ARTICLE · 1272084

AI什么都能写,但它不能被信任.关系的陪伴是心商业时代的重头戏.

发布时间：2026-10-29 07:49:31 最近访问：2026-10-29 07:49:31

AI教员鹰计划.培训教练

AI 什么都能写。但它不能被信任——至少现在还不能。

而"让人理解、让人相信、让人愿意改变"，恰好是培训与组织发展这门手艺的核心。

上个月在一家制造企业做访谈，会议室里发生了一件事。

一位部门经理汇报完改进方案，董事长没有问方案本身，而是问了一句："这份东西，是你写的，还是 AI 写的？"

空气停了两秒。经理说，框架是我想的，AI 帮我整理。董事长点点头，说：那我怎么知道，这里面哪些是你真想清楚的？

这个场景，我认为是 2026 年企业培训最值得研究的一幕。技术把"产出"变得极其便宜，于是"可信"成了最贵的东西。而培训这门手艺，做的从来就不是产出，是让人信、让人会、让人愿意动。

今天练荣斌老师的分享分两部分。上半部分讲清培训与组织发展（OD）的基本框架，用五组数据说明为什么 AI 时代更缺这种能力；下半部分顺便介绍一下练老师为什么要做周末的AI工作实战班？

PART 01

学习发展LD、人才发展TD、组织发展OD

AI教员基础班：三个模块撑起"培训与组织发展"

我经常说"培训即管理"，管理有三个发展：OD、TD、LD。这三个词经常被混着用，其实分工很清楚：

LD（Learning & Development，学习与发展）——管"学"。课程、学习项目、学习技术，交付物是知识与技能。

TD（Talent Development，人才发展）——管"人"。岗位能力、继任梯队、绩效改进，交付物是能上岗、能接班的人。

OD（Organization Development，组织发展）——管"变化"。结构、流程、文化、协作方式，交付物是组织本身的能力。

OD 的经典定义来自 Beckhard 1969 年的《Organization Development: Strategies and Models》：一种有计划的、覆盖整个组织的、自上而下的努力，通过运用行为科学知识对组织流程进行有意识的干预，以提高组织的效能与健康。注意三个限定——有计划、全系统、靠行为科学，这也是它区别于"搞一次培训"的地方。

现实中常见的错位是：企业用 LD 的方式（买课、办班）去要 OD 的结果（协作变顺、执行变快）。课上了，满意度很高，半年后行为没变——于是有人说培训没用。不是培训没用，是用 LD 的工具去做 OD 的活。培训其实经常背锅。

PART 02

培训即管理：它改的是行为，不是知识

"培训即管理"这句话容易被误读成"培训很重要"。练老师表达的原意是：培训是管理者改变组织行为的一种手段，和管理动作在同一张桌子上。

绩效改进领域有一个基础共识（Gilbert吉尔伯特的行为工程模型、Mager 与 Pipe 的行为分析）：一个人的绩效由行为决定，而行为由三样东西共同决定——他会不会（技能）、他想不想（动机）、环境允不允许（信息、工具、激励、流程）。培训只能解决第一和一部分第二样的引导。这也是为什么"培训没用"的抱怨里，很大一部分其实是环境问题：学会了一套方法，回到岗位上却没有任何一个流程支持它发生。

所以 OD 视角下的培训，第一件事不是设计课程，是判断：这个绩效问题，到底该用培训解决，还是该动流程、动激励、动结构。判断错了，后面全是白费。

很多培训人就是喜欢培训或者口才好，当然很难做好培训。

喜欢自学的同学可以直接打开WorkBuddy在专家中搜索“乐萃师”免费使用

PART 03

组织发展学的五大支柱

接下来练老师分享一下OD的五根柱子：系统理论、组织文化、发展理论、场域论、干预方法论。这五个词不是并列的目录，它们各自回答一个不同的问题。

系统理论看整体	组织是一个开放系统：输入、转化、输出、反馈。贝塔朗菲的一般系统论给了它源头，圣吉的《第五项修炼》把它变成管理语言。要点只有一句——改动任何一处，都要问它对其他部分意味着什么。系统足够强大才有生态。
组织文化看默认	沙因（Schein）的三层模型：人工制品、信奉的价值观、基本假设。真正决定行为的是最里面那层没人说出口的假设。培训若只改标语，不动假设，等于没改。
发展理论看阶段	库尔特.勒温（卢因Lewin）的群体动力学与三阶段——解冻、重塑、再冻结。任何变革都要先松动旧的平衡，再引入新的，最后重新固化。跳过第一步，就是"课上激动，回去不动"。
场域论看情境	还是卢因：行为是人与环境的函数（B = f(P, E)）。一个人的表现不只取决于他的能力，还取决于他所在的那个"场"。想让新行为发生，就得先造一个支持它的场。罗伯特.迪尔茨的NLP六层次有没有用？也看场域。
干预方法论看做法	行动研究：计划、行动、观察、反思，循环推进；再往上，是阿吉里斯与舍恩的单环与双环学习——单环改做法，双环改背后的假设。干预不是"给方案"，是"和人一起把方案长出来"。

五根柱子合起来，是一句很朴素的话：

组织的问题，很少是单点的问题；人的改变，很少只靠一次输入。这也是为什么训战一体化多数企业都是一地鸡毛的原因。反而你如果深入研究直销、保险、成功学、家庭教育这些赛道的组织，因为培训组织文化的接纳性，反而真正可以训战一体化。

PART 04

库伯学习圈：为什么"听过"不算学会

AI时代的培训师价值是在于创造体验。库伯（David Kolb）的经验学习圈可以让人和AI共存。1984 年库伯（考尔伯特）在《Experiential Learning》里提出：学习不是往脑子里装东西，是一个由经验出发、再回到经验的循环。

四个阶段，图上写得更简洁：

体验

先做一件真的事

反思

回看它怎么发生的

理论

抽出可复用的规律

应用

换个场景再用一次

这个圈解释了一个人人有过的体验：听完一堂课，觉得"都懂"，回到工位三天就忘了。因为听讲只发生在第二阶段之前的半格——连经验都还没有，反思的对象是什么？

对培训设计来说，这个圈给了一条硬规矩：先给体验，再给概念。人只有在"做错过一次"之后，才听得进"应该怎么做"。这也是为什么我们坚持线下、坚持带电脑实操、坚持用学员自己带来的真实任务——体验不能虚拟，反思才有着力点。

日本学者野中郁次郎的知识创造理论（SECI 模型，1995）提供了另一个佐证：隐性知识无法靠文字传递，必须在共享情境中、通过共同经验来完成转移。他把这个情境叫"场"。

在线学习一段视频可以传递信息，但传递不了手感。AI带来的更多是信息迷茫，最后是习得性无助的放弃。

PART 05

信任：AI 时代最稀缺的那件东西

到这里，可以回答开头那个问题了。为什么在 AI 什么都能写的时代，培训能力反而更贵？三组证据。

30–44 个百分点

信任 AI 的人与不信任的人，在"是否接受 AI 扩大使用"上的态度差距

Edelman《2025 信任晴雨表》AI 专题调查（2025 年 11 月，五国约 5000 人）：在巴西，信任 AI 者中 49% 接受其扩大使用，不信任者中仅 5%，相差 44 点；英国 43% 对 2%（+41）、美国 43% 对 3%（+40）、德国 34% 对 4%（+30）。报告作者 Richard Edelman 的判断只有一句：信任是这轮AI热潮里缺失的那味配料。

更值得注意的是同一份调查里的第二个发现：当生成式 AI 帮人把复杂的事讲明白时，人们对它的信任会显著上升——英国 +45 点，美国 +37 点，巴西与德国各 +36 点。

这句话值得培训人读三遍。"帮人理解复杂事物、从而建立信任"，这就是培训每天在做的动作。

95%

企业生成式 AI 试点中，未能产生可衡量财务回报的比例

MIT NANDA 项目《The GenAI Divide: State of AI in Business 2025》（2025 年 8 月）：在 300 多个公开 AI 部署、52 场深访与 153 份问卷基础上得出，尽管企业投入已达 300–400 亿美元。研究者把原因归为"学习差距"——通用工具不适配企业自己的工作流，也不保留反馈、不随情境改进。不是模型不行，是组织没学会怎么用它。

77%

企业 AI 落地中最难的部分中，来自"无形投入"的比例

斯坦福数字经济实验室对 51 个成功部署案例的研究（《企业 AI 手册》）：最难的挑战里，77% 不是技术，而是变革管理、数据质量、流程重构；61% 的成功项目此前都有过失败。结论是——决定成败的是组织准备度、高管是否真出手清除障碍，以及有没有人在中间持续推动。

三组数据指向同一个地方：AI 落地的瓶颈，不在算力，不在模型，在人；而"人"这一侧的工作，正是 OD 与培训的专业范围。让人理解（沟通与教学）、让人相信（一致性与示范）、让人愿意改变（场域与陪伴）——这三件事，没有一件可以外包给大语言模型。

还有一层更细的理由。哈佛的埃德蒙森（Amy Edmondson）在 1999 年提出"心理安全感"：团队敢于提问、承认错误、尝试新做法，前提是相信这样做不会被羞辱或惩罚。AI 引入的恰恰是大量的"不确定"——它可能错，可能不会用，可能显得笨拙。一个没有安全感的团队，会把 AI 用成"应付检查的工具"，而不是"改进工作的伙伴"。这件事，只能靠人去做。

信任的灾难还在于别有用心的人用AI生成具有不良动机和毒素的内容，让人对AI心生恐惧。

PART 06

培训人的位置，正在往上移一格

把上面几节合起来看，培训这个职业的重心在变：

· 过去，价值在于"我知道，我讲给你"——内容供给；

· 现在，内容接近免费，价值转向"我陪你把这件事做成"——过程设计；

· 再往前，是"我让一群人相信这件事值得做"——信任建造。

三个层级对应三种能力：会讲、会带、会建场。第一层正在被 AI 大幅替代；第二层靠 OD 的干预方法；第三层靠人格与长期一致的行为。越往后，越难被替代，也越难速成。

所以我不太同意一种说法：AI会让培训人失业。

我更同意另一种：AI 会把"只会讲课的人"和"能让人改变的人"彻底分开。

前者被工具替代，后者因为工具而更被需要——因为当内容唾手可得，组织最缺的就是那个能让人相信、并且愿意跟着做的人。

而这两者之间，隔着的不是知识，是练习。库伯那个圈已经说得很清楚：没有体验，就没有反思；没有反思，就没有真正的学习。

PART 07

一个周末，从"知道"走到"做到"

如果说前面的分享是"地图"，接下来就是"走路"。

AI工作实战班：一天 6.5 小时，周末在上海虹桥开班，线下小班，人机协同。它的设计完全按库伯的圈来——先做，再讲，再复盘，再换场景用一次。

六个板块：

1　工具认知与选型——四大工具（WorkBuddy、千问、豆包、百度搭子）能力边界与场景对照，讲清算力成本的坑。

2　核心功能极速上手——SKILL 技能安装与创建、自定义专家与专家团协同、连接器打通企微与飞书数据。

3　提示词底层逻辑——标杆提示词公式、链式提示与思维链，把"怎么问"变成可复用的方法。

4　写作与数据实战——周报与方案生成、数据处理出图、可视化 HTML 网页。

5　AI 工作避坑经验——数据安全红线、算力成本陷阱、幻觉与事实核查机制。这一节对应上文那句"签字的人不换"。

6　理解 AI 发展趋势方向——Embedding 到 FDE 的演进、Agent 智能体的核心逻辑、团队落地的现实困局。

一天的节奏

上午

先动手

用你带来的真实任务直接上手：把一件正在做的活交给工具跑一遍，先感受它在哪里行、在哪里不行。工具对照、WorkBuddy 初始化、SKILL 与专家团、连接器、提示词公式。

下午

再复盘

回看上午的过程：哪一步该交给 AI、哪一步必须自己签字，把它抽成自己的规律；然后换一个场景再用一次——周报、方案、数据出图、可视化网页，逐项验收。

十项交付物：四大工具能力对比表、场景应用对照表、标杆提示词模板卡、一份 AI 辅助生成的周报、一份 AI 教员方案初稿、一份可视化数据分析网页、AI 应用发展四层次知识图谱、企业 AI 落地路径图、AITTT 课程资料与优惠券、《企业 AI 落地工具包》。

前四样是给你自己的；后几样是给要往团队里推的人的——一个人会用，和一群人会用，中间差的就是这套东西。

价格与承诺

299 元/人（课程原标价值 1980 元），含一天 6.5 小时线下小班实战（上海虹桥）与全套工具包资料；早鸟报名另赠《AI 表达力》网课。⬇️⬇️⬇️点击图片占位

上午场结束时若觉得没有收获，无条件全额退费，不需要理由。小班制，席位有限，当期实际余位以助教确认为准。

四种人，建议先别报名：

· 只想来听、不打算带电脑动手的；

· 想一天后变成算法工程师的（这门课讲应用，不讲模型训练）；

· 手上没有真实任务的（没有经验，就没有反思的对象，没事做也可以好好吃饭）；

· 期待一天之后业绩翻倍的（AI提的是效率，不是替你谈客户）。

最后，回到那间会议室

那位经理后来做了件事：他把 AI 生成的初稿和自己的想法并排打印出来，逐条标注哪几句是他坚持的、为什么。第二次汇报，董事长没再问"这是谁写的"。

我想说的就是这件事。工具让人人能产出，但没有让人人可信。可信来自你知道自己在说什么，也知道自己不知道什么——而这份自知，是练出来的，不是买来的。

组织发展这门学问几十年了，核心始终没变：改变不是通知出来的，是被人陪着、在一个安全的场里，一次次试出来的。AI 只是把这件事变得更急——因为它让"不懂"变得更容易被掩盖。

所以，与其问 AI 会不会取代培训，不如问：在你的组织里，还有没有人，能让人愿意相信并动手改变？

想了解这期周末班（上海虹桥）的开班日期与余位，可在公众号后台回复「实战班」，助教会把具体地点、需带设备与报名入口一并发你。

表达力教练｜曾受联合国 ILO 邀请授课｜注册国际讲师认证考评导师｜AI教员鹰计划·她力量讲师团发起人｜企业销售团队AI教员｜Wavenote AI 录音卡 FDE 应用专家

乐训商业智库 · AI 教员鹰计划

相关学习资料