企业在AI技术上投入数百万美元，却往往无法实现预期回报，这并非由于技术故障，而是因为它们将传统的变革管理方法应用于一种本质上截然不同的转型。

Prosci的AI研究揭示了AI变革的哪些特点

Prosci最近对 1107 名来自不同组织层级的专业人士开展研究，揭示了各组织在AI采用方面面临的挑战范围。数据令人震惊：

AI采用中的人力挑战与技术挑战的普遍性

• 人力挑战 vs 技术挑战—— 用户熟练度成为主要挑战，占所有报告的AI实施困难的 38%。这可细分为学习曲线挑战（22%）、提示词工程难题（11%）和培训不足（6%）。技术实施问题仅占 16%。这与传统技术推出时技术挑战往往占主导地位的情况形成了根本转变。
• 信任差距可衡量—— 研究揭示了不同组织层级间显著的信任差异。一线员工对AI的信任度极低（在 – 2 至 + 2 的量表上为 + 0.33），而高管则表现出明显更高的信任水平（+1.09）。
• 领导力支持驱动成功—— AI实施 “非常顺利” 的组织，其领导力特征与其他组织截然不同。它们展现出强大的领导力支持（+1.65），而陷入困境的组织则为（-1.50）。

这些数据印证了研讨会参与者告诉我们的情况 —— AI变革本质上有所不同，传统方法已不足以应对。

AI驱动的变革的 8 个关键差异

在过去六个月里，我们与北美各行业的数百名变革从业者举办了AI采用研讨会。通过对作为组织内部专家的参会者进行的民意调查和反馈，得出了 8 个明显的模式，这些模式将人工智能转型与传统变革举措区分开来。

1.“永无止境的第二阶段” 挑战
传统变革管理按照明确的阶段进行，每个阶段都有清晰的终点。而AI采用打破了这一模式。正如一位研讨会参与者所说：“AI变化太快了 —— 我们到底在追逐什么？” 另一位参与者将其描述为 “永无止境的第二阶段”。

技术快速发展，新功能不断涌现，组织必须实时调整其实施方式。你的变革管理计划需要灵活性和敏捷性，而非一次性交付。强化变成了一个持续准备的主动过程，而非一个有限的目标。

成功的从业者正在制定适应性强的模块化变革计划，并指导发起人在更长、更不可预测的时间线上保持关注度。

Prosci ADKAR 模型与迭代变革保持一致

2.安全担忧重塑风险管理
AI带来了传统变革管理很少遇到的更高风险。研讨会参与者指出 “安全担忧程度升高”，“个人责任和风险缓解变得更加重要”。

AI系统可能会无意中暴露敏感数据、生成不准确信息或制造新的漏洞。在医疗、金融、法律等敏感领域，其后果可能很严重。

这就要求将风险管理直接融入每一项变革管理活动中。宣传活动必须在推广工具的同时，优先强调负责任的行为。培训计划需要将以安全为重点的内容贯穿始终，而非事后补充。

3.伦理与治理成为核心
与传统技术实施不同，AI决策可能会固化偏见、生成错误信息，或在不显眼的方面影响人们的生活。研讨会参与者一致将 “伦理和负责任使用” 以及 “伦理和偏见担忧” 列为核心挑战。

培养认知必须明确包含伦理考量，而不仅仅是运营变革。发起联盟需要明确示范符合伦理的行为，以设定组织基调。

具有前瞻性的从业者正在建立明确的反馈渠道，以便及早发现并纠正伦理风险，并将政策更新直接融入知识构建活动中。

4.向个性化学习转变
传统培训方法在AI采用方面效果不佳。这项技术需要个性化、自主的学习才能培养足够的素养。正如一位专家所指出的，组织需要 “培养能力，以确保具备适应力和灵活性，从而参与持续学习”。

AI工具在不同角色、部门和个人中的应用各不相同。营销专员可能会使用AI进行内容创作，而金融分析师则会将其应用于数据分析。通用培训计划无法有效满足这种多样性需求。

成功的从业者正在提供多路径学习体验：AI学院、学习网络以及人们可根据自身特定需求访问的资源中心。

5.规模和复杂性需要企业思维
AI实施往往同时影响多个部门，没有明确的界限。研讨会参与者描述道：“其规模 —— 变革、速度等 —— 都非常大”，“AI的潜力似乎是无限的”。

传统的基于项目的变革管理方法难以应对这种范围。AI采用需要企业层面的视角、更广泛的利益相关者影响评估以及高级领导层组成的发起联盟。

这种复杂性不仅是技术上的，也是组织层面的。AI实施会引发业务流程、决策框架和组织结构方面的连锁变革。

6.应对未来状态的模糊性
传统变革管理擅长从明确界定的当前状态过渡到清晰阐述的未来状态。而AI采用对这一模式提出了挑战。参与者指出 “没有明确的‘明天’状态”，且难以 “清晰定义未来状态”。

AI能力发展迅速，组织无法准确预测六个月后将如何使用这项技术。解决办法不是等待清晰的答案，而是让人们能够自信地应对模糊性。

从业者在沟通时，重点关注进展标志而非最终目标，并通过强化组织目标来稳定人心，即便策略在不断演变。

7.新型阻力需要新的应对方式
AI引发的阻力与众不同，超出了典型的流程方面的担忧。研讨会参与者描述道，这种阻力 “是不同的、新型的，更多是基于恐惧的，涉及风险、未知因素、相关性丧失以及社会影响等方面”。

这些恐惧更深层、更个人化。人们不仅担心学习新流程，还担心在AI增强的世界中自身的根本相关性。

标准的阻力管理技巧已不够用。从业者需要解决情感驱动因素，而不仅仅是流程障碍。由于感知到的威胁关乎生存，培养人们对变革的渴望变得更加困难。

8.重塑角色和工作动态
AI对角色、职责和工作动态有重大影响。参与者指出，这对 “工作和角色的未来” 有重大影响，“团队之间的知识和能力存在差异”。

这不仅仅是学习新工具的问题，更是对工作的根本性重新设计。AI改变了人们的时间分配方式、所需技能以及创造价值的方式。

从业者正在制定未来状态的角色图，展示AI如何补充人类能力，并强化一种将AI视为合作伙伴而非竞争对手的组织叙事。

正在组织中引领AI采用？《借助AI获胜：引领变革的人力层面》—— 这份以研究为依据的指南，将帮助你了解成功的组织如何推动人工智能采用、克服阻力，并通过新技术取得持久成果。

早期预警信号和成功指标

我们的研究揭示了区分成功的AI转型与陷入困境的转型的清晰模式。AI实施 “非常顺利” 的组织展现出截然不同的特征：

• 实验差距——AI实施 “非常顺利” 的组织强烈鼓励尝试新工具，而 “取得进展但面临挑战” 的组织则表现出适度鼓励。而在实施方面陷入困境的组织实际上不鼓励尝试新工具。这是AI实施成功的最强预测因素之一。
• 领导力与文化契合—— 成功的组织展现出强大的领导力支持，以及积极支持AI驱动变革的组织文化。
• 数据开放性平衡—— 实施顺利的组织比陷入困境的组织表现出更高的数据开放性，这表明平衡安全性和可访问性至关重要。

需要警惕的预警信号：

• 高管信心满满，而一线员工却表现出抵触情绪
• 安全担忧被视为与变革管理无关
• 培训方法没有考虑到AI在特定角色中的应用
• 不鼓励实验，而非培养安全的探索环境

调整你的变革管理工具包

传统变革管理工具需要经过深思熟虑的调整，才能助力AI采用取得成功。我们的Prosci ADKAR 模型仍然适用，但培养认知必须包含伦理考量和持续学习的期望，而不仅仅是运营变革。

沟通策略需要强调进展标志而非最终目标，同时解决不同组织层级间可衡量的信任差距。培训方法必须从 “一刀切” 转变为个性化学习之旅，在培养技术能力的同时，也培养适应能力。

或许最关键的是，对发起人的要求不再局限于单个项目发起人，而是扩展到高级领导层联盟，他们能够在更长、更不可预测的时间线上保持关注度，并示范符合伦理的AI行为。

为AI的持续发展做好准备

AI采用不是一个终点，而是组织能力建设的持续旅程。最成功的组织将AI变革管理视为核心能力，而非项目交付成果。

这意味着要培养内部在AI特定变革模式方面的专业知识，提升组织的敏捷性以实现持续适应，并创造拥抱而非抵制AI驱动的变革的文化。

AI采用的成功更多取决于对变革人力层面的管理，而非技术的先进性。对于愿意调整方法的变革从业者而言，这既是重大挑战，也是展示专业变革管理战略价值的前所未有的机会。

对采用进行战略性投资

AI采用不仅仅是技术实施，更是人们工作、创新和创造价值方式的转型。成功之路需要精心制定策略，以吸引员工参与、协调领导力并将AI融入工作流程。

通过与Prosci合作，你将获得一个值得信赖的指南，它拥有研究、方法和专业知识，能够有效管理人工智能采用的人员层面。借助Prosci，你的组织不仅能实现AI的全部潜力，还能建立应对未来变革所需的变革适应力。

与Prosci合作，释放你的AI计划的全部潜力，并在AI驱动的未来确保持久的竞争优势。