夜雨聆风AI时代组织管理 · 每日连载｜本周主题：学习发展如何拥抱 AI · Day 2
概述：上一篇解决了“为什么”，这一篇回答“拥抱什么”。我的看法是：不是先买课，而是同时回答三个问题——学什么、怎么发展、凭什么判断。
上一篇谈到的三种变化，正在造成一种专业响应上的错位。
业务线已经开始用 AI 改变任务和流程，L&D 手里的能力模型、发展方法和评估标准，却未必同步更新。
要修正这种错位，L&D 需要同时在三个方向上开工。
重新定义“学什么”：当 AI 能够完成越来越多的任务，我们培养人的目标，究竟应该是什么？
重新设计“怎么发展”：如果 AI 已经可以承担部分讲解、答疑和示范，它能不能进一步改变练习、反馈和辅导这些更根本的学习机制？
重建“判断标准”：面对不断出现的 AI 学习产品，我们凭什么判断一个项目值得做、值得扩大，还是应该修改或者停止？
它们不是三个由低到高的台阶，而是三个需要同时推进的作业面。
· · ·
为了把差别说清楚，先假设有两家公司。
第一家公司，请讲师给全员上两天提示词课。课程结束，人人拿到一张结业证书，项目到此完成。
第二家公司，把一部分辅导放进工作流程。
员工做完判断后，AI 会继续追问：你的依据是什么？还缺少什么证据？
过程被记录下来，供带教者复盘。
试点开始之前，L&D 也设定了观察指标：既看员工在 AI 协助下能否提高任务质量，也对那些必须保留独立判断的关键任务，观察撤去 AI 之后的表现，再决定是否扩大。
两家公司都说自己“在拥抱 AI”。
但它们回答的，并不是同一个问题。
这里需要先说清楚：第二家公司也不能因此被提前判定为成功。
它只是把三个问题放进了设计。
这些设计能不能在企业里真正产生效果，仍然要由试点证据来回答。
· · ·
第一个问题：员工到底要学什么？
在第一种做法里，项目以结业为终点。
但一张证书只能说明员工参加过培训，不能说明他们究竟形成了什么能力。
工具操作当然要学。
问题是，如果学习目标只停留在“会不会使用工具”，是不是已经足够？
2026 年，KPMG 与得克萨斯大学奥斯汀分校分析了 2,500 多名员工在八个月里产生的约 140 万次真实职场 AI 互动。
结果有些反直觉。
单看使用频率，并不能判断一个人是否真正用好了 AI；技术背景，也不是主要的区分因素。
研究识别出的差异，还包括员工怎样界定问题、怎样引导 AI 处理任务、是否会持续迭代，以及能否根据任务有意识地选择工具。
这是一项在 KPMG 后台业务中进行的观察研究。
KPMG 本身也是 AI 服务的提供方。研究结果不能直接外推到所有企业，更不能证明某种培训一定有效。
但它至少划出了一条值得 L&D 注意的分界线。
工具操作回答的是：员工能不能上手？
问题界定、过程监督和结果校验回答的则是：员工能不能把 AI 用在复杂任务中，同时保持工作质量？
具体的操作技巧，可能随着产品迭代迅速变化。
后面这些能力，通常具有更强的跨工具迁移性。
基础工具能力正在成为门槛。
但单独拥有它，很难形成持续的竞争力。
· · ·
第二个问题：人才到底怎么发展？
第一家公司改变了培训的内容，却没有改变发展人的方式。
AI 成了课程主题，却没有真正进入学习机制。
一种常见做法，是把旧课录成 AI 讲师，给课程接入一个聊天机器人，或者把线下内容搬到线上。
这些做法可能改变学习体验，却不等于练习、反馈、辅导和评估的机制已经发生了实质变化。
那么，“机制真的变了”是什么样子？
一项名为 Tutor CoPilot 的预注册随机对照实验，提供了一个具体样本。
研究涉及 900 名辅导者和 1,800 名中小学生，并分析了超过 55 万条辅导信息。
获得 AI 实时支持的辅导者，其学生掌握学习主题的概率提高了 4 个百分点；原本评分较低的辅导者，所带学生的这一指标提高了 9 个百分点。
更值得注意的是，AI 所处的位置。
它没有取代辅导者直接给学生讲课，而是在辅导正在发生的时候，为辅导者提供实时建议。
研究者对辅导信息的分析显示，获得 AI 支持的辅导者更常使用引导性问题，也更少直接把答案告诉学生。
这项研究仍是预印本，场景也是学校辅导，不能直接代表企业学习。
系统还出现过建议不符合学生年级水平的问题。
但它把第二个问题的含义说清楚了：
AI 真正可能改变的，不只是由谁讲课，而是学习发生时，人怎样练习、怎样被追问、怎样得到反馈。
这与第二家公司试图采用的设计逻辑相似。
AI 没有简单替代带教者，而是进入了提问、反馈和复盘发生的过程。
至于这种机制迁移到企业之后是否仍然有效，还需要在具体场景中另行验证。
· · ·
第三个问题：L&D 凭什么作出专业判断？
这个问题最容易被跳过。
因为它的成果不像一门新课那样直观，也不像参训人数和完成率那样容易展示。
但它决定了前面两个问题，能不能被正确选择和验证。
一种常见的表面做法是：看一场演示，追一个热点，听卖方讲几个成功案例，然后决定项目要不要上。
真正的专业判断，不是只问“要不要买”，而是把一串问题问到底：
这个项目要解决什么业务问题和能力问题？
当前的基线是什么？
AI 究竟改变了哪一个学习机制？
试点要看哪些过程证据和结果证据？
什么样的结果意味着扩大、修改或者停止？
数据、隐私、偏差和能力依赖的风险，又该怎样治理？
为什么这一问不能省？
Gartner 在 2026 年公布的一项调查，覆盖了 40 个国家的 12,004 名员工和管理者。
Gartner 分析师把“将基础工具覆盖和采用指标误当成组织转型”的现象，称为“赋能幻觉”。
这就像因为人人都买了跑鞋，就宣布我们已经是一支田径队。
同一份调查还显示，19% 的受访员工没有报告任何时间节省。
这个数字不能证明 AI 没有价值。
但它提醒我们：即使是最容易被汇报的效率收益，也不会随着工具覆盖自动出现。
这是一项由商业研究机构发布的调查，数据主要反映相关关系和受访者感受。
对 L&D 来说，我从中得到的推论是：
参训率、使用率和节省工时都可以观察，却不能单独承担“证明项目有效”的任务。
· · ·
现在回头再看那两家公司。
它们的差距，不在于有没有使用 AI。
而在于有没有把“采用了 AI”，误当成“已经产生了价值”。
第一种做法很容易形成赋能已经完成的错觉。
证书、参训人数和完成率都可以汇报，但它们只能证明项目发生过，不能证明能力已经形成。
第二家公司至少把三个问题放进了设计：
它没有停在教工具，而是把关键任务上的独立判断也纳入目标——这是在回答员工要学什么；
它没有只换讲课的形式，而是让 AI 进入带教中的提问、反馈与复盘——这是在回答人才怎么发展；
它没有被演示牵着走，而是在试点开始之前，就明确要用什么证据判断成效——这是在回答 L&D 凭什么判断。
真正的拥抱 AI，不是买一门课，而是同时回答三个问题：员工要学什么，人才怎么发展，以及我们凭什么判断。
这不是说，每一个项目都要面面俱到。
一门基础工具课有它的价值，只是不能被当成整套 AI 人才发展战略。
但在 L&D 对 AI 的整体回应中，这三块拼图，一块都不能长期缺席。
还要再补一句：
覆盖了三个问题，也只能说明项目设计得比较完整。
项目到底有没有价值，仍然必须由证据来回答。
· · ·
你可以拿这三个问题，对照一下自己部门正在做的事：
目前覆盖了哪几个方面？
哪一个方面长期缺席？
三个方面之间，有没有真正连接起来？
想清楚这些问题，比急着买下一门课重要得多。
· · ·
从明天开始，我们逐一往下谈。
先看第一个问题：
AI 时代，员工到底应该学什么？
提示词，只是其中最基础的一块。
资料说明
员工需要发展的能力，参考 KPMG 与得克萨斯大学奥斯汀分校的联合研究。该研究在 KPMG 后台业务中进行，历时八个月，分析了 2,597 名用户产生的约 140 万次真实职场 AI 互动。研究结果由参与者以《哈佛商业评论》管理文章的形式发布，并非经过同行评审的学术论文。研究识别的是使用行为模式，其行为信号中也包括使用频率，因此本文表述为“单看使用频率不足以判断使用质量”。KPMG 本身也是 AI 服务提供方，结论不宜外推到所有企业，也没有直接测量员工的长期价值或业务绩效。
AI 改变学习过程的可能性，参考 Wang 等人的预注册随机对照实验《Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise》。研究涉及 900 名辅导者、1,800 名中小学生和超过 55 万条辅导信息。获得 AI 实时支持的辅导者，其学生掌握学习主题的概率提高约 4 个百分点；原本评分较低的辅导者，所带学生的这一指标提高约 9 个百分点。该研究目前为预印本，场景为学校辅导，只能为设计逻辑提供机制启发，不能验证企业场景中的方案；研究也报告了系统建议不符合学生年级水平等问题。
“赋能幻觉”及相关数据，参考 Gartner 2026 年全球劳动力调查。调查覆盖 40 个国家的 12,004 名员工和管理者。Gartner 分析师用该词描述“把基础工具覆盖和采用指标误当成组织转型”的现象；同一调查中，19% 的受访员工没有报告任何时间节省。该调查由商业研究机构发布，数据主要反映相关关系与受访者感受。文中关于“参训率、使用率与节省工时不能单独证明项目有效”的表述，是作者依据该材料作出的推论，并非该调查直接得出的结论。
“三个问题”是作者根据现有研究作出的整合框架，并非某一项研究直接证明的标准模型。上述外部证据分别用于说明这三个问题为什么不能被忽视。
文中两家公司的做法，是根据常见实践组合而成的示意场景，不代表对任何具体企业实践效果的判断，也不指向任何具体机构、产品、培训流派或个人。第二家公司的设计相对完整，但同样没有结果证据，不应被视为已经得到验证的成功方案。
本文的分析、判断与问题，由作者依据上述资料归纳。