在我看来，大多数企业推行 AI 的方式更像一场闹剧，而不是一套战略。要是把它拍成电影，影评人会说这剧情太不真实了——没人能蠢到那个地步。

可我们偏偏走到了这一步。更让人窝火的是，这种局面我们以前就经历过。

早在 2014 年，我就为 Smashing Magazine 写过一本书，书名叫 Digital Adaptation，书里梳理了各类组织在推进数字化转型时犯下的错误，以及它们本该怎么做。彼时与此时的情形，相似得惊人。

所以在这篇文章里，我想回头看看《Digital Adaptation》这本书，看看书里的经验如何适用于 AI 时代，以及我们能从过去学到什么，来帮我们应对今天 AI 带来的挑战。

无论当时还是现在，最大的错误都是把这两件事当成技术挑战来对待。

关键在人，不在技术

没错，数字化转型和 AI 都是技术进步，也确实需要一定程度的技术落地。但这只是巨大冰山露出水面的一角。

回想数字化转型那阵子，IT 部门忙着上线 CMS、CRM 系统、内网等等。与此同时，在面向客户这一侧，各家组织又在推网站、App 和个性化功能。但几乎没人重视一件事：人们到底会怎么用这些系统。

内部系统难用，而客户要么根本不在乎在建什么，要么想要的是完全另一回事。

AI 这边也在重演同样的剧本。高层被炒作带着走，IT 团队在全公司铺开 Copilot Studio 的许可证，然后就当事情已经办完了。当然，也搞了一点面向全员的通用培训，但也就仅此而已。

和以前一样，员工只能自己琢磨这些新系统该怎么用，同时还承受着要用起来、要出成果的压力。

组织需要认识到，AI 既是技术变革，也是文化变革，而这种变革对员工有着巨大的影响。

毕竟这一次情况更糟，因为这回员工担心的是自己的饭碗。他们和你看到的是同样的新闻标题，高层管理团队再怎么承诺，也安抚不了他们。

员工为什么愿意用 AI？

你想啊，站在普通员工的立场上看，AI 对他们个人几乎没什么好处，且不说管理层可能还打算用它来取代他们。

高层之所以对 AI 兴奋，主要原因是它能带来额外的生产力。人们可以在更短的时间内做更多的事。但这并不惠及员工。他们仍然被要求从 9 干到 5，可现在又指望他们在同样的时间里干更多的活。他们既没省下时间，也没多拿钱，那他们凭什么要拥抱 AI？

所以，在要求员工拥抱 AI 之前，组织得先问问自己：打算怎么激励他们这么做。

一个办法是帮员工找出自己工作里最讨厌的那些环节，再看 AI 怎么帮他们把这些活儿干得更快、更省劲。当变革被摆成改善工作生活的机会时，人们对它的接受度往往高得多。

但这只是开始。组织可能还需要考虑在职业发展、薪酬或缩短工时方面给员工提供激励，鼓励他们采用 AI。

员工需要时间和支持才能用上 AI

而且，引入 AI 并不是一件简单的事。它意味着要挑战他们（在某些情况下）用几十年积累起来的每一项工作习惯。所有这些流程性知识都得重建。即便在最好的条件下，这对任何人来说都是很高的要求，而大多数员工所处的环境并不是最好的条件。

大多数人已经超负荷工作，光是跟上待办清单就已经很吃力。他们没时间坐下来学一个新工具，更没时间去琢磨怎么把它塞进自己的工作流程里。

这不仅要花时间，还得反复斟酌和试错。光是把一名员工送去上个培训课，就指望他能把 AI 的潜力用足，这是不够的。

最起码，员工需要针对自己岗位的专项培训，比如我给 UX 团队做的 AI 培训。但组织还应该走得更远。

他们需要设计一套完善的培训方案，帮助不同部门的员工理解如何在各自的具体岗位中使用 AI。他们还需要持续的支持，以及留出时间去试用 AI，摸索出最适合自己的用法。

但正式培训能起到的作用有限。以我的经验，最有效的支持来自同事，所以我会先从那些热衷于此的人入手，而不是从抵触的人开始。每个组织里都有那么几个人，已经在自己摸索 AI，而且往往没人要求他们这么做。把这些人聚到一起，给他们时间和空间分享自己用得顺手的做法，再让他们的热情扩散到其他人身上。

数字化转型那阵子，我也见过这套做法奏效。在《Digital Adaptation》里，我写过一个内部会议，员工在会上向同事展示自己做出来的东西，它对推广起到的推动作用，比高层发任何备忘录都大。当人们看到和自己岗位相似的同事成功用上了某个东西，他们去尝试的意愿，要远高于被高管要求去做的时候。

与其先去争取那些最抵触的员工，组织不如找出已经在试用 AI 的人，给他们时间分享自己学到的东西，让身边人的示范效应去承担主要的说服工作。

不过，试错也有一个很大的代价……过程中难免会犯错。

失败必须是安全的

说实话，很多组织都存在一种恐惧文化，把犯错看作能力不足的表现。然而，学习 AI 这类新工具，本质上就免不了要犯错，而这可能成为推广落地的巨大障碍。

数字化转型那阵子我就见过这种情况。高层会要求搞数字化转型，结果没搞成，他们还很困惑。

他们没意识到的是，自己正在向员工传递自相矛盾的信号。没错，他们嘴上要求做数字化转型，但同时又仍然要求完成原来那套关键绩效指标（KPI），年度考核时也照样把任何失误都点出来。

当时根本没有试错的空间，因为交付压力一刻都不松。

这一次的情况似乎更糟。我听到的惨痛案例是，员工刚被要求用上 AI，才过几周就因为 token 用超了挨批。还有的员工被反复说教 AI 该用、不该用，结果什么都不敢试。按老一套做事反而更安全。

如果管理层想让员工真正用起 AI，那就得让员工敢于试错。得调整 KPI、改掉员工的考核方式，并且在员工学习阶段放宽一些治理限制。

谨慎处理治理

听着，我明白。没有一定的治理，AI 就没法推起来，但话说回来，这恰恰是各家企业一贯处理得很糟糕的一块。

在数字化转型的过程中，治理要么根本不存在，要么就严到把创新扼杀掉；而遗憾的是，我看到 AI 落地正在重演同样的模式。

员工需要一定的治理来帮他们搞清楚自己所处的位置。这有助于他们理解对自己的期望是什么，以及自己能做什么、不能做什么。

但很多时候，组织的规矩定得太死，反倒让人干脆什么都不做更省事。一页又一页的说明，讲清楚人们该跟 AI 分享什么、不该分享什么，恰恰制造了我前面提到的那种恐惧感。

组织需要一套简短的原则，短到能印在几张海报上，类似 gov.uk 设计原则（https://www.gov.uk/guidance/government-design-principles）。除此之外，他们还得表现出对员工有一定程度的信任，相信员工会用常识判断。

当然，过程中难免会出错，但这就是变革的代价，所以组织需要接受这一点，并在推广这项技术的方式上尽力去减轻这些错误带来的影响。

自适应技术推广

话虽如此，从 IT 的角度看，各组织在推广 AI 时仍需谨慎。还是那句话，把一切都锁死很容易，但这样也会扼杀 AI 的采用。

这一点我在 2014 谈数字化转型时就强调过。当时 IT 团队本就人手紧张，却会挑出一套技术在全组织范围内铺开，而且往往很少征求、甚至完全不征求将来要用这些技术的人的意见。凡是这套技术之外的东西，都得走一套复杂的审批流程，通常还要过指导委员会。结果就是变革慢得像冰川挪动，而这正是数字化转型项目失败率居高不下的主要推手之一。

今天我们看到的还是同样的情况。IT 团队选一个像 Copilot 这样的工具就完事了，但这样做往往远远不够。

就拿我眼下正在合作的一个 UX 团队来说。管理层在使劲推 AI 落地，团队也对做 AI 驱动的研究资料库、甚至 AI 人设这类东西很兴奋。听起来是个 AI 落地的绝佳案例：管理层热情高涨、团队干劲十足、想法也够新。

可惜现实是，什么都没推进，因为 Copilot 撑不起团队的设想，所以他们眼下陷在官僚流程里，正忙着说服 AI 指导委员会，让他们同意换一套工具。团队的积极性在消退，这也不难理解。何必费这个劲呢？

而且这个团队还算比较有耐心的。在很多组织里，员工根本不等指导委员会发话。就像数字化转型那会儿我们见过影子 IT——因为官方工具做不了他们需要的事，人们就自己去注册 Dropbox 和 Google Docs——现在我们也看到了影子 AI。当公司内部的 AI 工具不让人把活干下去时，他们就在手机上或家里的笔记本上开个个人 ChatGPT 或 Claude 账号，自己接着干。

这比这些限制原本要防的问题危险得多。公司数据最后落到了组织根本管不住的工具里，既没有监督，也没有任何记录能说明共享了什么。组织想把一切都锁死，结果反而把风险推到了自己看不见的地方。

本能反应是用更严的政策、封网站、发纪律处分警告来压住。但这基本没用，反而会把这种行为逼得更隐蔽。影子 AI 是一种症状，而且是有用的症状，因为它恰好暴露出官方工具到底在哪些地方不够用。

与其想办法把影子 AI 彻底铲除，组织不如从中学习。跟员工聊聊他们用个人账号在做什么、他们觉得用公司给的 AI 有哪些事做不了，再拿这些信息来决定下一批要铺开什么。

你看，我明白一套混乱失控的技术栈要付出什么代价。这确实不理想。不过，在刚开始用起来的阶段，大家还在摸索哪些事能做、哪些是常见用法，这段时间里我们可能就得忍受一点混乱。

组织需要让员工去尝试 AI 的各种不同用法，甚至试用不同的 AI 应用，从而找到适合自己具体岗位具体需求的东西。等组织真正的需求变得更清晰之后，他们随时可以再把权限收紧。

危险时期

我承认，这一切对某些组织来说感觉有风险。他们想集中管控 AI 的采用过程，确保不出任何差错。这一点我理解。但变革本身就带着一定风险，而行动太慢的风险，比行动太快的风险更大。

不过，更大的危险还在于：组织把这件事当成技术挑战，忽略了人的一面。AI 落地并不只是把新技术推出去。和数字化转型一样，它关乎人、文化和变革管理。组织越早认清自己面对的事情有多大范围，就越好。