AI普及难题：为何许多人仍未拥抱这项技术？

过去两年，仅凭社交媒体上的观察，很容易让人觉得AI已渗透到生活的方方面面。

网络上，似乎人人都是AI高手。无论是编写代码、制作PPT、构思方案、甚至进行一些天马行空的影像创作，都显得人们乐此不疲，普遍都在使用。

然而，当我们深入到实际工作场所，情况却截然不同。

诸如工厂的班组长、连锁门店的店长，以及公司的行政人员等，这些是支撑企业日常运作的关键群体。他们并非排斥AI，但实际上并未真正将其投入使用。

原因很简单：他们不知从何入手，尝试几次未见成效后便搁置了。

此前与几家制造业企业的HR交流时，他们也表达了同样的困惑。尽管公司在推广AI方面付出了巨大努力，包括为员工提供培训、购买工具、发放代币，但AI的落地却异常困难。

这恰恰是AI在企业内部面临的最大障碍——并非大家不会使用，而是大家“不想”使用。

表面上看，这似乎是个执行层面的问题。

但实际上，这是一个容易被忽视的结构性问题。AI并未公平地触及到每一个人，而是流向了那些本就更擅长、更愿意使用它的人群。

那些乐于接触AI的人，本身就具备更强的学习和创新能力。面对新工具时，他们态度开放，愿意尝试、思考和吸收，因此能够迅速接纳并投入使用AI。

反之，那些更需要AI协助的人，例如一线执行者、跨部门协调人员、依赖经验工作的岗位，他们的工作模式往往更为按部就班，因此AI的覆盖也相对滞后。

当前市面上充斥着各种AI课程、培训和认证，但这些资源主要服务于“已在使用AI的人群”，只能加速其进步，却无法成为普及的催化剂。

在此背景下，飞书进行了一项调整。

自2023年起，飞书推出了“效率先锋”项目，鼓励员工分享如何利用工具提升工作速度。这套理念在当时是有效的，它解决了这样一个具体问题：普通员工能否借助工具，更高效地完成现有工作。

这个问题的核心价值并未过时。时至今日，效率依然是企业运营中不可或缺的重要组成部分。

但是，随着AI日益深入地融入工作，我们也逐渐意识到，仅仅以“效率”来衡量AI的价值是不足够的。

问题并非出在效率本身不重要，而是因为——效率更容易衡量“谁做得更好”，却难以体现“有多少人开始使用”。

在实际的组织环境中，那些更擅长学习新工具的人，往往能更早地用上AI，并在效率上取得更显著的提升。他们的成果更为显眼，也更容易被树立为榜样。

这是一种自然而然的现象，本身并无不妥。

然而，如果评价体系仅停留于此，便会产生一个客观结果：

AI的价值将更多地体现在一部分人身上，而非在整个组织内广泛扩散。

那些一线执行者、跨部门协作者、依赖经验判断的岗位，并非不需要AI，只是他们很难通过“效率提升”来证明自己已开始使用AI。

于是，一部分人在持续进步，而另一部分人则仍停留在“尚未起步”的阶段。

这并非能力上的差距，而是一个更容易被忽视的结构性现象。

也正是基于这样的观察，“AI先锋”应运而生。

它并非旨在取代“效率先锋”，而是试图弥补另一个同样重要的维度：

如果说“效率先锋”关注的是“你将事情做得更快了多少”，那么“AI先锋”则更侧重于“你是否已将AI真正融入你的工作流程”。

这里的转变并非降低标准，而是将“是否开始使用”这一行为本身，视为一项值得被看见和认可的成就。

因为在AI的应用上，起点本身就至关重要。

当一个人开始在日常工作中运用AI——无论是整理文档、处理数据，还是将其嵌入流程以辅助决策——许多积极的变化会在此过程中自然发生，包括效率的提升、工作方法的革新，甚至工作内容的重新分配。

换言之，效率往往是使用AI所带来的结果，而“开始使用”才是关键的起点。

为何这项工作由飞书来承担，而非培训公司或咨询机构？

这很容易解释。

任何行为的改变，都必须发生在行为发生的实际场景中。培训公司可以教授AI的使用方法，但只有飞书能将AI融入你每日打开文档、表格、参加会议的日常情境中，让你在不经意间接触到它。

当你在工作中随时都能接触并使用AI，你便会自然而然地接纳它。

吕坤对此深有体会。他在四维图新从事了20年的质量管理工作，一直有一个心病：公司里最资深的审核专家一旦退休，他们数十年的判断经验便随之流失。

他并非没有尝试过保留这些宝贵的经验。整理文档、组织培训、制定规范，他尝试了所有能想到的方法，但越是深入，越发现许多东西难以言传。那种“一眼就能发现问题所在”的直觉，无法通过文字形式完整地记录下来。

后来，他转变了思路，引入AI，让它去学习这些判断逻辑，然后通过飞书将其嵌入一线审核流程。效果逐渐显现，AI不仅能记录，更能实际在流程中提供提示和识别。

最终，质量问题的识别效率提升了60%。

那些原本只存在于少数几个人脑中的经验，第一次真正转化为组织可用的资产。

在雅迪安徽分基地负责精益工程的魏云，也有类似的感悟。

她面临的是另一种日常的耗时环节：巡检数据分散在十几个系统中，一线班组长在查询一个问题时，需要在多个部门之间反复奔波，不仅效率低下，而且容易出现遗漏和错误。

等待公司统一开发系统耗时太长，不知何时才能完成。魏云直接利用飞书的多维表格将数据整合起来，并将关键异常项设置为自动推送。

数据的互联互通带来了显著的变化。

班组长不再需要被动等待他人通知来决定是否处理问题，系统一旦发出提示，他们就能立即行动。

节省时间是其一。更重要的变化是，一线员工开始具备自主判断和响应的能力。整个工作线因此变得更加活跃，大家的工作也更有干劲。

还有华熙生物的朱朝冉，他拥有视觉设计背景，但没有任何技术基础。

刚接触AI时，他抱着一种纯粹的研究心态，认为要使用AI就必须先理解它，于是开始啃读技术论文。看了几篇后，感到头大，便放弃了。

后来他想通了一个道理：深入研究不如直接上手实践。

无论是整理会议纪要、梳理数据，还是构建智能体，总之先用起来，然后在使用的过程中逐步了解它的能力边界、局限性以及如何做得更好。现在，他与AI合作的方式，更像是与一位随时在旁的同事协作，而不是操作一个需要先考证才能使用的复杂机器。

这三个人，以三种不同的方式与AI合作，但有一个共同点：他们都不是通过培训而学会使用AI的。他们都是在真实的工作环境中，被实际问题驱动着卷入了AI的应用。

在这些真实的案例中，AI不再仅仅是一个被调用的工具。它开始融入工作流程，参与决策，甚至在潜移默化中改变了工作分工的方式。

然而，这样的人群目前仍是少数。

一家连锁零售企业的区域督导，每天需要处理巡店报告、监控库存数据、安排人员班次，仅是应付这些就已经十分忙碌。他当然听说过AI，但每次看到“提示词工程”、“AI助手”等词汇时，他的第一反应总是：“这不是我该管的事”、“我搞不懂这些”。

后来公司引入了飞书。他没有专门去学习，只是照常开展工作。但系统会自动帮他整理数据、生成周报、标记异常，并提醒他需要注意的事项。

在他自己尚未察觉的情况下，AI已经改变了他处理工作的方式。

这充分说明了一个现实。对于许多一线员工来说，“被AI取代”是一个难以释怀的担忧，但“让AI帮助我处理一些繁琐的工作”却是完全可以接受的。

由此看来，AI落地的关键，从来不在于其功能有多强大，而在于它以何种方式融入工作。

有趣的是，如果直接询问员工“你会不会用AI”，绝大多数答案是否定的；但如果换一种问法，询问工作中哪些重复性的任务希望有人协助完成，几乎每个人都能列举出一大堆。

这中间的差距，可能正是AI落地过程中最关键的环节。

这并非完全是能力上的差距，也不是单纯的认知问题，更像是一种尚未完成的转变：从被迫学习一项新工具，到利用新能力更出色地完成工作。

这也是为何飞书将重点从“培训员工使用AI”转移到“让员工在工作中自然接触AI”。

关键在于，不要让员工感觉需要额外学习才能使用AI，而是要将AI嵌入到文档、表格、会议等高频场景中，先让大家习惯，再自然地使用起来。同时，“AI先锋”等项目可以汇集其他企业的先进实践经验，形成可供参考的路径，让后来者不必从零开始。

从“效率先锋”到“AI先锋”的转变，某种程度上也是对这一过程的回应，不再仅仅关注谁能做得更好，而是开始关注谁已经参与到这场变革之中。

从这个角度来看，那些尚未开始使用AI的人，或许并非拒绝AI，只是尚未遇到一个足够低门槛的切入点。

在AI时代，真正稀缺的不是那些能将工作效率提升10%的人，而是那些愿意将AI融入自己工作流程的人。

因为只有他们，才能真正推动组织发生实质性的变革。

-END-