人工智慧會搶光我們的工作嗎？數十年來，經濟學家對此很樂觀，但隨著世界各國收入不平等問題加劇，他們開始修正自己的理論與模型。新模型指出，科技多快改善大眾生活、能讓多少人受惠，取決於兩個因素：科技是否創造新的工作讓人們發揮所長，以及勞工在科技部署決策上是否有發言權。

哲學，這個看似跟工程師最無關的學科，如今可能會變成必修課。在AI時代，建立清晰的心智模型，並理解問題的「為什麼」，已成為關鍵技能。未來的優秀工程師需要具備這樣的能力：將問題拆解、運用第一原則思考，並能有效與AI互動；這些技能對許多職業也同樣重要。

行銷人員在運用生成式AI時，須了解4C良機：客製化（Customization）、創造力（Creativity）、連結性（Connectivity），和認知成本（Cost of Cognition）；與4C風險：編造虛構（Confabulation）、消費者反感（Consumer Reactance）、版權（Copyright），和網路安全（Cybersecurity）。並以「DARE架構」來協助行銷人判斷如何活用這項技術——分解（Decompose）、分析（ Analyze）、實現（Realize）、評估（Evaluate）。

為了有效整合生成式AI，本文提出一項新的典範：人機對話設計（Designing for Dialogue），也就是讓技術與人類共同分擔各種責任，並動態調整比重，達到效率更高的人機協作關係。本文提出五步驟做法，協助領導者更好地將生成式AI整合進工作流程中。

許多業務銷售或行銷人員，仍只是把生成式AI當成一種新鮮的科技工具而已，而忽略它能帶來革新工作型態的能力。若要在銷售環境下運用生成式AI，就必須要有創意和互動，以提升商業敏銳度，以及對顧客的了解，最終提升銷售人員的績效。

流程探勘（process mining）原是在流程效能出問題時用於調查的工具，但現在已經演變發展為一個平台，用於大規模監測和改善營運流程的執行，以提高流程效率，協助實現企業價值。企業領導人如何充分發揮數位探勘的影響力？關鍵在於從取得流程績效的洞見（流程探勘的初衷），發展到採取能持續改善的行動。

AI不僅改變了我們的工作，也重新定義了工作，企業在人才管理上也必須做出因應，才能恰當地進行人才管理，從而取得商業成功。LinkedIn執行長指出，我們可以聚焦在3大轉變上：將工作重新定義為技能與任務的組合、重視技能與員工學習、接納AI並專注在人的合作。

大部分的知識型工作者都面臨「數位債務」：被高速流入的數位資訊和隨時在線的通訊所淹沒，工作中積壓未處理的資訊在不斷增加。生成式AI可以協助我們改善這個問題，尤其是對於知識型工作者來說，生成式AI特別可以在3個方面發揮助益：減輕認知負荷、提振認知能力、改善學習。