如何改变组织中一线员工对使用人工智能的看法

关于工作场所人工智能的讨论存在一个认知挑战。它被两个相互竞争的阵营所主导：已经信服于该技术的高管和害怕它的工人。两种观点之间的差距在于决定人工智能部署是否成功或失败的东西：每天需要使用它的那些人的体验。

数字讲述了一个残酷的故事。 研究一致表明 ，70%至80%的人工智能项目未能实现预期的好处，主要原因不是技术故障，而是缺乏用户采用。那些从未被纳入过程的员工根本不使用该系统，而是恢复到他们已经熟悉的电子表格和手动解决方法。技术是有效的，但组织没有改变。

为什么工人抵制

理解抵抗从理解工人在新的人工智能系统到来之前实际听到什么开始。 2024年埃森哲调查发现 ，75%的员工担心人工智能可能使工作岗位过时，65%担心自己的具体角色。到新系统被引入时，许多一线工人已经形成了强烈的关于它对他们的意义的看法。

这种恐惧是由大多数部署决策的制定方式所加剧的。在大多数组织中，采用人工智能的选择是在高管或董事会层面上做出的，并向下传达。工人被告知，但没有被咨询。他们无法看到为什么选择了该工具，什么问题它应该解决，或者他们的反馈如何影响其使用方式。结果是部署开始时就存在信誉赤字，在单个员工登录之前。

2025年皮尤研究中心的一项研究发现，超过半数美国工人担心人工智能在工作场所的未来影响，33%感到不知所措。这些反应并非不合理。它们反映了被要求采用某些东西的合理反应，这些东西从未被设计为他们实际工作的方式。

采用问题是一个组织问题

将人工智能抵抗视为工人问题是误诊。采用停滞时，几乎总是因为组织未能创造成功的条件，而不是因为员工不合格或不愿意。

最常见的故障模式看起来像这样：技术被正确实施，培训涵盖了功能，推出被宣布，然后什么都没有改变。工人继续使用他们信任的工具和方法，人工智能系统成为在背景中运行的昂贵基础设施，而真正的工作发生在其他地方。 2025年对人工智能采用障碍的分析发现，近三分之一的组织将对变化的抵抗列为主要障碍，而不到一半的组织有正式的人工智能治理政策来指导实施的人员方面。

更好的方法是什么

成功采用一线人工智能的组织有一个共同的特征：它们将部署视为以技术为支撑的人员计划，而不是强加于人员的技术计划。

这从启动前开始。参与试验、反馈会议或早期测试的工人会对结果产生一种所有权感。他们更有可能找出真正的问题，提出有用的调整，并在同事中倡导该工具。从怀疑者到内部冠军的转变几乎总是从被倾听的感觉开始。

这也需要人工智能系统在个人工人层面上提供立即的、实际的价值，而不仅仅是在组织报告层面上。如果新的人工智能系统的唯一明显受益者是审阅仪表盘的经理，一线工人就没有理由相信它。当系统帮助一名员工找到库存、为新员工一步一步地介绍流程或让主管在班次之前标记人员短缺时，价值变得个人化和具体。

这就是设计理念至关重要的地方。与实际用户隔离开发的系统往往优化那些在演示中看起来令人印象深刻的功能，但这些功能与工作的实际方式不符。与将使用它们的工人密切合作开发的系统解决这些工人实际面临的问题，使采用感觉更像是常识，而不是变革管理。

沟通是第三个部分。工人需要对他们实际提出的问题得到真实的答案：这会对我的工作产生什么影响？谁决定了这一点，为什么？如果我提出担忧会发生什么？关于人工智能系统的目的和局限性的透明度比任何功能公告更能建立信任。

从威胁到工具

正确采用一线人工智能的组织不一定是那些在技术上花费最多的组织。它们是那些投资于帮助工人了解技术的目的，并给予工人真正的机会来塑造其使用方式的组织。

当这种情况发生时，叙事发生了转变。人工智能不再是工人从新闻中听到的东西，而是使他们工作中的一部分变得更容易的东西。这种转变不会自动发生。它需要在任何系统上线之前就做出刻意的选择。

大多数组织面临的问题不是是否采用人工智能。这个决定基本上已经做出了。更重要的问题是那些每天必须使用它的工人是否最终会真正相信它。