2025年7月31日，美国南部地区教育委员会（SREB）教育人工智能委员会发布正式版《面向AI时代的劳动力技能》（Skills for an AI-Ready Workforce）框架（注：2024年11月曾发布草案）。该框架为培养符合当前就业市场需求的人才提供了系统方案，适用于全年龄段教育体系——从K12基础教育到高等教育，从职业培训机构到企业内部培训项目。该框架的主要内容概括如下：
一、AI时代需要什么技能？
该框架提出AI时代的劳动力需具备三个相互关联的技能群：成功技能（Success Skills）、行业基础技能（Industry Baseline Skills）和技术技能（Technical Skills）。
1.成功技能（Success Skills）
成功技能指的是适应性强、以人为本的技能，即使角色发生变化，这些技能也至关重要，包括：沟通技能、领导力和项目管理、团队合作、批判性思维、创造力、持续学习、适应性、解决问题等。
该框架指出，在当今快速变化的职场环境中，成功技能对个人发展至关重要，它们能显著提升各行业从业者的工作表现。随着技术进步，职场人士将愈发依赖这些可迁移技能来与AI工具协同工作、解析数据结果，以及运用人类特有的判断力来转化洞察成果。
另外，成功技能特别关注的是在技术密集型环境和职场中立足并取得发展所需的技能。随着AI和自动化重塑各行各业，从业者需要培养领导力、项目管理能力以及适应能力，以应对不断变化的角色和职责。
2.行业基础技能（Industry Baseline Skills）
行业基础技能指的是确保学习者理解AI如何影响职场决策和责任的素养，包括核心学术知识、领域知识、AI伦理、网络安全、数据隐私和负责任的AI使用。
该框架指出，在当今技术驱动的就业环境中，行业基础技能对于培养学生和成人掌握关键技术素养至关重要。随着AI和自动化持续重塑职业形态，这些跨领域的核心素养正成为所有职业发展路径中不可或缺的竞争要素。
扎实的数学、科学、社会科学和语言艺术等核心学科技能，为培养批判性思维、数据素养和分析推理等关键能力奠定基础。这些能力不仅是构建有效AI指令、解析AI生成内容的基础，更是理解跨学科技术应用的核心支撑。与此同时，领域专业知识能帮助从业者精准运用AI工具优化工作流程、辅助决策并推动创新。这一技能体系还包含对伦理框架与数字安全原则的理解，以确保技术的负责任使用。掌握这些复合能力将显著提升个人在快速变革的工作环境中的适应力、就业竞争力与职业发展潜力。
3.技术技能（Technical Skills）
技术技能指的是使用AI工具的技能，包括数据素养与编程、AI基础知识、AI赋能技术，这些技能对所有学习者都至关重要，而不仅限于计算机科学或AI开发领域的学习者。
其中数据素养与编程指的是理解、解读与运用数据的基础技能，同时认识编程技术如何支撑现代科技解决方案。
AI基础知识涵盖机器学习、深度学习和生成式AI等核心概念，帮助学习者理解AI系统如何从数据中学习、识别模式并创造新内容。
AI赋能技术为运用模拟人类能力的工具技术，包括处理文本、声音和图像等多模态输入的大语言模型、计算机视觉及多模态系统。
二、AI时代需要的技能等级是如何的？
该框架构建了循序渐进的AI能力培养路径，包含四个递进阶段：认知、探索、应用和精通。该体系适用于全年龄段学习者——从低年级学童到高等教育阶段学生，以及在职或转岗的成年群体。
四个进阶阶段反映了个人学习历程中可能经历的不同成长形态。学习者在不同技能领域可能处于不同层级，例如某人可能在沟通与问题解决方面已达精通，却在网络安全或生成式AI领域尚处认知阶段。
该框架突破传统年龄或学历限制，强调学习是动态且情境化的。其灵活性体现在：可更新K-12课程标准，指导高等教育课程设计，优化职业培训体系。它是连接教育场景与职业发展的规划工具。
具体而言：
1.认知——建立对AI的基础理解
在认知阶段，学习者开始构建对AI概念和工具的基础认知。通过引导式探索和兴趣驱动活动，他们了解AI系统如何收集并利用数据做出决策。无论是在课堂还是职场环境中，这一阶段的目标是培养对AI在日常生活中的存在感知，以及对其社会影响的初步理解。
2.探索——使用和探究AI工具
进入探索阶段后，学习者开始以更独立的方式实际运用AI工具。他们尝试不同的指令输入，分析输出结果，并思考如何用AI解决简单问题。在此过程中，学习者会认识到AI的局限性（包括潜在的偏见问题），并开始批判性评估工具生成的结果。该阶段着重培养跨学习场景和职业岗位所需的创造力、批判性思维及基础问题解决能力。
3.应用——综合运用与评估
应用阶段的特点是更有针对性地运用AI工具应对复杂挑战。学习者通过数据驱动决策，评估AI生成内容的准确性，并通过迭代优化解决方案。伦理考量成为核心议题，学习者需要分析AI在现实场景中的应用，审视错误信息、偏见和公平性等问题。该阶段支持项目制学习、职场模拟训练及专业领域问题解决。
4.精通——展现专业能力与适应性
达到精通阶段的个体能够跨学科、跨行业自信灵活地运用AI技术。他们主导整合AI工具的项目，适应新兴技术发展，并指导他人负责任地高效使用这些系统。精通能力包括创新突破、解决跨领域挑战，以及从伦理、效率和人文影响等维度评估不断演进的AI系统。该阶段对应领导岗位、高级职业培训和专业学术发展方向。
这一进阶过程以AI伦理和人类监督为基础，强调在学习过程的每个阶段都必须将技术的负责任使用置于核心位置。无论年龄或背景如何，所有学习者在培养AI相关技能时都应明确认识到：技术旨在辅助而非取代人类判断。商界与产业领袖们特别强调，在所有教育和职业场景中融入伦理考量和人类责任至关重要。通过将这些原则贯穿技能培养全过程，学习者将能更有效地批判性评估AI产出，并在现实场景中审慎且负责任地应用技术。
该框架指出，无论是劳动力体系还是教育系统，都需要做好充分准备，为不同起点的学习者提供个性化支持。在基础教育和高等教育全面普及AI基础技能之前，大量学生和成年学习者将需要针对其不同发展阶段（从认知理解到熟练应用）的专项支持。由于个体在前期经验、接触机会等方面存在差异，学习者可能从"认知层"到"熟练层"之间的任何阶段开始他们的AI技能提升之旅。
针对三个技能群的每一项技能，该框架都给出了在各个发展阶段上的水平描述。
三、AI时代技能框架如何实施？
该框架就其在K-12教育、高等教育和职业培训体系中的实施提出了6项建议，具体概括如下：
1.将AI融入核心课程与职业技术教育标准
为让学习者适应AI融合的未来，各级教育主管部门应对学术标准、职业技术教育框架及高等教育能力要求进行全面审查，识别AI技能与现有内容/过程标准的结合点（而非将其设为独立科目）。基础性标准（跨学科的广泛学习目标）和过程性标准（如协作、问题解决等可迁移技能）是天然切入点，内容标准则可将AI技能直接关联学科知识。如数学学科可通过AI可视化平台分析数据趋势并预测，模拟金融与物流领域的专业实践。
2.加强并推进数字学习与计算机科学标准的现代化
该框架指出，相关部门应审查更新数字学习和计算机科学标准，确保其体现AI技能框架中的能力要求。其提出的四级进阶（认知→探索→应用→精通）可为标准修订提供结构化路径。例如，认知级适用于小学数字素养标准，帮助学生理解AI基础概念及其生活影响；探索级指导初中标准修订，支持学生在结构化实践中接触AI工具；应用级契合高中标准，要求学生在问题解决中独立运用AI工具；精通级作为高中高阶课程、高等教育及职业培训目标，培养AI技术的自信应用与伦理决策能力。
该进阶体系同样适用于零基础的成人学习者，确保按实际水平切入。
3.强化与产业界、劳动力机构及经济发展组织的协作
该框架指出，单靠教育系统无法实现AI准备。跨领域合作对衔接学习成果与劳动力市场需求至关重要，应纳入行业领袖、劳动力委员会、商会、专业协会、经济发展机构及职业培训提供商。这些合作伙伴能提供关键洞察，揭示AI如何重塑物流、医疗、金融、制造等特定领域。
通过此类合作，教育和培训领导者可共同开发"能力对照工具"——将AI相关技能与高需求职业所需能力进行匹配。协作内容应包括：确定优先应用场景（AI改变岗位职能的具体案例）、协调技能培养阶段与职场准备要求、建立反馈机制以根据行业需求变化验证并优化培训内容。
4.将AI就绪能力融入职业培训与技能提升项目
该框架指出，为应对经济变革需求，成人学习者和在职人员需培养超越人文软技能的能力。职业培训项目应确保所有学习者都能建立全面的AI就绪能力：成功技能、行业基础技能及技术技能。
职业培训应持续重视领导力、项目管理和协作等成功技能，这些对适应自动化、远程办公和跨职能团队环境至关重要。但培训还必须包含AI伦理、网络安全意识和数据素养等行业基础技能，让劳动者理解AI对其具体工作的影响。
此外，成人学习者需要基础技术技能来自信操作AI技术，包括理解AI工具原理、解读输出结果并将其有效应用于工作问题或流程。
5.为教育工作者提供全面的AI专业发展
该框架认为，所有教育工作者（包括教师、教职员、辅导员、行政人员、教学教练及支持人员）都必须获得高质量培训，提升其理解、应用和教授AI相关技能的能力。此类培训应使AI成为跨学科教学的增强工具，而非孤立课题。专业发展应聚焦两个领域：一是技术熟练度，即帮助教育者自信且负责任地使用AI工具；二是教学融合，即指导其将AI技能融入现有学术与职业课程。
6.建立AI就绪度的监测评估机制
该框架指出，为确保AI就绪措施有效且适应变化，需建立覆盖K-12教育、高等教育和职业培训的评估体系，衡量学习者发展进度与程度。评估机制应以本框架为基准，追踪三类技能的教授效果及学习者在认知→探索→应用→精通各阶段的进展。决策者需综合分析多维度数据：包括跨学科/路径的学习者技能发展；教育者/培训者的专业发展成果；AI能力与课程的融合程度；雇主、劳动力机构及高校的反馈等。
评估不仅要关注AI概念的引入频率，更要考察学习者的深度学习效果——特别是批判性思维、问题解决及AI工具应用能力。
四、将AI技能融入教育与职业培训的具体步骤是如何的？
该框架为K-12教育、高等教育及职业培训系统的领导者提供分步指导，帮助将AI技能整合至学术标准、职业培训项目及技能培养计划中。具体包括6步：
1.组建跨领域整合团队；
2.基于AI技能体系开展标准审查；
3.构建职场应用场景关联‘
4.标准文本的AI化修订；
5.教学验证与反馈；
6.确定实施与支持体系建设。
资料来源：
SREB. Skills for an AI-Ready Workforce. https://www.sreb.org/sites/main/files/file-attachments/2025_ai_ready_workforce.pdf
