AI 工具买了,员工为什么还是不用?先排查这 5 个流程阻力

账号开通了，培训也办了。刚开始几天，大家会试着让 AI 写邮件、做总结。过一阵再看，真正重要的工作仍按老办法完成。

这时最容易得出一个结论：员工不愿意改变。

先别急着下判断。员工每天面对的不是一场 AI 演示，而是客户催交付、主管等审批、系统要留痕、出了错还得自己解释。假如使用 AI 要多开一个入口、多复制几遍资料，结果又不敢直接用，回到旧流程反而是理性选择。

所以，排查“员工为什么不用”，不要先看登录次数。挑一项每天都在发生的真实任务，沿着执行路径看五处阻力：

入口有没有变远，资料有没有重填，审批有没有变慢，结果能不能核验，出错后有没有人接管。

用 20 分钟走完一遍，通常能先定位主要阻力，并决定下一步是补培训、改流程还是继续验证。

先看一个常见场景：销售为什么又回去手工写邮件

假设销售刚结束客户会议，要完成三件事：更新 CRM 、写跟进邮件、把特殊报价交给主管确认。

原流程虽然不够快，但路径很熟：看会议记录，更新 CRM ，在邮箱写好邮件，遇到价格问题就找主管。

接入 AI 后，团队设计了一条“更智能”的路径：先导出会议记录，再打开 AI 工具；从 CRM 复制客户阶段、历史沟通和产品信息；生成邮件后回到邮箱修改；涉及报价时，再把结果发给主管确认；最后还要手工更新 CRM 。

AI 的确更快地生成了文字，销售却多做了几次切换、复制和核对。工具省下的几分钟，被流程重新收了回去。

这类问题不能靠再办一场提示词培训解决。要把新旧路径摊开，看 AI 到底帮员工少做了什么，又额外增加了什么。

第一处阻力：入口切换

先从任务起点开始数。

客户需求原本从 CRM 进入，员工却要另开网页、重新登录、找对机器人，再把材料搬过去。一次切换看起来只花几十秒，如果一天重复多次，它就成了稳定的阻力。

排查时问三个问题：

•从收到任务到拿到第一份可用结果，要打开几个系统？

•要登录几次、复制几次、切换几个窗口？

•AI 能否从员工原本工作的入口被调用？

优先改入口，不要先改提示词。能在 CRM 、工单或文档流程内触发，就不要让员工先去寻找 AI 。

第二处阻力：信息重复录入

AI 想做好工作，需要客户背景、产品资料、历史记录和输出要求。问题在于，这些信息往往已经存在系统里，却还要员工重新填写。

重复录入不只浪费时间，也容易把旧版本、错字段和敏感信息一起带进去。

排查时直接标出：

•哪些字段系统已经有，仍要求员工再次输入？

•哪些资料可以自动带入，哪些必须由人确认？

•缺少关键信息时，系统是明确提示，还是让 AI 猜下去？

更好的做法是预填已批准的数据，只让员工补本次任务特有的信息。输入越长，不代表流程越专业。

第三处阻力：审批等待

很多 AI 流程只设计了“生成”，没有设计“生成以后找谁批准”。

销售拿到一份邮件草稿，却不知道普通跟进由谁确认、特殊报价走哪个审批、主管多久没有回应可以升级。结果是 AI 几秒钟完成，任务在群里等半天。

排查时把三个动作写清楚：

1.哪些结果只供内部参考；

2.哪些结果必须由指定岗位批准后才能对外；

3.超过多长时间无人处理，任务转给谁。

审批不能因为 AI 生成得快就被跳过，但必须进入流程，而不是留在聊天记录里碰运气。

第四处阻力：输出难以核验

员工最怕的不是 AI 偶尔出错，而是不知道它错在哪里。

一封看起来完整的跟进邮件，如果没有标明依据哪段会议记录、哪些信息缺失、哪些措辞涉及价格承诺，销售只能从头检查一遍。生成速度很快，核验成本却接近重写。

因此，交付物不要只有答案。至少同时给出：

•关键结论对应的来源；

•缺失或冲突的信息；

•需要人工确认的字段；

•本次没有覆盖的边界。

一项涵盖 5,179 名客服人员的现场研究发现，接入生成式 AI 助手后，平均每小时解决的问题数提高了 14%，但不同经验水平员工的效果差异明显。这个结果来自特定客服场景，不能直接推算到所有企业。它至少提醒我们：同一工具不会让所有岗位得到相同结果，流程设计必须让人看得懂、验得过，而不是只追求“生成出来”。

第五处阻力：异常无人接管

当资料缺失、权限不足、接口失败，或者结果涉及价格、合同和客户承诺时， AI 应该停在哪里？

如果系统只是报错，或者把风险留给一线员工自己判断，员工很快会形成经验：这条路不可靠，还是用旧办法稳妥。

排查时写下三项：

•什么信号出现就必须停止自动执行；

•停止后由哪个岗位接管；

•已经生成的材料、证据和上下文如何一起交给接管人。

NIST 的 AI 风险管理 Playbook 强调，组织应明确 AI 生命周期中的角色、责任和指挥链，并为部署后的人工监督、系统故障和事件处理建立流程。它是一套自愿性风险管理参考，不规定企业必须采用某个岗位或固定 SOP 。对负责人更实际的提醒是：接管责任不能只写“转人工”，必须能写出人和动作。

把销售跟进流程重新画一遍

沿着五处阻力调整后，这条流程可以变成：

1.销售保存会议记录后，直接从 CRM 发起跟进任务；

2.系统自动带入客户阶段、历史沟通和已批准的产品资料；

3.AI 生成邮件草稿，同时标出信息来源、缺失项和价格相关内容；

4.普通内容由销售核验，特殊价格和合同措辞自动进入主管审批；

5.审批完成后由销售确认发送，结果和修改记录回写 CRM ；

6.遇到权限、资料或接口异常，任务带着上下文进入人工接管队列。

AI 没有替销售发出承诺，也没有取消原有审批。它只是把重复搬运拿掉，把核验和接管变成流程的一部分。

负责人今天可以做一次 20 分钟排查

不要开大范围汇报会。找一位真正执行这项任务的员工，拿最近完成的一单，按原路径走一遍。

边走边记五张小卡。下面先给一行填好的示例：

1. 入口切换

•现场记录： CRM → 导出会议记录 → AI → 邮箱，共 4 个入口。

•负责人决定：能否从 CRM 内直接触发，并保留任务上下文。

2. 重复录入

•现场记录：客户阶段、产品版本已在 CRM 中，仍被复制到 AI 输入框。

•负责人决定：哪些字段自动带入，哪些字段必须由人确认。

3. 审批等待

•现场记录：邮件草稿生成后，在群消息里等主管回复。

•负责人决定：批准人、处理时限和超时升级路径分别是谁。

4. 输出难核验

•现场记录：员工为了确认结果，又回看会议记录并重写关键段落。

•负责人决定：补上来源、缺失项和人工核验清单。

5. 异常无接管

•现场记录：资料缺失时只有报错提示，没人接收原始上下文。

•负责人决定：停止条件、接管人和回退动作如何写进流程。

如果同时发现多处问题，先处理那一处：发生频繁、让任务无法继续，而且一旦出错会带来真实业务后果。

改完后，用同一类任务再跑一周。不要只看登录人数，继续看端到端时长、返工、人工接管、业务结果和单位成本。

员工愿不愿意用 AI ，最终取决于一件很朴素的事：

新路径能不能让他用更少的动作、更低的风险，把工作真正交出去。

工具已经买了，下一步不是催大家多用几次。先跟着一项真实任务走完，把最硌手的那一步拿掉。

参考资料

•Generative AI at Work^[1]， NBER Working Paper 31161 。研究观察生成式 AI 助手在一家客户支持机构中的使用效果，样本为 5,179 名客服人员；场景和效果不能直接外推到其他企业。

•NIST AI RMF Playbook: Govern^[2]，关于角色责任、人工监督、监测和故障处置的自愿性风险管理参考。

参考链接

[1] Generative AI at Work: https://www.nber.org/papers/w31161

[2] NIST AI RMF Playbook: Govern: https://airc.nist.gov/AI_RMF_Knowledge_Base/Playbook/Govern