思想领袖

运营信任瓶颈:为什么员工实际上抵制工作场所中的AI

mm
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.

AI已经成为近年来的一种主导力量,重新定义了工作的基本方式。展望未来,高管们的预期仍然非常强烈,92%的公司计划在2028年之前增加对AI的投资。然而,员工们对AI的态度却是混合的。

根据最近的一份报告,52%的工人担心AI将如何影响工作场所,另外32%的工人认为AI将导致就业机会减少。这种对工作场所中AI的抵制是成功采用AI的一个常见但持续的障碍。它通常被归因于员工技能缺乏或组织的技术准备不足。虽然这些因素确实发挥了作用,但真正的根源在于运营信任。

AI抵制和风险真正存在哪里

抵制是对不确定性的症状——关于AI将如何改变决策,谁将在事情出错时承担责任,或者什么样的控制和防护措施是可用的。这种运营信任的崩溃不仅影响员工,也影响雇主。

德勤最近发现,虽然42%的公司认为他们的商业战略对AI采用做好了充分准备,但他们在基础设施、数据、风险和人才方面却感到不够准备。无论职级如何,缺乏对数据的控制或数据丢失、维护行业标准的合规性以及对既定工作流程的潜在破坏都是首要关注的问题。这些担忧在高度监管的行业中尤其合理,因为AI决策错误的潜在后果更大。

将AI应用于已经存在缺陷或缺乏明确的治理结构的工作流程中,也存在真正的风险。在这种情况下,AI成为失败的焦点,往往会产生更多的摩擦并放大现有的执行错误。毕竟,一个坏的系统即使有AI支持也是坏的。AI不能修复坏的系统,它只是更快地执行它们。这是公司经常遇到的一个真正的瓶颈。

许多人认为AI工具本身是主要的风险来源。实际上,风险存在于这些工具被引入的运营模型中。实践中,威胁来自于将AI添加到从一开始就不支持高级自动化的运营模型中。特别是在大规模上,这种方法是加速组织试图解决的问题的配方。

嵌入式AI和人类判断因素

AI最好的应用场景是,它不从等式中去除人类的判断,而是重新分配判断的位置和方式。在这种方法中,决策边界更加清晰、更一致、更可扩展,AI作为一个工具帮助组织更有效、更高效地分配人类专业知识的财富。

我们距离一个不需要人类输入的AI时代还很远。然而,行业已经达到了一个人类判断需要以不同的方式应用的点,以便充分利用AI。人类和AI的黄金关系是技术提供基于数据的洞察和背景,以指导工人进行更高层次的决策,并为真正重要的工作腾出时间。

当AI作为一个独立的计划部署时,改进是渐进的。它可能会加快重复性任务的速度或减少行政工作等领域的体力劳动,但这只是触及了AI潜在价值的表面。真正的变革发生在AI被直接嵌入工作流程中,协调信息从上到下的流动时。

清晰度是可持续AI采用中的关键

仅有41%的美国人愿意信任AI。考虑到这些系统影响着员工的工作、他们的表现如何被评估以及他们的未来工作前景,这种犹豫并不令人惊讶,但它不能被允许持续下去。公司必须建立员工的认同感,培训不能独自承担这一重担。运营清晰度是关键。

员工必须了解AI在何处为建议做出贡献以及人类判断在哪里仍然具有权威性。他们还需要知道谁在AI参与时拥有决策权。可见性使得验证AI输出的可靠性更容易,并建立了控制和问责的感觉,就像明确的覆盖协议一样。这些元素是强大的运营信任的基础。没有它们,即使设计良好的系统也会挣扎,工人会质疑建议,甚至完全放弃技术,回到原始的手动流程。这只会降低AI投资的整体价值,并强化人们对AI的看法,即AI更具破坏性而不是赋予力量。

早期解决这一动态是至关重要的。那些在AI采用中取得最大成功的组织并不是将AI视为一次性部署或孤立的IT项目。相反,他们将其视为运营模型的演变——从重新思考工作流程、重新定义角色和在整个业务中建立共享责任开始。

业务领导者、技术团队和平台合作伙伴每个人都带来了不同的拼图碎片。挑战不在于专业知识,而在于对齐。业务领导者了解哪些结果最重要以及如何将它们与长期战略联系起来。工程师和IT领导者了解技术的能力和限制。平台合作伙伴带来了在生产环境中部署AI的实践经验。当这些团队共同设计工作流程时,AI变得可执行。当他们不这样做时,AI仍然停留在理论阶段。

另一个驱动工作场所抵制的重要因素是,AI被视为强加于人的东西,而不是一个有助于日常工作的工具。让一线团队参与工作流程重新设计可以改变这种情况。员工被给予机会找出他们最有影响力的痛点,并成为决定如何在日常工作中应用AI的积极贡献者。

真正的结果将始终比承诺的缓解更有力量。如果员工看到AI使他们的工作生活更好——无论是消除乏味的繁琐工作还是帮助他们更深入地投入到他们热衷的高技能工作中——他们更有可能与AI互动。事实上,当对AI的信任度高时,工人每天使用该技术的可能性是2.8倍,并且每周平均节省2个小时,根据德勤的说法。

AI抵制最终是一个运营挑战。那些克服它的组织将不是拥有最先进模型的组织,而是重新设计工作实际完成方式的组织,使其可执行、可问责和清晰。

这种变化不会在孤立中发生。它需要整个企业跨职能合作的承诺和愿意适应和重新思考长期以来固有的流程。一旦内部系统被优化以适应其中工作的人的实际工作方式,信任、认同和可持续的采用就会自然跟随。隔离。它需要整个企业跨职能合作的承诺和愿意适应和重新思考长期以来固有的流程。一旦内部系统被优化以适应其中工作的人的实际工作方式,信任、认同和可持续的采用就会自然跟随。

Madelaine Yue 是 Zyter|TruCare 的战略和转型高级总监,她领导企业计划,专注于通过治理的、智能的 AI 和人类合作重新想象运营执行。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,并帮助组织从战略雄心到可持续、可衡量的影响。