Stanford HAI 研究：想让员工拥抱 AI，别把它包装成效率工具
Want Employees to Embrace AI? Stop Selling It as a Productivity Tool
Stanford HAI 报道 Karunakaran 等人对律所、广告公司和 IT 服务公司的 AI 部署研究，发现把 AI 介绍为生产力工具时员工不愿使用，介绍为工作丰富化手段时使用意愿明显提升。在一家律所的对照观察中，以丰富工作为目标引入 AI 工具 LawBot 的部门，使用量比强调提效的部门高 58%，尝试新用法多 70%。研究还强调配套培训、探索时间和调整考核指标的重要性。
研究给出一个可操作的管理方法，把 AI 介绍为工作丰富化并配套培训和时间，比强调提效更能推动员工真正使用。
想让员工拥抱 AI？别再把它当作生产力工具来推销
日期
2026年10月7日
主题
管理者如何引入和支持 AI，决定了员工是接纳还是抵制这项技术。
生成式 AI 工具的采用速度很快。2023 年，全球 55% 的组织报告使用了 AI。两年后，这一数字达到了 88%。然而，尽管增长如此迅速——且代表着可观的投入——员工对这项技术的反馈却褒贬不一。
“这些工具在向员工推出时如何被框定，是这件事的重要一环，”斯坦福大学工程学院助理教授、斯坦福以人为本人工智能研究院（HAI）教职附属成员Arvind Karunakaran 说。“更重要的是，管理者是否会兑现他们所做的承诺。如果他们说 AI 是为了丰富工作，那么他们是否投入资源让这一点成真？”
Karunakaran 与弗吉尼亚大学的 Roshni Raveendhran 以及达特茅斯学院的 Tami Kim 一起，研究了一家律师事务所、一家广告公司和一家 IT 服务公司的 AI 部署情况，以更好地理解是什么推动了员工的采用。他们发现了一个一致的模式：当 AI 被框定为生产力工具时，员工往往不愿使用它。然而，当它被呈现为一种丰富工作的方式时，员工就有动力去探索如何最好地使用它——前提是他们有时间和机会去探索。
让工作更有意义，而不仅仅是更高效
研究人员开展了两项职场研究。在第一项研究中，他们采访了三家已采用生成式 AI 工具公司的 184 名员工。在行政、创意和技术岗位上，被要求使用 AI 的员工表示，他们感觉自己的工作被剥夺了意义。这种丧失反过来又削弱了他们学习新技能的动力。“我不太愿意学习与工作相关的新技能，”一位员工解释道，“因为感觉我今天学到的东西下个月就会过时。”
最有说服力的证据来自第二项研究，在该研究中，团队在一家律师事务所花了近两年时间观察两个部门，这两个部门在业务领域、规模以及薪酬和晋升结构上几乎完全相同。管理人员为两组人员授予了同一款AI工具的全公司许可——研究人员将其称为“LawBot”——旨在帮助起草合同和保密协议。两个部门之间的关键区别在于管理者如何引入这一工具。
在第一个部门，管理者向律师助理推销LawBot，称其可以更快地起草文件并缩短周转时间。使用该工具后，律师助理们表示感觉自己“只是机器上的又一个齿轮”，并且只将其用于现有任务，而非探索新的应用。
在第二个部门，管理者问律师助理：你们觉得哪些任务最无聊，有哪些事情你们一直想做却从未有时间去做？LawBot能否帮助处理日常任务，腾出时间做更有趣的工作？在获得时间自由探索LawBot后，律师助理们开始将其用于法律研究和案件分析，交流哪些方法行之有效的技巧，并争取参加与律师的法律策略会议。该部门的律师助理使用LawBot的频率比其他部门的同事高出58%，尝试探索的次数高出70%。
“当引入AI工具时，管理者往往痴迷于生产率的提升，”卡鲁纳卡兰说。“但如果你不同时努力回答人们的工作将如何改善或变得更加丰富，这一举措很可能会适得其反。”
管理者如何界定引入AI的理由对其成功部署起着决定性作用，但这并非唯一因素。第二个部门的管理者为律师助理提供了LawBot的正式培训、每周的知识分享午餐、与供应商的问答环节，以及针对更复杂任务（如法律研究）的非正式指导。此外，每周还留出时间让律师助理自行探索和了解该工具。
“你需要搭建这种脚手架，让承诺显得可信，”卡鲁纳卡兰说。“否则，员工会认为这不过是空话。”
衡量价值，而非数量
随着AI重塑工作职责，员工的评估方式也必须改变。卡鲁纳卡兰指出，律师助理传统上以其年度或季度案件量来评判。
“但这并不是他们利用AI从事新型工作的正确指标，”他说。利用该技术进行深入法律研究和案件分析的律师助理产出了高价值的工作，但这也更耗时，意味着他们承接的案件更少。“因此，指标需要重新调整，以适应新的岗位概况和任务组合。”
错误的指标还可能引发适得其反的行为。一些公司追踪员工的AI令牌消耗量，或处理或生成的文本量，并将大量使用等同于价值。但这一策略鼓励员工为使用AI而使用AI——用卡鲁纳卡兰的话说，就是生成猫咪表情包来达到配额——而非将其用于正当的商业目标。
最适合AI的工作
促成AI成功采用的另一个因素是某一特定工作由强捆绑任务还是弱捆绑任务组成。
例如，销售岗位由紧密捆绑的任务组成，如研究客户、建立关系、谈判和达成交易。“你不能随意地拆解和重新捆绑这些任务，”Karunakaran 说。公司可能会部署 AI 进行客户研究，但销售人员仍全程参与其中。“销售人员仍然需要了解客户，并亲自在场达成交易，所以这是一个强捆绑型的工作。”
相反，由弱捆绑任务组成的工作——例如律师助理工作或医疗转录，其中包含与文档管理相关的各种不同任务——可能更容易受到 AI 自动化的影响，但其模块化特性使采用变得容易得多。
无论 AI 部署的范围有多广、速度有多快，它在工作场所的成功与否，与其说取决于技术本身，不如说取决于部署它的理由、用于反映真实价值的指标，以及给予员工以有意义的方式去尝试和接触它的时间和资源。
“尽管 AI 的承诺是它会处理日常任务，让人们腾出时间从事更高层次的工作，但经常发生的情况是，管理者看到节省下来的时间，就提高了对人们应该完成多少同样的工作的期望，”Karunakaran 说。“如果管理者希望 AI 丰富人们的工作并创造组织价值，他们就必须为员工创造空间去学习、承担新责任，并因其贡献的价值而得到认可和奖励。要实现这种可能性，需要致力于培养人才，同时致力于适应技术。”
分享
链接已复制到剪贴板！
贡献者
Dylan Walsh
相关新闻
给 AI 打分的测试可能正在出错
Andrew Myers
2026年9月25日
新闻
基准测试——对 AI 模型在安全性、偏见和推理方面进行排名的标准化测试——驱动着市场并塑造着监管。斯坦福大学的新研究发现，它们往往并不能衡量其所声称要衡量的东西。
新闻
给 AI 打分的测试可能正在出错
Andrew Myers
基准测试——对 AI 模型在安全性、偏见和推理方面进行排名的标准化测试——驱动着市场并塑造着监管。斯坦福大学的新研究发现，它们往往并不能衡量其所声称要衡量的东西。
AI 能被放慢吗？斯坦福 HAI 专家权衡风险、规则与未来的竞赛
2026年9月22日
新闻
在一个名为 Prompt Response 的新系列中，斯坦福大学的 Surya Ganguli、Diyi Yang 和 Rob Reich 探讨了涌现的智能体行为、递归自我改进、独立评估，以及终止开关能否让先进 AI 更安全。
新闻
AI 能被放慢吗？斯坦福 HAI 专家权衡风险、规则与未来的竞赛
在一个名为 Prompt Response 的新系列中，斯坦福大学的 Surya Ganguli、Diyi Yang 和 Rob Reich 探讨了涌现的智能体行为、递归自我改进、独立评估，以及终止开关能否让先进 AI 更安全。
斯坦福研究发现，AI 伴侣可能会加剧脆弱用户的孤独感
Alexander Gelfand
2026年8月4日
新闻
斯坦福大学的研究发现，社交网络有限、向 AI 伴侣寻求情感支持的用户，其幸福感更低。
新闻
斯坦福研究发现，AI 伴侣可能加剧弱势用户的孤独感
Alexander Gelfand
斯坦福研究发现，社交网络有限、向 AI 伴侣寻求情感支持的用户，其幸福感更低。
导航
参与
保持关注
每周在您的收件箱中获取来自 HAI 的最新新闻、研究进展、政策工作和教育项目动态。
© 斯坦福大学。加利福尼亚州斯坦福 94305。
暂停媒体
想让员工拥抱 AI？别再把它当作生产力工具来推销 | 斯坦福 HAI
来源：Stanford HAI News · hai.stanford.edu