美国南部地区教育委员会（SREB）教育人工智能委员会发布的《面向AI时代的劳动力技能》框架发布了正式版《面向AI时代的劳动力技能》（Skills for an AI-Ready Workforce）框架。该框架系统阐述了AI时代劳动力需要掌握的核心技能，那么这些技能具体包含哪些内容？它们又能否与德汉灵推出的全球胜任力培养实现有机融合呢？
AI时代技能框架
SREB的框架强调，AI时代的劳动力需掌握三个相互关联的技能群：成功技能、行业基础技能和技术技能。这些技能并非孤立存在，而是通过四个递进阶段（认知→探索→应用→精通）逐步培养，适用于全年龄段学习者。
1、成功技能Success Skills
2、行业基础技能Industry Baseline Skills
确保理解AI对职场影响的素养，如核心学术知识、AI伦理、数据隐私和网络安全。扎实的数学、科学和社会科学基础是培养数据素养和分析推理的关键，而伦理框架则保障技术的负责任使用。例如，医疗或金融领域的从业者需结合专业知识，运用AI优化决策流程。
3、技术技能Technical Skills
涵盖数据素养、编程基础和AI工具应用（如生成式AI），这些技能不仅限于技术领域学习者。例如，数据素养帮助所有从业者解读AI生成的内容，而多模态系统（如大语言模型）的熟练使用提升跨领域问题解决能力。
进阶路径：学习者从认知阶段（建立AI基础理解）到精通阶段（跨领域应用AI技术），强调人类监督和伦理考量贯穿始终。例如，学生可通过引导式活动认识AI的社会影响，而职场人士则通过迭代项目达到精通。
全球胜任力：AI时代的职业素养核心
德汉灵的全球胜任力培养与SREB框架高度互补。其基于World Competence Matrix（全球胜任力矩阵），聚焦行为（Behaviors）、技能（Skills）和价值观（Values & Attitudes），旨在培养跨文化环境中的职业素养。核心包括时间管理、复杂问题解决、独立思辨等八大能力模块。
关键能力融合：全球胜任力强调“关键能力”，即专业能力、方法能力和社会能力的结合。这与SREB的成功技能（如批判性思维和适应性）高度一致。例如，批判性思维帮助学生评估AI生成内容的准确性和影响，而创造力驱动AI工具的创新应用。
项目化学习（PBL）实践：通过模拟职场环境，让学生在真实项目中训练技能。例如：
• 学生成立“咨询公司”，为德国企业完成市场调研，锻炼数据分析和团队协作能力。
• 学生为德国企业制定商业计划书，在特定时间内完成方案设计，锻炼时间管理能力和独立思辨能力。
AI技能与全球胜任力的融合路径
SREB的框架提出六项实施建议（如将AI融入核心课程），而德汉灵的案例提供了落地范式。两者的融合策略包括：
1、教育体系整合
•课程设计：将AI技术技能（如数据素养）与全球胜任力的跨文化模块结合。例如，在职业培训中，学生使用AI工具分析国际市场数据，同步培养数据隐私意识和伦理判断。
•进阶匹配：德汉灵的PBL模式对应SREB的应用阶段（运用AI解决复杂问题）。例如，学生在“商业计划书”项目中，应用AI生成市场预测模型，同时锻炼独立思辨能力。
2、产业与教育协作
SREB建议强化产业界合作，可通过中德合作平台为学生提供真实企业项目。例如，未来学生将通过该平台运用AI技能分析德国市场需求，同步提升全球化职业竞争力。
3、评估与持续学习
SREB强调监测学习者进展，以创意视频、项目汇报等形式评估能力（如学生展示对终身学习的理解），确保技能从探索到精通的动态提升。
