老板在会议室里说：“今年必须把 AI 用起来。”

大家点头，会议纪要写得很漂亮。过了两周，真正重要的表格还在老员工的电脑里，客户的例外情况仍然只在几个人的脑子里，自动化项目倒是交上来几个，打开一看，做的是把一张表换成另一张表。

这类场面很容易被解释成“员工保守”“中层拖延”或者“大家还没有学会 AI”。但如果你站到员工的位置上看，问题会变得具体得多：我把自己四五年积累的判断、客户习惯和处理顺序交出去以后，公司还需要我做什么？出了错谁签字？效率提高后，我得到的是更有价值的工作，还是同样的工资加一倍的活？

这些问题没有答案时，员工的谨慎并不奇怪。企业 AI 转型最难的地方，往往也不在模型能不能写文案、做表格，而在于它会碰到一份旧的工作安排：谁掌握信息，谁拥有决定权，谁承担错误，谁拿到效率带来的好处。

老板说效率，员工听到的可能是裁员

假设一个运营每天要花八小时整理商品、回复常见问题和汇总数据。AI 把这件事压缩到两小时，剩下的六小时会去哪儿？现实里至少有三种答案：继续加任务，减少这个岗位，或者让他去做更需要判断和协作的工作。

第三种答案听起来最好，实际却最少被写进计划。老板只说“先把效率做出来”，员工就会先按最坏的情况理解。于是他愿意在公开会议上展示一个简单用法，却不会把最关键的异常处理交给流程。表面上项目在推进，真正的经验仍然被锁在个人手里。

我在一家传统饰品电商企业接触过一位运营同事。他做了四五年，知道哪个客户嘴上说“没问题”其实马上要退货，也知道供应商表格里哪些数字看起来正常、下周却会出问题。这些经验没有写在 SOP 里。让他把全部判断交给一个 AI 工作流，等于让他亲手拆掉自己赖以立足的那面墙。除非公司同时说明新的位置、授权和收益，否则他不交出来是很理性的选择。

所以，推动 AI 之前，老板至少要回答四句话：岗位会变成什么；过渡期有多长；AI 出错谁负责；贡献会怎样被看见和回报。回答不了，就不要把“不配合”当成态度问题。

老员工的经验，不是等待被复制的旧资产

很多企业做知识沉淀时，第一步就是让老员工把聊天记录、表格和流程全部上传。这个动作看起来很有效率，实际上容易触发防御。

对老员工来说，经验并不只是几条规则，而是一组对例外的判断。客户突然改规格、仓库少了一箱货、某个供应商在月底最容易失约，这些内容之所以有价值，是因为它们和责任、关系、现场处置绑在一起。如果公司只拿走经验，却没有让贡献者参与验收、拥有新流程的决定权，也没有给出岗位升级或收益变化，知识库就会被理解成“把我的护城河铲平”。

更稳妥的做法，是让经验拥有者和 AI 流程建设者结成小组。老员工负责说清楚边界、异常和不能自动决定的地方；熟悉工具的人负责把它变成可运行的步骤；两个人一起验收结果。流程稳定后，经验拥有者不是被替换，而是成为这个流程的负责人、教练或异常处理者。至少，这是一条可以谈判的过渡路径。

中层抵触的，通常是决策权缩水

中层的阻力也不能只用“怕失业”概括。很多公司的中层价值，长期建立在信息差上：日报由他汇总，周报由他解释，跨部门问题由他转发。AI 把信息整理和初步分析直接送到上级，确实会压缩这部分工作。

这并不意味着所有中层都应该消失，而是要把价值往更难复制的地方移：判断优先级，协调资源，处理例外，为结果签字。以前我见过的日报体系，员工每天花很长时间整理数字，负责人再花一小时改格式。AI 可以把汇总做掉，但客户投诉要不要赔、库存要不要先停、哪个订单值得抢，仍然需要有人做决定并承担后果。

如果管理层只削减报表，却没有重新定义中层的决策范围，中层当然会拖慢项目。因为项目每前进一步，他手里的预算、人员和解释权就少一块。

会写提示词的人，不一定能把 AI 放进生产线

企业筛选“AI 人才”时，很容易被漂亮演示带偏。会写一段复杂提示词、十分钟做出一份 PPT，说明他熟悉工具；这和能不能把一个真实任务跑通，是两件事。

我更愿意给候选人一个现成任务，跑四周再判断。第一周让他解释原流程：输入是什么，哪些地方必须人工确认，错一次会造成什么损失。第二周让他用 AI 跑一遍，留下每一步的输入、输出和人工修改。第三周交给同事复用，看别人能不能按说明跑出相近结果。第四周专门制造异常：缺字段、口径变化、客户临时改要求，看他是否知道什么时候停下来求助。

评价的重点不是模型名字，而是五件事：能否拆解业务任务，能否把流程做成可执行的工作流，能否验收质量，能否处理风险边界，能否让别人复用并继续维护。具体分数可以由企业自己定，但不能把登录次数、消耗 token 数或提示词数量当成主要指标。那只会鼓励大家做没有结果的自动化。

先跑一个完整链路，再谈全面转型

单点效率很容易制造幻觉。文案一天生成五十版，老板一周才批一次；销售十分钟做完方案，法务排队三天；程序员写代码快了，测试和发布仍然卡在原处。第一环节快了，整条链路不一定快。

因此，企业可以用九十天做一次小规模试点。

前十五天只做边界确认：选一个真实任务，写清楚数据能不能进工具、哪些动作必须人工签字、错误如何回滚，什么情况直接停止。不要考核登录和 token。

第十六到四十五天，用“业务老手加 AI 流程建设者”的两人小组跑任务。记录输入、工具步骤、输出、验收和失败退出点，并让第二个人复用一次。复用不了，说明这还不是流程，只是某个人的手艺。

第四十六到七十五天，检查下游瓶颈。审批、法务、交付、客户反馈哪个环节没有跟上，就先改那一段。稳定的流程可以固化，不稳定的流程留在沙盒里，别急着全员推广。

最后十五天再决定是否扩大。扩大的门槛至少有四个：业务结果真的变好，质量没有明显下降，风险有人负责，团队愿意持续使用。少一个，都应该继续试，而不是靠口号加速。

老板在这九十天里还要不断回答七个问题：任务快五倍后，下游接得住吗？原工作减少的人去哪里？谁的贡献会被记录？AI 出错谁签字？哪些数据和动作禁止自动化？流程负责人多承担的责任换来什么？什么时候继续，什么时候停？

这些问题谈清楚以后，员工依然可能有人不愿意转型，也可能有人不适合新的岗位。但那时的分歧是可处理的，不再是所有人都在猜测公司到底想拿走什么。

AI 进入企业，真正被重新编排的从来不只是几张表。它会动到经验、权力、责任和收入。工具可以今天换一个，信任一旦被消耗，恢复要慢得多。

先把新的工作安排说清楚，再让机器进来。很多企业需要的第一份 AI 文档，可能不是提示词手册，而是一张写着“谁做什么、出了错怎么办、做得更好得到什么”的岗位说明。