ARTICLE · 1107381
从工具普及到工作重构:AI带来的分工之变
从工具普及到工作重构:AI带来的分工之变
——2026年9月10日，Technology Ireland DIGITAL Skillnet发布爱尔兰SOHAM研究团队完成的《工作中的AI如何合理配置：爱尔兰劳动力转型与人机协作》（Right-Sizing AI at Work: Workforce Transformation and Human-Machine Partnerships in Ireland）。研究结合487名员工调查、421人情境实验与32位高管访谈，关注AI带来的任务重组、技能变化与人机协作。 NextAI+ Praxis 是一个面向未来的AI咨询品牌，致力于打造一个围绕 “What’s Next in AI” 的跨界共创实验平台。我们与创始人、管理者、开发者和研究者一道，持续探索人工智能在真实世界中的落地边界、组织影响与长期战略，帮助各类组织在不确定性中形成更清晰、更可执行的决策。
对于许多员工来说，使用AI正在成为工作中的日常选择。在SOHAM报告的员工调查中，47.4%的受访者每天在工作中使用AI，另有18.3%每隔一天使用一次，11.1%每周使用一次。三者合计达到76.8%，说明多数受访者已经有较为规律的使用习惯。 不过，频繁使用的同时，多数受访者自评独立完成工作的能力变化有限。45.2%认为，在没有AI时独立完成任务的能力没有明显变化；另有23%认为略有提升，10.7%认为略有下降。这三类回答合计占78.9%，接近八成，整体集中在“没有明显变化”或“仅有轻微变化”上。报告还显示，40.9%的受访者表示自己对AI没有依赖。日常使用的普及，与相当一部分员工仍不依赖AI的感受同时存在，由此值得进一步考察的，是人和AI究竟形成了怎样的工作模式。 
图1：受访者使用AI工具的频率，以及自评在没有AI时独立完成任务的能力变化。资料来源：Technology Ireland DIGITAL Skillnet，NextAI+ Praxis整理。 一种可能的解释是AI已经承担了适合它的任务。员工将精力更多地用于专业判断、结果审核和异常处理，双方形成了清晰高效的人机分工。另一种则是AI的作用仍集中在零散的辅助任务上，尚未充分进入工作的核心环节。在这两种工作模式下，员工都可以保有独立工作的能力，但AI参与工作的深度有着明显差别。
报告对实际用途的调查和管理层访谈，为判断当前的人机协同更接近上述哪一种工作模式提供了佐证。在工具类型的回答分布中，生成式AI工具占40%，是最常见的一类；其次是其他平台内置的AI功能，占28.7%，包括邮件补全、语法校正和会议摘要等。相比之下，机器人流程自动化及工作流自动化工具所占比重仅为5.5%。通用生成工具和现有软件中的AI功能，构成了更常见的使用入口。 
图2：受访者在工作中使用的AI工具类别。资料来源：Technology Ireland DIGITAL Skillnet，NextAI+ Praxis整理。 管理层访谈进一步呈现了这些工具如何参与工作。在许多组织中，AI应用主要集中在日常事务和行政活动，例如起草材料、生成报告、检索信息、提取数据，以及为人力资源、财务和客户服务等职能提供支持。员工借助AI完成其中一些步骤，从而腾出时间处理更复杂的工作。这些应用已经提供了实际帮助，但它们更多围绕单项任务展开。 与此同时，一小部分受访管理者，尤其来自技术和工程领域的管理者，开始讨论能够连续执行多个步骤的智能体系统，涉及客户接入流程和软件开发流程中的部分环节。较传统行业的受访者则更多描述探索性的、分散的或范围较窄的应用。由此可以看到，从个人任务辅助走向工作流整合，在不同组织中的进展仍不一致。 综合这些观察，我们更倾向于用“员工主导工作、AI按需辅助”来理解报告呈现的常见模式。在这种模式下，AI可以频繁参与某些步骤，而安排任务顺序、衔接各个环节和推动工作完成，仍主要依靠员工。它帮助人更方便地完成原有工作，人和AI之间更深入的任务分工，则仍有待形成。
AI为什么更多停留在任务辅助层面，还需要结合员工的学习方式和实际使用条件来理解。报告显示，64.7%的受访者对自己有效使用AI工具的能力有信心。但在技能提升方式的回答分布中，在线教程和自学等非正式学习占40.2%，高于企业提供的培训（17.7%）和正式课程（12.2%）。许多员工已经通过个人摸索积累了经验，但持续、贴合岗位的学习支持却没有及时同步。 
图3：受访者对有效使用AI工具的信心，以及在日常工作中进一步使用AI的主要障碍。资料来源：Technology Ireland DIGITAL Skillnet，NextAI+ Praxis整理。 使用障碍的分布进一步说明了这种支持需要回应什么问题。对AI输出缺乏信任所占比重最高，为20%；数据保护、隐私和合规顾虑紧随其后，为17.6%。技能与知识不足占11.7%，缺少学习和试验时间占11.2%。此外，不清楚哪些场景适合使用AI、缺乏明确的组织指引，也出现在受访者的回答中。深入使用面临的阻力，同时涉及能力、可靠性和组织规则。 
图4：受访者在日常工作中进一步使用AI的主要障碍。资料来源：Technology Ireland DIGITAL Skillnet，NextAI+ Praxis整理。 管理层访谈补充了企业层面的条件。受访者提到，系统分散、数据质量不一致，以及不同职能之间的数据难以连通，会限制AI从试点走向可靠的日常运行。另一些访谈则将员工的抵触与应用效果不清晰、同现有工作的整合不足，以及缺少岗位相关培训联系起来。这些问题会影响员工是否愿意、也是否能够把更多工作交给AI。 综合这些观察，我们的理解是，个人已经学会调用工具，企业仍需要补上让AI深入工作的条件。个人摸索可以帮助员工发现一些有用的做法，但要进一步理解AI适合承担哪些核心任务，并将它稳定地放入组织的实际工作，还涉及数据能否接入、工具能否获准使用，以及输出是否值得信任。仅靠员工层面的各自尝试，很难同时解决这些问题。
员工是否愿意进一步使用AI，也受到企业如何安排和认可这种使用的影响。报告通过一项421人参与的情境实验，设置了内部邮件和客户产品说明两类任务，并比较AI辅助编辑、AI生成最终版本，以及未经授权使用AI三种条件下的使用意愿。 
图5：不同AI使用条件下，受试者在假设工作场景中的AI使用意愿。资料来源：Technology Ireland DIGITAL Skillnet，NextAI+ Praxis整理。 图中，在两种获准使用的条件下（获准用AI辅助编辑、获准用AI生成最终版本），受访者回答明显集中在较高意愿的一端，选择5分的分别有98人和99人，选择1分或2分的分别只有5人和4人。而未经授权时，倾向继续使用AI的受访者仍有81人（5分），选择1分或2分的则有25人。换句话说，企业是否给出清晰授权，会直接影响员工在这些场景中尝试AI的意愿。 管理层访谈进一步说明，明确支持还需要落实到实际工作。受访者更认可持续、贴合岗位的实操学习：让员工围绕自己的任务试用AI，同时学习核验结果和处理业务数据。领导者的支持、内部AI骨干和实践交流群体，也被视为帮助员工分享经验、开展尝试的重要条件。这些支持让个人摸索有机会转化为团队能够共同采用的做法。 据此，我们认为，管理层推动学习最有说服力的方式，是让AI真正参与一项具体工作。企业可以从一个清晰的业务问题出发，安排AI承担适合的任务，让员工在实际执行中理解它能做什么、需要提供哪些信息，以及结果如何交给下一环节。领导者也应参与这样的探索，为学习留出时间，并推动有效经验在团队之间传播。员工由此看到的，是一种可以实际采用的工作方式。
图6：不同任务及AI使用条件下，受试者检查或核验AI输出的意愿。资料来源：Technology Ireland DIGITAL Skillnet，NextAI+ Praxis整理。 当AI进一步参与工作，员工的职责也需要随之明确。情境实验继续询问受试者，如果决定采用AI输出，是否会在使用时进行核验。在内部邮件和客户产品说明两类任务中，选择较高核验意愿（4或5分）的分别有135人和143人；选择较低核验意愿（1或2分）的分别有57人和49人。核验已经得到许多受试者的重视，但不同人的检查意愿仍有差别。 要把这种核验意识转化为清晰的工作分工，还需要结合任务本身的要求。报告提出的“人机协作适配框架”强调，常规任务可以考虑自动化，需要专业判断的任务适合由AI增强人的能力；部分多步骤流程可以交给智能体执行，同时明确监控、异常升级和责任归属。对于高风险或后果重大的决策，则应保留实质性的人类监督和明确的决策责任人。 结合这一框架，我们认为，人应介入到什么程度，可以围绕任务风险来安排。流程清晰、重复性高且风险较低的工作，可以让AI承担更多执行，由人通过抽查、质量检查和异常处理把关；涉及重要客户承诺、敏感信息或重大经营决策时，则需要更严格的核验与审批。随着执行逐渐交给AI，人的专业能力仍然重要，它决定了员工能否识别错误、处理例外，并判断结果是否达到要求。 因此，健康的人机协同需要让执行、核验和决策各有归属。员工保有独立工作的能力，同时让AI承担适合它的工作，这两者可以相互支持。企业真正需要推进的，是将这种分工落实到具体任务和流程中，让日常使用逐步转化为稳定、清晰的协同方式。 以下资料便于进一步阅读。资料日期与内容以原发布页面为准。 所引用的原文、图表及相关标识，其权利归原作者、发布机构或相应权利人所有。本文为独立的研究与评论，不代表上述机构的官方立场或认可。若权利人对引用、翻译或图表使用有疑问，请联系contact@nextaipraxis.com；我们会及时核查，并视情况更正或删除。 © 2026 NextAI+ Praxis. All rights reserved.
Deep Reads 是 NextAI+ Praxis 推出的深度专题栏目。我们不追热点，而是精选那些值得反复研读、值得分享的长文与研究。我们关注人与 agent 协作的真实边界，也关注这种协作背后对组织、对个体的深层影响。我们把那些扎根一手数据、经得起推敲的严肃研究，梳理并转化为组织与个人可理解、可借鉴、可行动的长期洞察——帮助你在快速变化中，看清什么真正值得思考。
用得频繁，不代表用在合适的位置
AI更多参与单项任务，许多流程仍由人串联
个人使用信心已经形成，组织深入应用仍有阻力
让AI进入真实工作，需要企业明确支持
人机分工，需要明确执行与判断的边界
延伸阅读
Technology Ireland DIGITAL Skillnet、SOHAM研究团队，《工作中的AI适配：爱尔兰劳动力转型与人机协作》（Right-Sizing AI at Work: Workforce Transformation and Human-Machine Partnerships in Ireland），2026年9月10日发布。本文的主要参考材料，涵盖员工的AI使用与学习方式、管理层对工作变化的观察，以及组织授权、输出核验和人机协作适配框架。可重点阅读第4章员工调查、第5章情境实验、第6章管理层访谈，以及第8章框架与建议。 都柏林圣三一学院，《新研究发现：AI正在重塑工作》（AI is reshaping workplace, not replacing jobs, new research finds），2026年9月10日发布。研究的官方介绍，概述主要发现、研究背景及相关机构的解读，并提供报告获取入口。
近期更新
欢迎私信或者在评论区留言，告诉我们你好奇的企业AI实践话题！也欢迎在NextAIPraxis.com 网页中留言或者通过contact@nextaipraxis.com联系我们，提出您企业存在的真实待解决的问题，我们会在2个工作日内联系您，并邀请您进入我们的实践分享社群。