企業在AI技術上投入數百萬美元，卻往往無法實現預期回報，這並非由於技術故障，而是因為它們將傳統的變革管理方法應用於一種本質上截然不同的轉型。

Prosci的AI研究揭示了AI變革的哪些特點

Prosci最近對 1107 名來自不同組織層級的專業人士開展研究，揭示了各組織在AI採用方面面臨的挑戰範圍。數據令人震驚：

AI採用中的人力挑戰與技術挑戰的普遍性

• 人力挑戰 vs 技術挑戰—— 用戶熟練度成為主要挑戰，占所有報告的AI實施困難的 38%。這可細分為學習曲線挑戰（22%）、提示詞工程難題（11%）和培訓不足（6%）。技術實施問題僅占 16%。這與傳統技術推出時技術挑戰往往占主導地位的情況形成了根本轉變。
• 信任差距可衡量—— 研究揭示了不同組織層級間顯著的信任差異。一線員工對AI的信任度極低（在 – 2 至 + 2 的量表上為 + 0.33），而高管則表現出明顯更高的信任水準（+1.09）。
• 領導力支持驅動成功—— AI實施 “非常順利” 的組織，其領導力特徵與其他組織截然不同。它們展現出強大的領導力支持（+1.65），而陷入困境的組織則為（-1.50）。

這些資料印證了研討會參與者告訴我們的情況 —— AI變革本質上有所不同，傳統方法已不足以應對。

AI驅動的變革的 8 個關鍵差異

在過去六個月裡，我們與北美各行業的數百名變革從業者舉辦了AI採用研討會。通過對作為組織內部專家的參會者進行的民意調查和回饋，得出了 8 個明顯的模式，這些模式將人工智慧轉型與傳統變革舉措區分開來。

1.“永無止境的第二階段” 挑戰
傳統變革管理按照明確的階段進行，每個階段都有清晰的終點。而AI採用打破了這一模式。正如一位研討會參與者所說：“AI變化太快了 —— 我們到底在追逐什麼？” 另一位參與者將其描述為 “永無止境的第二階段”。

技術快速發展，新功能不斷湧現，組織必須即時調整其實施方式。你的變革管理計畫需要靈活性和敏捷性，而非一次性交付。強化變成了一個持續準備的主動過程，而非一個有限的目標。

成功的從業者正在制定適應性強的模組化變革計畫，並指導發起人在更長、更不可預測的時間線上保持關注度。

Prosci ADKAR 模型與反覆運算變革保持一致

2.安全擔憂重塑風險管理
AI帶來了傳統變革管理很少遇到的更高風險。研討會參與者指出 “安全擔憂程度升高”，“個人責任和風險緩解變得更加重要”。

AI系統可能會無意中暴露敏感性資料、生成不準確資訊或製造新的漏洞。在醫療、金融、法律等敏感領域，其後果可能很嚴重。

這就要求將風險管理直接融入每一項變革管理活動中。宣傳活動必須在推廣工具的同時，優先強調負責任的行為。培訓計畫需要將以安全為重點的內容貫穿始終，而非事後補充。

3.倫理與治理成為核心
與傳統技術實施不同，AI決策可能會固化偏見、生成錯誤資訊，或在不顯眼的方面影響人們的生活。研討會參與者一致將 “倫理和負責任使用” 以及 “倫理和偏見擔憂” 列為核心挑戰。

培養認知必須明確包含倫理考量，而不僅僅是運營變革。發起聯盟需要明確示範符合倫理的行為，以設定組織基調。

具有前瞻性的從業者正在建立明確的回饋管道，以便及早發現並糾正倫理風險，並將政策更新直接融入知識構建活動中。

4.向個性化學習轉變
傳統培訓方法在AI採用方面效果不佳。這項技術需要個性化、自主的學習才能培養足夠的素養。正如一位元專家所指出的，組織需要 “培養能力，以確保具備適應力和靈活性，從而參與持續學習”。

AI工具在不同角色、部門和個人中的應用各不相同。行銷專員可能會使用AI進行內容創作，而金融分析師則會將其應用於資料分析。通用培訓計畫無法有效滿足這種多樣性需求。

成功的從業者正在提供多路徑學習體驗：AI學院、學習網路以及人們可根據自身特定需求訪問的資源中心。

5.規模和複雜性需要企業思維
AI實施往往同時影響多個部門，沒有明確的界限。研討會參與者描述道：“其規模 —— 變革、速度等 —— 都非常大”，“AI的潛力似乎是無限的”。

傳統的基於專案的變革管理方法難以應對這種範圍。AI採用需要企業層面的視角、更廣泛的利益相關者影響評估以及高級領導層組成的發起聯盟。

這種複雜性不僅是技術上的，也是組織層面的。AI實施會引發業務流程、決策框架和組織結構方面的連鎖變革。

6.應對未來狀態的模糊性
傳統變革管理擅長從明確界定的當前狀態過渡到清晰闡述的未來狀態。而AI採用對這一模式提出了挑戰。參與者指出 “沒有明確的‘明天’狀態”，且難以 “清晰定義未來狀態”。

AI能力發展迅速，組織無法準確預測六個月後將如何使用這項技術。解決辦法不是等待清晰的答案，而是讓人們能夠自信地應對模糊性。

從業者在溝通時，重點關注進展標誌而非最終目標，並通過強化組織目標來穩定人心，即便策略在不斷演變。

7.新型阻力需要新的應對方式
AI引發的阻力與眾不同，超出了典型的流程方面的擔憂。研討會參與者描述道，這種阻力 “是不同的、新型的，更多是基於恐懼的，涉及風險、未知因素、相關性喪失以及社會影響等方面”。

這些恐懼更深層、更個人化。人們不僅擔心學習新流程，還擔心在AI增強的世界中自身的根本相關性。

標準的阻力管理技巧已不夠用。從業者需要解決情感驅動因素，而不僅僅是流程障礙。由於感知到的威脅關乎生存，培養人們對變革的渴望變得更加困難。

8.重塑角色和工作動態
AI對角色、職責和工作動態有重大影響。參與者指出，這對 “工作和角色的未來” 有重大影響，“團隊之間的知識和能力存在差異”。

這不僅僅是學習新工具的問題，更是對工作的根本性重新設計。AI改變了人們的時間分配方式、所需技能以及創造價值的方式。

從業者正在制定未來狀態的角色圖，展示AI如何補充人類能力，並強化一種將AI視為合作夥伴而非競爭對手的組織敘事。

正在組織中引領AI採用？《借助AI獲勝：引領變革的人力層面》—— 這份以研究為依據的指南，將説明你瞭解成功的組織如何推動人工智慧採用、克服阻力，並通過新技術取得持久成果。

早期預警信號和成功指標

我們的研究揭示了區分成功的AI轉型與陷入困境的轉型的清晰模式。AI實施 “非常順利” 的組織展現出截然不同的特徵：

• 實驗差距——AI實施 “非常順利” 的組織強烈鼓勵嘗試新工具，而 “取得進展但面臨挑戰” 的組織則表現出適度鼓勵。而在實施方面陷入困境的組織實際上不鼓勵嘗試新工具。這是AI實施成功的最強預測因素之一。
• 領導力與文化契合—— 成功的組織展現出強大的領導力支持，以及積極支援AI驅動變革的組織文化。
• 資料開放性平衡—— 實施順利的組織比陷入困境的組織表現出更高的資料開放性，這表明平衡安全性和可訪問性至關重要。

需要警惕的預警信號：

• 高管信心滿滿，而一線員工卻表現出抵觸情緒
• 安全擔憂被視為與變革管理無關
• 培訓方法沒有考慮到AI在特定角色中的應用
• 不鼓勵實驗，而非培養安全的探索環境

調整你的變革管理工具包

傳統變革管理工具需要經過深思熟慮的調整，才能助力AI採用取得成功。我們的Prosci ADKAR 模型仍然適用，但培養認知必須包含倫理考量和持續學習的期望，而不僅僅是運營變革。

溝通策略需要強調進展標誌而非最終目標，同時解決不同組織層級間可衡量的信任差距。培訓方法必須從 “一刀切” 轉變為個性化學習之旅，在培養技術能力的同時，也培養適應能力。

或許最關鍵的是，對發起人的要求不再局限于單個專案發起人，而是擴展到高級領導層聯盟，他們能夠在更長、更不可預測的時間線上保持關注度，並示範符合倫理的AI行為。

為AI的持續發展做好準備

AI採用不是一個終點，而是組織能力建設的持續旅程。最成功的組織將AI變革管理視為核心能力，而非專案交付成果。

這意味著要培養內部在AI特定變革模式方面的專業知識，提升組織的敏捷性以實現持續適應，並創造擁抱而非抵制AI驅動的變革的文化。

AI採用的成功更多取決於對變革人力層面的管理，而非技術的先進性。對於願意調整方法的變革從業者而言，這既是重大挑戰，也是展示專業變革管理戰略價值的前所未有的機會。

對採用進行戰略性投資

AI採用不僅僅是技術實施，更是人們工作、創新和創造價值方式的轉型。成功之路需要精心制定策略，以吸引員工參與、協調領導力並將AI融入工作流程。

通過與Prosci合作，你將獲得一個值得信賴的指南，它擁有研究、方法和專業知識，能夠有效管理人工智慧採用的人員層面。借助Prosci，你的組織不僅能實現AI的全部潛力，還能建立應對未來變革所需的變革適應力。

與Prosci合作，釋放你的AI計畫的全部潛力，並在AI驅動的未來確保持久的競爭優勢。