证明人工智能真的能完成一名员工的工作。他会发现这很难。”
三个企业案例
Dynamo Paris. 这家拥有15名员工的公司专门为豪华酒店采购家具和设备，它授权 Mustapha Benkalfate 提及该公司。其负责人曾大量使用 Claude，并意识到了它的强大功能及局限性：该工具曾自信地向她提供对其业务而言是错误且危险的信息。她没有选择购买竞争对手提出的约15万美元的人工智能集成项目，而是决定先培训自己的团队。
一个拥有850人的高等教育组织。经过评估选拔出的大使们正在创建“声明式代理”：这些代理的自主性较低，不能修改内部文件。它们主要用于查询内部和外部的知识库。选择低自主性是经过深思熟虑的决定：他认为，内部文件的损坏是自主代理的主要风险之一。
一家汽车经销商。该公司曾任命一些因其网红影响力而被招聘的年轻员工担任人工智能大使。由于缺乏全局视野，他们推动购买一个生成式人工智能工具的许可证，而公司的9000名员工其实已经可以使用该工具。Revenu IA 采用客观的选拔方法接管了该项目（请参阅如何选择大使）。
95%的失败率：当投资回报率成为焦点
MIT NANDA 的报告指出，95%的组织未能从其生成式人工智能项目中获得任何回报，这份报告“说出了高管们近几个季度以来的感受”。他观察到，从那时起，高管们开始谈论成本、用例和投资回报率，并期望毕业生在寻找工具之前能够先界定真正的问题。阅读我们对此数据的分析。
新毕业生的八个认知陷阱
主题演讲的最后一部分是关于“人工智能常见嫌疑人”，这是他在大学和大使项目中使用八个人物角色：提示词耳语者、自动驾驶员、脆弱专家、空花瓶、米色神谕、虚假自信者、生锈者和从未学习者。最后两个角色最让他担忧，因为它们描述了技能的丧失或缺失。了解这八个陷阱。
他引用了2025年发表在《柳叶刀-肠胃病学与肝病学》上的一项研究来说明技能退化问题：在使用人工智能辅助结肠镜检查数月后，内窥镜医生在没有人工智能辅助的情况下工作时，检测到的腺瘤数量减少了（从之前的28.4%降至22.4%）。然后，他分享了自己的经历：
“我经常为女儿用法语编歌。在大量使用人工智能后，我发现自己连简单的词都想不出来了。我把自己当成了实验对象，然后我问了我的合作者和同事：我们都遇到了同样的情况。”
大学：应对“劣质思维”的良药
他的结论是对高等教育的倡导。新毕业生们面对的是一种“普遍的修修补补”，这与该主题的复杂性相去甚远。他认为，在没有指导的情况下修复生成式人工智能造成的损害，对教育来说是一个机会。
“加工食品带来了垃圾食品，而我们发明了有机食品和健康饮食来应对。没有指导和培训的社交媒体和生成式人工智能，就是劣质思维。我们需要解决这种劣质思维的方案：这个方案就是大学。”
他总结道，需要教授的内容包括：人工智能素养、批判性思维、技术技能、数据意识、伦理思维和元认知。