夜雨聆风
当75%员工自带AI上班,HR还要做通识课吗?
（图片由HRflag用Midjourney生成，编号fba6acb3-330a-4e51-ac42-91cdac428ed3_2）
想象一个很多公司都熟悉的下午。
周二两点，人力资源部发出会议链接，全员进入一场名为“AI赋能与未来办公”的线上培训。第一页是趋势，第二页是机会，第三页是风险，后面开始讲提示词，最后演示怎么让AI写邮件、做摘要、列提纲。两个小时之后，培训结束，群里刷起“收到”“辛苦老师”，截图被整理进月报，课程覆盖率很好看，满意度也不低。四点十分，大家关掉会议窗口，重新回到Excel、PPT、审批流、客户群和临时会议里，工作方式几乎没有任何变化。
这大概是今天不少企业推进AI最真实的一幕：气氛很新，动作很多，结果很轻。
这并不是因为企业不重视。恰恰相反，AI已经成了管理层最不能回避的话题之一。世界经济论坛在《Future of Jobs Report 2025》中提到，到2030年，全球雇主预计有39%的核心技能会发生变化，85%的雇主把员工技能提升视为主要应对策略。与此同时，微软与LinkedIn的研究显示，75%的知识型员工已经在工作中使用AI，79%的管理者认为公司要保持竞争力就必须采用AI。换句话说，AI不是“要不要学”的问题，而是企业已经普遍相信，自己不能再等。
问题也正出在这里。越是被普遍认定为“不能错过”的东西，越容易被组织迅速流程化、形式化、指标化。Docebo在2026年发布的《AI Readiness Gap》给出了一组很刺眼的数据：85%的员工表示，他们接受到的AI培训并不能帮助自己在真实岗位中理解或使用AI；79%的学习团队已经在用AI生成内容、做评估和推荐，但91%的学习负责人承认，组织尚未真正用AI重新定义工作流；只有9%的组织真正实现了工作方式层面的转变。这几组数字最值得警惕的地方，不是培训做得不够多，而是培训已经成为企业最容易完成、也最容易自我感动的一环。
也就是说，今天企业面临的，已经不是“AI是否重要”的争论，而是另一种更难被承认的现实：很多公司把AI转型做成了一门课，却没有把它做成一种新的工作方法。
这听上去像一句漂亮话，落到组织里却是很具体的。因为“上课”意味着统一安排、统一内容、统一覆盖、统一考核；而“改变工作方法”意味着重新拆岗位、改流程、配权限、设边界、算收益。前者容易采购，后者需要真正进入业务。所以你会看到，大量企业最先启动的，是全员通识课、管理者训练营、AI主题月、案例分享会；但最难启动的，是重新回答那些真正决定落地的问题：市场部哪里能用，HR哪里能用，财务哪些动作适合先试，哪些内容必须人工复核，哪些数据不能进系统，出了问题责任怎么算。培训之所以会落空，不是因为员工不够努力，而是因为组织把最难的部分，留在了培训之外。
很多企业的第一个误判，是高估了“通识”的价值，低估了“角色”的重要性。
通识当然不是没用。让更多员工理解大模型是什么、能做什么、不能做什么，这本身是必要的。但问题是，通识只能解决“认识AI”，解决不了“在我的岗位里怎么用AI”。Docebo的研究里，57%的员工认为培训与自己的岗位并不相关，接近60%的人觉得课程不是为像自己这样的人设计的。这就解释了为什么很多培训现场气氛不错，转身却没有行为变化：大家不是没听懂，而是听完之后依然不知道，明天上班第一件事到底该怎么改。
市场岗想要的，往往不是再听一遍技术原理，而是知道如何让AI更快地产出不同版本的campaign文案、分析竞品表达、拆解用户反馈。HR想要的，可能是如何在合规前提下归纳海量员工开放评论、生成不同层级的沟通稿、提高培训内容迭代效率。财务团队最关心的，也不是“提示词工程”这个词本身，而是合规报告、数据对账、标准作业文件、异常条目识别这些动作能不能被缩短。微软披露的案例里，BCI的HR团队借助Copilot处理一份包含近8,000条私密员工评论的调研，节省了约一个月的处理时间；Eaton用Copilot生成标准操作流程，把每份SOP的创建时间从1小时压到10 分钟，累计节省650多小时。你会发现，真正产生价值的，不是“所有人都会一点 AI”，而是“某个岗位把某个动作真正做快了”。
第二个误判，是高估了员工的学习意愿，低估了他们的时间贫困。
今天很多企业的工作，不是缺少工具，而是缺少完整的注意力。微软在2025年关于“无限工作日”的研究里提到，使用Microsoft 365的员工平均每2分钟就会被会议、邮件或通知打断一次；48%的员工和52%的管理者都认为，自己的工作已经变得混乱而碎片化。组织如果不先承认这一点，就会对培训失败给出一个很轻飘的解释：员工不够积极。可现实更像是，很多人连一段完整的专注时间都越来越难拥有，更别说在原本已经超载的日程上，再加一项需要试错和练习的新能力。
所以，不少企业做AI培训，做着做着就会变成一种非常微妙的反讽：他们一边告诉员工，AI可以帮你节省时间；一边又要求员工在没有减少任何旧任务的前提下，额外抽时间去学习AI。结果当然是，课程完了，工具装了，知识学了，动作没变。因为组织没有给员工“学会之后，把旧工作方式真的换掉”的空间。
真正跑出来的企业，往往不是培训更多，而是把学习尽量塞回工作流里。英国政府在 2025年的跨部门Microsoft 365 Copilot试验中，让20,000名公务员在真实工作环境中使用工具，结果显示，参与者平均每天节省26分钟，超过70%的使用者认为，它减少了搜索信息和处理琐碎任务的时间，让自己能把更多精力投入更有战略性的事情。这个案例最关键的地方，不是“26分钟”本身，而是学习没有发生在一个与工作分离的平台里，而是直接发生在工作发生的地方。当AI不再是一门独立课程，而变成工作界面里一个随时可调用的能力，培训才开始从知识传递走向行为改变。
广告
第三个误判，是高估了员工对新工具的天然热情，低估了组织内部的心理压力。
微软2024年《Work Trend Index》里有一组很值得管理层多看两遍的数据：78% 的AI使用者是在“自带工具”工作，52%的人不愿承认自己在最重要的任务里使用 AI，53%的人担心这会让自己显得可被替代。这三组数据拼在一起，呈现的其实不是技术问题，而是组织情绪。员工不是没有在用AI，很多人已经在用了；真正的问题是，他们在偷偷用、分散用、没有规则地用。一个员工连“我用了AI”都不太敢说出口的组织，培训做得再热闹，也很难真的形成规模化adoption。
因为在很多企业里，AI仍然被包裹在一种双重暗示里：一方面，它被宣传为生产力飞轮；另一方面，它又隐约与替代、压缩、效率考核和组织重组挂钩。于是员工会本能地问：如果我把这套工具学得越快、用得越顺，是不是也意味着我正在更快证明“这份工作本来可以少几个人做”？这个疑问未必总会被说出来，但它会决定很多培训之后的真实行为。不是学不会，而是不愿意在公开场合表现得太会。
这就是为什么，AI培训如果没有治理和心理安全感作底座，最后很容易滑向两个极端：要么变成表面化使用，大家只拿它写写摘要和邮件；要么变成地下化使用，真正有用的场景全在私下里发生，组织既看不见，也管不好。德勤在2025年关于企业生成式AI的建议里强调，企业应从低风险、非关键数据的场景起步，先明确哪些任务和工作流适合AI，配好数据管理、网络安全和治理能力，并保持人类监督。这几乎是在提醒所有企业：AI培训不是教员工怎么提问，而是先告诉员工，什么能用、什么不能用、哪里可以试、哪里必须复核。
也因此，真正领先的企业，几乎都没有把AI培训当成单独的学习项目，而是把它当成一场经营管理项目。
微软披露的 Allegis Group 案例里，这家公司围绕Microsoft 365 Copilot、GitHub Copilot、Copilot Studio 和 Azure AI Services 搭建了一套综合体系，在兼顾员工信任、合规和业务协同的前提下，18,000名活跃用户累计节省了150,000 小时，翻译成本节省了150万美元。这类案例的关键从来不只是工具先进，而是它们同时处理了几件事：在哪些岗位先推，怎么建立内部支持网络，怎么回应员工顾虑，怎么让业务部门看见结果，怎么让收益可以被追踪。真正有效的AI培训，背后一定站着一套被重写过的组织运行方式。
所以，今天企业最该警惕的，不是“培训预算不够”，而是“把AI预算都花成了学习预算”。因为如果流程不改、指标不改、治理不改、角色设计不改，再多课程也只能制造熟悉感，很难制造结果。Docebo的那组数字之所以重要，就在于它把一个原本模糊的问题讲清楚了：组织里缺的不是工具，也不完全是学习热情，而是把学习变成业务能力的那一步设计。
更现实的是，这场设计能力的竞争，已经开始影响企业价值。PwC在2025年《Global AI Jobs Barometer》中提到，拥有AI技能的劳动者平均薪酬溢价达到 56%；在更暴露于AI的行业里，单位员工收入增长是低暴露行业的3倍。这说明AI真正提升的，不是“有没有一个新工具”，而是“人和工具结合之后，单位时间能创造多少新的价值”。AI从来不是在奖励会喊口号的公司，它奖励的是那些真正重写工作方式的公司。
从这个角度看，今天很多企业做AI培训时最该问的，不是“今年开几场课”，而是三个更难的问题。
第一，我们到底准备先改哪一个岗位里的哪一个动作。不是泛泛而谈“提升效率”，而是具体到：招聘筛选、培训设计、员工洞察、合同审核、报表编制、客户跟进、知识检索这些动作里，哪一个最值得率先交给AI做辅助。第二，我们打算如何让员工敢用。包括数据边界、复核机制、权限设置、责任归属，以及领导层是否真的会把AI 带来的时间释放，投入到更高价值工作，而不是马上拿它去加码旧KPI。第三，我们准备怎么量价值。不是课程完课率，不是签到率，不是课后满意度，而是工时节省、周期缩短、返工减少、响应加快、满意度提升、收入改善。英国政府试验里那种“每天26分钟”的测算，和Eaton那种“每份SOP缩短50分钟”的测算，才是真正能推动组织继续投入的语言。
说到底，今天AI培训最值得被重写的，不是课件，而是叙事。
过去很多企业习惯把这件事讲成“新工具普及”。但更准确的讲法应该是：这是一轮关于工作再分配的管理革命。哪些工作继续由人主导，哪些工作交给AI先做初稿，哪些判断必须由经验来完成，哪些流程可以被重排，哪些岗位的价值会从“亲手完成”转向“判断、统筹、把关与创造”——这才是这轮变革真正的内容。培训只是入口，流程才是战场，治理才是底盘，文化才是最后决定转型深浅的土壤。
也许几年后再回看，企业这一轮AI转型真正的分水岭，未必是谁最早买了某个产品，也未必是谁最早把“AI赋能”写进了年报，而是谁最早意识到：最先需要升级的，不是员工会不会写提示词，而是组织能不能把一门课，变成一种新的工作秩序。
当企业还在用上一个时代熟悉的方式——开大会、做宣讲、看覆盖率、盯完课率——来处理这一轮变化时，AI 培训当然容易落空。因为那套方法原本就擅长传达共识，不擅长改写行为。可 AI 真正要改写的，偏偏不是共识，而是每天发生在每个岗位上的具体动作。所以，最先落空的，从来不是 AI 培训本身。最先落空的，是企业以为“培训完成”就等于“转型开始”的想象。而真正的转型，往往恰恰从培训结束、员工回到工位、第一次决定“今天这项工作到底要不要换一种做法”时，才算真正开始。
|
活动名称 |
时间 |
地点 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
