检验员工是否做好迎接 AI 的准备，不能只看培训完成率，核心要看业务成果。如果要求员工随着 AI 发展，不停地学习堆砌新技能，只会拖累、而不是提升团队的准备状态。归根结底，培养能够伴随技术成熟度同步进化的员工能力，才是释放 AI真实价值的基础。

如今，每位CEO心中都有一个疑问：我们究竟该如何从AI投资中真正创造价值？

不少企业选择扩充AI培训课程来回答这个问题——比如开设提示词相关课程，或是给多款AI工具扩容授权。但这类做法常常让员工不堪重负，企业也达不到预期效果。此外，随着AI能力快速迭代，市场对AI相关技能的需求增速，已经远超可用人才的供给速度。

问题根源在于：企业把AI技能当成一份不断拉长的检查清单。更好的思路，是聚焦培养少量核心能力，这些能力能够伴随AI技术一同迭代。高德纳将能力归为两大板块，提炼出六项核心本领：工作协同统筹能力，以及监督与治理能力。企业集中资源打磨这些能力，才能让员工与AI同步成长。

工作协同统筹能力

工作协同统筹能力，指员工如何与AI协作拿到业务成果，包含以下三项：

1、问题界定能力

在AI转型初期，企业多用AI提速原有业务流程。但AI工具输出的质量，完全取决于输入信息的质量。如果人们一开始就说不清要解决什么问题，最终结果必然不尽如人意。

能够清晰划定范围、陈述问题、明确目标、设定边界，以此引导AI产出有效方案，是拿到预期结果的关键。

我们看到，一些走在前列的企业已经不再开设泛泛的AI通识培训，转而由人力资源部门和信息技术部门联合组织跨部门研讨会，大家共同梳理、定义业务难题。

举例来说，一家全球性律所的人力与IT团队，为不同业务单元定制了研讨会。员工带着自己工作里的业务难题，借助AI寻找解决方案，其中包含大量本地业务中日常遇到的痛点。从问题出发，而非从技术出发，员工借此练就扎实的问题界定能力。在同事与IT人员的支持下，AI方案得以更快、更高效地迭代落地。

2、系统思维能力

当AI开始重构工作流程，单纯界定问题就需要升级为系统思维：看懂各个独立模块如何在整体体系内相互作用、彼此关联。高德纳2025年7月针对全球3029名员工开展的调研显示：在AI赋能的工作环境中，拥有系统思维的员工绩效提升1.6倍。因为这种能力让人能够应对复杂局面，而不是只优化孤立的单项任务。

管理者可以建立固定机制，让员工沉浸式理解互联系统带来的连锁影响，把系统思维落到实处。

能源分销企业U.S. Venture主营可再生能源、传统能源产品、润滑油、轮胎，同时提供运输相关数据分析。该企业管理层发现，如果只是零散地让员工使用AI，只能获得小幅收益；想要实现真正增长，必须重构业务流程。人力部门安排内部员工跟随一线销售跟班作业，亲眼看到团队真实的阻碍、繁琐的变通办法，以及审批环节的卡点。

在引入AI之前，就和一线员工一起梳理全业务流程。这不仅帮企业找到了值得解决的真实业务痛点，也亲身示范了系统思维：让员工一起理解，把AI嵌入业务时，工作环节、决策步骤层层关联的逻辑。

3、战略远见能力

随着AI持续发展，它终将帮助企业打造全新工作模式，大幅扩大业务规模，甚至颠覆原有市场。举个例子，未来几年销售人员会拥有AI智能体协同工作：筛选优先跟进线索、开展调研分析，独立培育潜在客户。

想要走到这一步，系统思维需要进一步升级为战略远见。当企业借助AI转型打造新产品、新服务或是新商业模式时，人的能力重心要转向预判未来场景，搭建具备适应性的解决方案。目标不是精准预测未来，而是建立拥抱变化的思维，提前预判颠覆性变化。

管理者可将“假设推演”式场景规划嵌入现有决策流程，以此培养这项能力。

全球性律所高伟绅（Clifford Chance）在落地AI、将AI嵌入法律业务流程的过程中，由管理层、合伙人、律师、知识专家与技术团队紧密协作共同推进。他们共同研究，未来数年AI将如何重塑客户预期、法律服务交付模式，以及律所的运营模式。律所不只盯着短期生产力提升，同时追踪就绪度、落地使用情况、员工心态这类关键指标，用来支撑长期AI战略，为未来变革做好准备。

监督与治理能力

监督与治理能力，是员工用来保障AI输出结果准确、安全、可信的能力，包含以下三项：

1、AI判断力与风险管控能力

AI辅助工作的场景下，员工必须主动核验结果可靠性、化解风险，践行合乎伦理的AI治理。如果不假思索信任AI输出、过度依赖AI工具，很容易引发错误、算法偏见或是合规问题。

负责任使用AI的正式培训与行为准则固然必不可少，但在日常工作中，团队需要形成共识：对AI生成的工作内容保持质疑、核验。

例如，一家全球市场调研企业上线AI文档摘要工具时，配套建立了“核验审计”流程。员工刚上手使用工具的阶段，需要充当事实核查员，审核自己前几份AI生成的简报。他们按照标准化评分表核对统计数据，把引用内容回溯到原始文档。如果摘要里出现无法验证的说法，就做好记录，反馈给开发团队微调模型。这种带着合理怀疑的实操训练，帮助员工快速识别AI常见的幻觉问题与错误，把对工具的无条件信任，转变为有条件、可控的信任。

2、人机调解能力

AI对工作的改造越深，治理工作就越复杂。这时，AI判断与风险管控，会进阶为人机调解能力。自动化程度提升会改变人类的工作内容，机器逻辑和人的判断之间就容易产生矛盾。在AI赋能的工作环境里，员工会越来越多地需要解读模糊场景，做出有分寸的复杂决策。

想要落地培养这项能力，企业要形成固定机制：组织团队开展事后复盘，以及基于场景的事前推演，探讨如何处理各类复杂例外情况。

举个例子：AI系统因为客户多次欠费，自动取消长期合作客户的订阅，但没有识别这位客户正遭受自然灾害影响。

很多医疗机构正规划把人机调解嵌入业务流程。比如临床团队可以启用正式的“人工否决日志”。实操中，当放射科医生不认同AI诊断建议时，可以立刻启动升级流程：记录本次否决操作，附上规范理由和时间戳。跨学科的临床伦理委员会每周审阅这些日志，一方面核验人工决策，另一方面利用这些数据，对底层AI模型进行再训练和优化。

3、伦理领导力

人机调解能力，继续向上演进的最终形态就是伦理领导力。当AI催生出全新的工作形态，人类必须能够持续管控AI系统的设计与运行，保障产出公平、负责任的结果。这不只是核验输出内容；人要主动参与塑造可信的AI体系。

不少企业正在常态化开展“红蓝对抗测试”：安排员工主动对AI系统施压测试，挖掘漏洞。部分企业甚至设置激励，鼓励员工担任内部伦理安全测试人员，主动寻找算法偏见，或是在系统对内、对外上线前，刻意干扰自动化工作流，发现隐患。

一个很多客户都有共鸣的案例：一家医疗科技公司正在开发AI系统，用于筛查老年人认知功能衰退。企业意识到，这款全新AI产品会带来巨大的合规、信任和隐私风险。人力部门联合IT和产品负责人，在产品团队内部设立AI伦理委员会，搭建治理约束规则，开展红蓝对抗演练，训练员工审慎审视每一项模型决策，识别偏见与伦理风险。

检验员工是否做好迎接AI的准备，不能只看培训完成率，核心要看业务成果。如果要求员工随着AI发展，不停地学习堆砌新技能，只会拖累、而不是提升团队的准备状态。归根结底，培养能够伴随技术成熟度同步进化的员工能力，才是释放AI真实价值的基础。

CV·维韦里托（CV Viverito）|文

CV·维韦里托是高德纳人力资源研究部门高级总监分析师。主要服务首席人力资源官和人力管理者，帮助他们理解AI对劳动力带来的影响、提前布局，打造人机协同时代的工作模式。

本文来自微信公众号“哈佛商业评论”（ID：hbrchinese），作者：HBR-China