毕马威会计师事务所（KPMG）与德克萨斯大学奥斯汀分校麦库姆斯商学院合作，基于对140万次职场人工智能互动的研究，识别出高级人工智能协作的可教授差异。这项研究发表于《哈佛商业评论》，为组织提供了扩展高影响力人工智能能力的具体路线图。

研究人员耗时八个月分析毕马威后台运营，发现高级人工智能用户并非使用频率最高或技术技能最好者，而是互动模式优异者，擅长构建问题、指导模型推理并在复杂任务中应用人工智能。

为超越对良好人工智能使用方式的假设，毕马威与麦库姆斯商学院舒尔金会计系的Zach Kowaleski、Nick Hallman和Jaime Schmidt合作，评估了数月使用数据中超过30个提示行为特征，包括任务复杂性、提示技术和迭代模式。麦库姆斯会计学教授、C. Aubrey Smith审计教育与研究中心主任Schmidt表示：“我们不是在抽象地寻找高级用户，我们寻找的是那些已经学会如何与模型一起思考，而不仅仅是提问的人。”区分最佳用户的并非经验或技术知识，而是互动方式的一致差异。

高级人工智能协作表现为将人工智能视为推理伙伴，通过角色设定、具体指导、示例展示、解释要求和持续反馈来塑造处理问题的方式。用户通过多次交流改进输出，应用于最具挑战性任务，并设定边界、指定结构、阐明目标，在头脑风暴、分析、技术指导和问题解决中委派认知要求高的任务。人工智能被用作通用认知工具，而非狭隘的生产力辅助工具。

这些行为留下可见、可衡量的模式，与四个信号密切相关：用户返回人工智能的频率、改进输出的坚持程度、初始请求的雄心程度，以及选择工具或模型的意图性。领导该研究的毕马威工作室负责人Anu Puvvada指出：“常规与高级人工智能使用之间的差距并不隐藏在提示本身，而在于互动模式。一旦这些模式可见，它们就可能被识别、讨论和扩展。迭代促进雄心，雄心驱动战略工具选择，反复成功强化参与。”

毕马威开展了全公司范围培训，帮助员工培养更高级技能和行为。大约5%的用户在数月使用数据中持续表现出这些行为，提供了清晰、数据支持的信号。毕马威全球人工智能和数字创新负责人Steve Chase表示：“我们很早就意识到，仅凭获得人工智能并不能带来更好的结果，这是许多组织仍在努力应对的挑战。这就是为什么我们有意设置了一套人工智能支持的工具、培训计划和例行程序，使有效行为可见且可预期，并教授更好的问题构建、更强的人工智能监督和有目的的迭代。”这些洞察已转化为以人工智能为先的行为，由实用操作手册、培训和同行主导的冠军网络支持，嵌入全公司学习生态系统，更多员工可从常规提示转向更高影响力的人机协作，将人工智能作为思考伙伴进行头脑风暴、改进和验证工作。这些洞察也指导毕马威员工与客户合作，帮助定义有效人工智能使用、构建与角色一致的能力，并使高级人机协作成为日常工作的一部分。

出版详情：作者：University of Texas at Austin；标题：《Analysis of 1.4 million interactions shows how employees achieve sophisticated AI collaboration》；发表于：Harvard Business Review(2026)。