思想领袖

运营信任的瓶颈:员工在工作中抵触AI的真正原因

Madelaine Yue
将 Unite.AI 添加到您在 Google 上的首选来源
A wide, photorealistic photograph of a modern office meeting where three diverse professionals gather around a large, transparent digital display on a wooden conference table. The glowing, blue and cyan screen shows an abstract, text-free diagram visualizing decision flow and collaboration between automated AI insights and human judgment boundaries. Sunlight streams through a large window, conveying transparency.
要点相比技能或技术准备度,操作层面的信任缺失更容易引发对人工智能的抵触情绪。
查看更多
  • 相比技能或技术准备度,操作层面的信任缺失更容易引发对人工智能的抵触情绪。
  • 人工智能往往放大了有缺陷的工作流程,而非大规模修复失效的运营模式。
  • 要实现可持续的应用,必须重新设计工作体系,明确人机决策边界并建立问责机制。

近年来,AI已成为重塑工作方式的主导力量。展望未来,高管们依然十分乐观,92%的公司计划到2028年增加AI投资。然而,员工对AI的态度要复杂得多。

根据一份近期报告,52%的劳动者担心AI对工作场所的影响,另有32%认为AI会减少就业机会。员工的抵触是成功采用AI的一项常见而持久的障碍,往往被归因于技能缺口或组织的技术准备程度。这两者确实会助长抵触情绪,但问题真正的根源是运营信任,也就是对AI参与下的工作机制是否可靠的信任。

对AI的抵触和风险究竟在哪里?

抵触是不确定性的表现:AI会如何改变决策?出错时由谁负责?有哪些控制和防护措施?运营信任的瓦解不仅影响员工,雇主同样不能置身事外。

德勤近期发现,虽然42%的公司认为自身业务战略已为采用AI做好充分准备,但它们对基础设施、数据、风险和人才方面的准备评价较低。不论职位高低,缺乏数据控制或数据丢失、维持行业标准合规,以及既有工作流程可能受到干扰,都是主要担忧。在监管严格的行业,这些担忧尤其有道理,因为AI的错误决策可能造成严重得多的后果。

将本已存在缺陷、或缺乏清晰治理结构的流程自动化,也有真实风险。在这种情况下,AI成为失败的集中点,往往增加阻力,放大原有执行错误。毕竟,坏系统即便有AI支持,仍是坏系统。AI不会修复失灵的系统,只会更快地执行其流程。企业常在这里遇到真正的瓶颈。

许多人把AI工具本身视为首要风险来源。实际上,风险存在于工具被引入的运营模式中。更大的威胁是把AI硬接到从未为高级自动化设计的模式上,尤其是在大规模部署时。这样做恰恰会加速组织试图解决的问题。

嵌入工作流程的AI与人的判断

AI最有效的用法不是排除人的判断,而是重新安排在哪里运用判断、如何提供支持。这样,决策边界更清晰、更一致,也更容易扩展。AI成为帮助组织更有效、更高效地推广人类专业知识的工具。

无需人类参与的AI时代仍很遥远。但行业已到了一个阶段:要充分利用AI,人的判断就必须以不同、也更审慎的方式运用。理想的人机关系是技术迅速提供基于数据的洞察和背景,支持员工做出更高层次的决策,并为真正重要的工作腾出时间。

如果AI只是独立项目,改进通常是渐进的。它很可能加快重复任务,或减少行政等工作的手工操作,但这还只是触及潜在价值的表面。真正的转型发生在AI直接嵌入工作流程、统筹信息从上到下流动的时候。

清晰的运作机制是持续采用AI的关键

只有41%的美国人愿意信任AI。系统影响员工如何工作、如何接受绩效评估,以及未来的就业前景,因此犹豫并不奇怪,但不能任其长期存在。企业必须赢得员工的认同,单靠培训无法承担全部重任。运营上的清晰至关重要。

员工从一开始就必须知道,AI在哪里参与提出建议,人的判断在哪里保留最终权威;还要知道AI参与时,谁对决策负责。透明性使AI输出的可靠性更容易核验,并建立掌控感和责任感。清晰规定由人推翻系统决定的程序,也有同样作用。这些是牢固运营信任的基础。缺少它们,即使设计良好的系统也可能遇到困难:员工反复怀疑建议,甚至彻底放弃技术,回到原来的手工流程。这只会降低AI投资的整体价值,并强化AI带来的干扰多于赋能的看法。

部署初期就处理这种情况十分重要。最成功的组织没有把AI当成一次性部署或孤立的IT项目,而是视为运营模式的演进,从重新思考工作流程、重新界定角色,到在整个业务中建立共同责任。

业务领导者、技术团队和平台合作伙伴各自带来不同的拼图。挑战不是专业知识,而是协调一致。业务领导者知道哪些结果最重要、它们如何关联长期战略;工程师和IT负责人了解技术能力与限制;平台伙伴具备在生产环境部署AI的实践经验。各方共同设计流程,AI才能落地;否则就只是理论。

另一项重要抵触因素是,员工觉得AI被强加于人,而非有未来使用者参与开发的实用工具。让一线团队参与流程重设计,可以改变这种看法。员工有机会识别影响最大的工作难点,并积极参与决定AI在日常工作中的用法。

实际成果永远比承诺减负更有说服力。如果员工看见AI改善工作生活的具体证据,无论是消除枯燥杂务,还是帮助他们深入投入热爱的高技能工作,就更可能积极使用它。事实上,当对AI的信任较高时,劳动者每天使用该技术的可能性是其他劳动者的2.8倍,并平均每周节省两小时,据德勤报告。

对AI的抵触最终是运营挑战。克服它的不会是拥有最先进模型的组织,而是重设计实际工作方式,使工作可执行、责任明确、流程清晰的组织。

改变不会孤立发生。它要求全企业跨职能协作的承诺,以及适应变化、重新审视长期流程的意愿。当内部系统针对使用者真实的工作方式优化后,信任、认同与持续采用自然会随之而来。

Madelaine Yue 是 Zyter|TruCare 的战略和转型高级总监,她领导企业计划,专注于通过受治理的智能体 AI 与人类协作,重新构想运营执行方式。她与高管密切合作,将符合政策的 AI 编排嵌入复杂的工作流程中,增强决策完整性,并在高度监管的环境中推动可衡量的绩效。Madelaine 拥有超过 20 年的经验,涵盖医疗保健 IT、基于价值的战略和组织变革,她曾经为 C 级高管提供大规模现代化工作的建议,并帮助组织将战略雄心转化为持久、可衡量的影响。