90%的员工说AI培训有用，一个月后没人用？

深度思想，谈 AI 与向往 —— 字节深思圈

一个关于 M365 Copilot 使用行为的研究，数字很扎眼：90% 的参与者承认正式培训有帮助，70% 压根不看培训视频。真正让他们学会用起来的，是自己上手试错，加上跟同事讨论。

还有个更常见的剧本。一家公司给全员开了 AI 素养课，结课时人人都能讲清楚生成式 AI 能干什么。一个月后回访，实际应用寥寥无几。课程本身没有质量问题，问题出在课程之外。

两组事实指向同一个结论，而且不太客气：培训改变不了行为。想靠一次培训推动 AI 落地的公司，买到的往往是一个月的心理安慰。

行为不是知识问题，是结构问题

为什么课上了、懂了、不用？因为员工的行为从来不由知识决定，由三样更硬的东西决定：考核表上写什么，主管日常做什么，流程里有没有 AI 的位置。

知识是最软的一层，几个小时就能灌进去。行为卡在最硬的那层：考核没变，用 AI 省下的时间在 KPI 里体现不出来；主管自己不用，员工用 AI 交付的东西反而显得工作量不饱和；流程没改，AI 的产出还要塞回为人工设计的审批和汇报环节。结构不动，学到的知识自然回落，人回到原来那条被奖励过的路径上。

背景数字能看出这件事的普遍性。麦肯锡的全球 AI 调研里，78% 的组织已经在至少一个业务职能使用 AI；另一份关于未来劳动力的报告显示，75% 的美国就业者预计未来五年自己的岗位会因 AI 改变，但只有 45% 近期真正提升过技能。中间那个缺口，从来不是靠排课表补上的，靠的是把学习这件事从教室挪进结构的缝隙里。

我还有一个不太中听的观察：很多公司的 AI 培训，真实买主是管理层的焦虑。付的是预算，收的是我们做了点什么的安心。判断一场培训是不是这个性质很简单，看培训结束后组织里还发生了什么。如果什么都没发生，它买到的就是心安。

变革有三个深度，价格差得很远

把 AI 技能建设当变革工程看，可以按改造深度分三层。一层比一层贵，也一层比一层接近真正的收益。

第一层，基础认知。让员工懂 AI 的语言、工具和风险，消除疑虑，敢放手去试。大多数公司在这一层投入最多，因为它可见、好衡量，开课就有签到记录。但这一层只解决敢不敢碰，不解决用不用，也解释了为什么它最容易做出漂亮的活动照片和最难看的业务结果。

第二层，把 AI 嵌进流程和考核。对比前面那家开课没效果的公司，另一家的做法是四件事一起上：把 AI 直接引入工作流程；主管带头用、以身作则；考核指标重新设计，把持续的在线学习时长、场景开发、效率类 KPI 纳进来；再建一个同事主导的互相支持的小社区。同样的课程，认知和应用同步涨了起来。差别不在课件质量，在配套。注意这一层开始要动权力和利益：改考核意味着重新定义什么是好绩效，主管带头意味着当众暴露自己的学习曲线。多数公司停在第一层，不是不知道第二层值钱，是领导层的决断力从第二层才开始真正被要求。

第三层，用 AI 重建业务本身。开发针对自己业务领域、能拉开竞争优势的 AI 应用场景，让技能建设直接连着业务变革。走到这一层的公司很少，但绩效增长恰恰发生在这一层，前面两层都只是它的入场券。

发起之前，先过四个自查问题

四个问题里任何一个答不上来，培训预算先缓一缓。培训从来不是变革的起点，考核和主管行为才是，课只是给已经松动的土壤撒种子。土壤没松，撒再多种子也只是拍照。

有个正面样本可以参照。麦肯锡在内部推自己的生成式 AI 平台 Lilli 时，走的就不是发账号开课的路线：领导层反复讲变革的故事，配套推新的能力和新流程，开发学习内容，提供实践支持，把技能建设当变革工程来运营。最后推到 3 万用户，获取洞见所需的时间缩短了 20%。注意这个案例的结构：故事、流程、支持，一个不少。账号和课程反而是整个工程里最不重要的部分。

什么情况下不用这么大阵仗

这套打法的适用边界要说清楚。几百上千人的组织，行为被结构锁得深，值得按变革工程立项，由 CEO 而不是 HR 牵头，因为它动的是考核、流程和主管行为，这些都在 HR 的权限之外。十来个人的团队完全不必，CEO 自己每天用 AI 干活、在产出里用出来，就是最高效的变革工程，员工对领导行为的观察，比对任何课程的信任都深。

还有一条得诚实讲：这套方法默认领导层是真想拥抱变化。如果管理层的算盘只是借 AI 降本裁员，员工很快会闻出来，再好的再培训设计也换不来真诚的投入。把学习讲成组织和你共同的一段长跑，和把恐惧塞给员工，两种叙事的产出差别，比课程质量的差别大得多。

下次批准 AI 培训预算之前，先做一件五分钟的事：把公司的考核表拿出来读一遍。如果上面没有任何一条在奖励新的做法，这笔预算能买到的，大概率就是下个月的心安。