据媒体报道，企业在人工智能（AI）应用上正陷入一个危险误区：忙于培训员工使用新工具，却忽视了工作方式的根本性转变。随着AI智能体开始推荐方案、决策协调并执行行动，真正的变革发生在组织内部而非软件层面。若领导层未在部署前做好人员准备，所谓的AI转型实则是一场赌博。
野心巨大，准备严重不足
德勤2026年8月针对501名美国商业和IT领袖的调查显示，43%的受访者预计生成式AI将在未来12至18个月内对劳动力造成重大冲击，这一比例在两到三年内将升至72%。然而，仅有25%的组织表示其劳动力已准备就绪或高度准备，仅21%认为业务流程做好准备。更令人担忧的是，仅5%的高管认为其流程已为AI智能体做好高度准备。
过去几十年，众多组织引入强大技术时重蹈覆辙：关注系统可用性，却低估人员适应新工作方式的能力。AI使这一错误更为危险，因为智能体已超越辅助角色，能执行任务、影响决策、触发流程并移交工作，彻底改变了责任与决策的定义。
责任不可外包，传统培训失效
责任不能外包给机器。员工必须明确何时接受、质疑或叫停AI建议。当智能体优化部门工作时，领导层需理解决策对财务、运营及客户的全局影响，负责人不能以“是AI做的”推卸责任。
因此，传统培训模式从根本上存在不足。课程可解释工具功能，却无法复现面临后果时决定是否信任AI的压力。在真正执行新工作方式前，员工需以团队形式体验新模式。
模拟演练：低成本试错，高价值回报
企业应为团队提供真实且无风险的模拟环境，让其运行业务流程、跨职能协作，并与作为团队成员的AI智能体并肩工作。在零实际损失的前提下，失败成为宝贵的学习资源。竞争机制促使员工测试、适应并记忆，领导层则可观察团队是否过度信任AI、犹豫不决或忽视下游影响。
若执行得当，收益巨大：员工因明确委托边界而提速，因理解人类判断力的关键作用而优化决策，部门基于共享业务视图而非孤立任务工作。AI将成为人类能力的倍增器，而非闲置的昂贵系统。
反之，若执行错误，公司将在员工不信任或不理解的智能体上巨资投入。工作流程趋于复杂，人们在真实环境中通过试错消耗高昂的AI成本。由于机器执行错误速度更快，错误传播亦加速，导致投资增加而采用率停滞。
重构前提：从“会用”到“会管”
德勤研究凸显了鲜明选择：75%的受访领导者表示，人与AI智能体协作比单纯自动化创造更多价值，但半数人承认组织在AI相关劳动力转型方面投资不足。近三分之二的人正在重估商业模式，但仅约五分之一表示已准备好为自主工作重新设计流程。
因此，在批准新的AI部署前，企业应要求证明劳动力已做好准备。在员工对真实结果负责前，将其置于真实的AI增强场景中，挑战系统、干预故障并承担决策后果。衡量标准应是新环境下的实际操作能力，而非培训课程完成率。
不要将AI交给仅被教导如何使用的劳动力。要让员工学会质疑、管理并为AI行为承担责任。劳动力准备不应是部署前的最后一步，而是使部署成为可能的前提条件。