变革管理：处理员工对 AI 转型的抵触与"假装在用"
- 说清楚员工抵触 AI 的真实来源，不是"不想进步"那么简单
- 识别"假装在用"的几种典型形态，以及背后的推动原因
- 拿到一套变革推进的实操步骤与推进 checklist
- 知道哪几类强推方式会直接制造抵触，以及怎么规避
工具发下去了，培训也做了，还在群里发了使用教程——可一个月过去，大家要么找各种理由说"没时间学"，要么在汇报时说"我在用 AI"，但你一看，核心产出还是原来那个路数，根本看不出哪里用了 AI。
这种局面，很多管理者的第一反应是"员工不积极"或者"再加点考核压力"。但经验告诉我，如果这时候压力上去了，结果往往只有一个：假装的人更多了，汇报数字更好看了，实际转型进度几乎没动。
AI 转型推不动，技术从来不是瓶颈。这一节讲清楚：人的抵触从哪里来，"假装在用"背后是什么逻辑，以及怎么真正破局。
抵触的真实来源
"员工不积极"是一个结论，不是原因。在我见过的 AI 推进项目里，抵触通常来自以下几个真实位置。
怕被替代，又不敢说。 不管你怎么传达"AI 是工具不是替代"，员工心里有一本账：如果 AI 能做我的活，公司为什么还留着我？这个担忧不会被说出口，但会体现为沉默、拖延、用了一两次就不再主动尝试。
怕暴露"不会"。 年龄大一点的同事，或者在团队里已经是"老人"的员工，最怕的不是 AI 本身，是"当众出丑"——同事都在讨论 AI 怎么用，自己连提示词是什么都没摸清，这种社交压力让人选择装作不关心。
嫌麻烦，不值得。 对于手头已经有一套成熟工作方法的人，切换到 AI 的短期成本是真实的：要学、要试错、要调整提示词、要处理不靠谱的输出。如果看不到明确的好处，理性选择就是：继续用原来那套。
不信任 AI 的输出。 有人认真试过，但 AI 生成的东西太"大路货"，或者出过错——比如让 AI 写一份行业报告，结果发现数据是编的。这种早期坏体验会固化成"AI 不靠谱"的结论，后续很难逆转。
过往变革被坑过。 这条很少被提，但实际上很重要。很多团队经历过"ERP 上线""数字化转型""OKR 推行"——这些项目推的时候大张旗鼓，最后要么烂尾要么无疾而终。这轮 AI 推进，在他们眼里可能只是"又一次运动"，等等就过去了。
"假装在用"为什么发生，怎么识别
"假装在用"是一种理性行为。当员工感知到"不用会被批评/考核扣分"，但又不相信 AI 真的能帮到自己时，最低成本的选择就是：做表面动作。
几种典型形态：
- 汇报时说"我用 AI 写的"，但产出质量和以前一样，甚至更差。 因为他粘贴了 AI 的初稿，没有做实质性的迭代和修改，就直接交出去了。
- 在使用量统计里有记录，但说不清楚用在了哪里。 问他"AI 帮你解决了什么问题"，答案是"帮我写了一下邮件"。
- 培训签到了，工具登录了，但从不主动在工作中发起。 等被要求"用 AI 完成这个任务"时才动，完成了就放下。
- 在考核节点前密集使用，考核期过了就归零。
识别的方法不是查使用日志，而是问问题。 让他讲一个"AI 帮你具体省了什么时间"的案例。真用的人有细节：用了什么提示词、改了几轮、哪里不对改了什么。假装用的人只有结论没有过程。
怎么破：五个真正管用的方向
1. 先解决他最烦的活，让他尝到甜头
抵触不能靠讲道理消除，能消除抵触的只有自己赚到了。
做法是：找到每个岗位最机械、最重复、最消耗人的任务，专门围绕这个任务配一个现成的解决方案——不是让员工自己探索，是直接给他一条"拿来就能用的提示词"或一个封装好的工作流，第一次用就省了他半小时。
第一次的好体验是关键。有了那半小时之后，他会自己去想"还有什么活可以这么干"。在这之前，任何说教都没有这半小时管用。（关于如何把这类高价值提示词沉淀下来，见 人机协作：授权 AI 干活与二次复核。）
2. 明确说清楚"不是为了裁人"
这条很多管理者觉得"说了没用"，但不说真的有很大的隐患。
要说得具体，不是喊口号。比如："这轮 AI 落地不会减少岗位编制，会用 AI 的人，我们会优先分配更有意思的任务，机械的部分交给 AI。" 然后要言行一致——第一个用起来的人，不是被裁了或边缘化，而是被看见了、有了更好的分工。
有一次有人跟我说："我们 HR 在内部发通知说 AI 是为了提效，而不是裁人，但同一个月裁了一批人——之后 AI 再怎么推都推不动了。" 这个案例说明，安全感不是靠说，是靠行动建立的。
3. 让标杆带动，而不是让管理者催着用
找一两个已经在自己岗位上真实用起来、效果明显的普通员工，给他们一个渠道在全团队分享经验——不是 PPT 汇报，是 15 分钟的"我最近这样用 AI 省了什么事"。
同伴效应比管理者的要求有效得多。 同职级的人说"AI 帮我省了两个小时"，比管理者说"大家要积极拥抱 AI"管用 10 倍。因为他们之间的参照系是一样的：同样的工作量、同样的时间压力、同样的疑虑。
4. 把正向激励纳入，而不是用 KPI 硬压
"AI 使用次数""AI 工具登录率"这类指标，造出来的是数据，不是能力。什么东西被纳入 KPI 就会被优化，而不是被真的做好。
正向激励的逻辑是：用 AI 做出了更好的结果，这个结果被看见和认可——升级分工（把机械活分出去，把有趣的活分进来）、公开点名、或者在绩效评价里体现"工作方式创新"。不是说用了多少次 AI，是说用 AI 带来了什么成果。
5. 领导带头用，真的用，而不是"支持"
管理者在会议上说"大家多用用 AI"，和管理者直接说"我昨晚用 AI 帮我整理了这个会议纪要，你们看下有没有问题"——员工感知是完全不同的。
带头不是表演，是在实际工作中真的用、真的出现——哪怕用得不算高级，只是用 AI 整理了一份文档、生成了一个问题清单，都比"表态支持"有说服力。（关于管理者亲自上手 AI 的具体路径，见 管理者为什么必须亲自上手 AI。）
变革推进实操 Checklist
这是一套可以直接用的推进节奏，适合 20 人以上团队的 AI 落地推进：
| # | 阶段 | 动作 | 目标 |
|---|---|---|---|
| 1 | 启动前 | 与直线经理 1v1 沟通，摸清各岗位最烦的 3 件事 | 找到"甜头切入点" |
| 2 | 启动前 | 明确并书面传达"不裁人"的配套政策 | 建立基本安全感 |
| 3 | 第 1 周 | 为高频机械任务提供现成提示词/工作流（拿来即用） | 降低第一次使用门槛 |
| 4 | 第 1 周 | 指定 1—2 个愿意分享的"标杆用户"，并给他们分享渠道 | 培育同伴效应 |
| 5 | 第 2 周 | 组织一次 15 分钟"我这样用 AI 省了什么"分享 | 不是培训，是案例 |
| 6 | 持续 | 管理者在日常会议里展示自己用 AI 的具体场景 | 领导带头示范 |
| 7 | 持续 | 把"用 AI 带来的成果"纳入绩效叙述，而非使用量 | 正向激励而非硬压 |
| 8 | 第 4 周 | 找 3 个真用的人做 15 分钟访谈，了解哪里还有摩擦 | 识别残余障碍 |
| 9 | 第 4 周 | 检查是否出现"假装在用"信号（能否说出一个具体案例） | 评估真实落地深度 |
| 10 | 第 2 月 | 复盘：哪些人/岗位用起来了，哪些还没有，为什么 | 定向跟进，不搞一刀切 |
额外两条铁律：
- 每次谈 AI 推进进展，先说"解决了什么问题"，再说"用了多少次"
- 发现有人"假装在用"，不是批评，是问"哪里用起来有障碍"——大概率是摩擦点没消除
反面教训
一刀切强推，全员同时行动。 每个岗位、每个人的 AI 可用空间不同，强制统一节奏只会让适应慢的人产生更强的抵触，和"用不上的人"出现"假装在用"的最大动力。分批推、先选愿意用的人建立示范效应，比全员同时动效果好得多。
只发工具，不做场景化适配。 发一个工具账号，发一个使用说明文档，然后等大家自己去用。这种方式对少数主动型员工有效，对大多数人无效——因为从"有一个工具"到"知道用它干什么"之间，有一道真实的认知鸿沟。工具要配场景，场景要配提示词，提示词要配到具体任务。
用 AI 使用量当 KPI 逼出造假。 这是最容易踩的坑，也是最难逆转的坑。一旦员工学会了"如何在使用数据上表现好而不真的用"，你后续的所有推进都失去了真实的反馈。KPI 数字好看，管理者放松了，但实际上团队的 AI 能力没有任何积累。（关于岗位能力重塑的系统方法，见 岗位重塑：帮员工转型而不是淘汰他们。）
变革传达停在"讲 AI 多好"。 培训内容全是 AI 能力介绍、行业趋势、大模型原理——员工听完觉得和自己没关系，因为他不知道这些和他每天做的工作有什么具体联系。最有效的培训只讲一件事：你这个岗位最常做的这件事，用 AI 应该这样做。 具体到一个任务，具体到一组提示词。
常见问题
员工说"AI 用出来的东西质量不行"，怎么办？
大概率是提示词质量问题，而不是 AI 不行。与其争论 AI 能不能用，不如让他展示他用了什么提示词——通常你会发现提示词非常模糊。把一个具体任务的标准提示词给他，让他再试一次。如果还是质量差，说明这个场景确实暂时不适合用 AI，那就先换一个场景，不要硬推。
团队里有几个"反 AI"的意见领袖，会带偏整体氛围，怎么处理？
不要正面对抗，因为对抗会强化他们的影响力。换个策略：先在他们旁边找到一两个能用起来的人，让真实的使用成果说话。当越来越多的人用 AI 解决了真实问题，"反 AI"的声音会自然降低音量。如果意见领袖是骨干员工，可以单独聊，找到他真实的顾虑点，专门解决——很多时候是一个具体的坏体验，或者一个没有被回应的担忧。
怎么判断变革推进是真的在进展，还是在制造表面数据？
用一个最简单的检验：随机找 3 个人，问他们"AI 帮你具体解决了什么问题，说一个案例"。能说出有细节、有过程的案例，是真用；说不出来或者案例极其模糊，说明使用还停在表面。这个检验每个月做一次，比看任何使用量数据都有效。
领导自己不懂 AI，怎么带头？
不需要懂得很深。选一件最简单的事——每周的周报整理、会议纪要、邮件初稿——在这件事上用 AI，用了之后在会议上直接提出来："我用 AI 帮我整理了这份纪要，有没有什么遗漏的地方？" 这已经是带头了。你不需要是最懂 AI 的人，你只需要是第一个在会议上用 AI 产出的人。
小结 · 你现在该做什么
- 明白了员工抵触的五个真实来源：怕被替代、怕暴露不会、嫌麻烦、不信任输出、过往变革被坑过
- 知道了"假装在用"背后的理性逻辑，以及识别的具体方法
- 有了五个破局方向：尝甜头、安全感、标杆带动、正向激励、领导带头
- 拿到了一张 10 步变革推进 checklist
- 记住了四个反面教训：一刀切强推、只发工具不做场景适配、用使用量当 KPI、培训停在讲 AI 多好
下一步：光解决抵触还不够，还要帮员工系统完成岗位能力重塑，见 岗位重塑：帮员工转型而不是淘汰他们；更早期的人机协作习惯如何建立，见 人机协作：授权 AI 干活与二次复核；还没亲手上手 AI 的管理者，先看 管理者为什么必须亲自上手 AI。
👉 看看 AI 时代的组织与管理 专栏，或了解 AI 时代管理者认知课。需要定制落地与陪跑，欢迎聊 企业服务。