围绕人工智能有效性的争论已尘埃落定，当下更关键的问题在于：企业是否采取了正确的协作方式。尽管预算已分配、工具已部署、试点项目也已转为全面应用，但关键支撑环节依然缺失。

数据显示，尽管投入巨大且热情高涨，仅有 25% 的 AI 项目实现了预期投资回报率（ROI），仅 16% 成功在企业范围内规模化推广。瓶颈并非源于 AI 技术本身，而是企业未能建立相应的支撑体系。这本质上是领导力问题，单纯购买工具或增加培训无法解决。

停止在错误的地方投资

多数组织的本能反应是购买最新平台、启动试点并聘请供应商培训员工。这种做法仅触及表面，忽视了阻碍 AI 落地的根本障碍——对人力基础设施缺乏投资。

取得最佳 AI 成果的企业，往往从根本上重构了工作方式。在行业公认的 AI 领导者中，约 70% 的资源投入到人和流程变革，20% 用于 IT 基础设施，仅 10% 用于 AI 模型本身。而大多数组织的资源分配比例恰恰相反。

当领导者过度聚焦于部署工具和启动用例时，往往忽略了负责任且持续使用 AI 所需的组织能力。若无相应的培训、护栏和政策支持，再先进的工具也无法弥补差距。构建这种支持结构应成为领导层的优先事项，而非事后补救。

生产力提升真实但脆弱

AI 确实创造了价值，但这些成果比许多领导者意识到的更为脆弱。若未能为员工提供技术支持，或未明确人类判断与批判性思维的关键领域，收益便会迅速消散。

数据不容忽视：在使用 AI 的员工中，不到 8% 表示接受了全面工具培训，尽管日常使用率急剧上升，这一比例几乎未变。此外，60% 的员工表示，摸索如何使用 AI 工具完成任务所花费的时间，往往比直接手动完成更长。

企业部署 AI 的速度快于赋能员工的速度，这反而制造了试图消除的摩擦与困惑。

领导者对员工应尽的责任

缩小 AI 潜力与现实差距，不能依赖采购决策或发布公告，而需通过深思熟虑且持续的人力投资来实现。这意味着三点：

培训应聚焦于人，而非仅限工具：AI 迭代速度快于培训课程。投资重点应放在培养特定角色的判断力上，帮助员工理解 AI 在哪些方面提升效率，在哪些方面引入挑战或风险。

超越采用率指标：若 80% 的员工使用 AI 但生产力停滞或下降，采用率便是错误指标。应衡量实际工作任务完成时间，并诚实面对结果。部分让用户变慢的用例根本不应使用 AI。

停止将 AI 政策视为合规检查项：优秀企业将 AI 治理融入日常工作和执行计划，而非仅附加于可接受使用文档中。领导者需以身作则，展示何时使用及不使用 AI，并解释原因。

将 AI 潜力转化为现实

技术已准备就绪，但领导者需做的远不止分配预算和监控使用情况。他们需要明确何时使用 AI、何时不使用，哪些工作应重建而非自动化，以及如何在此过程中支持团队。只要回避这些问题，投资回报率的缺口就不会消失。

【星途科讯 图文丨欧阳布布 首发于 ZAKER 科技，转载请注明出处】