同样推 AI，为什么不同部门的反应完全不同？

本文目录

1. AI 离哪几种工作最近
2. 公司和员工，算的不是同一笔账
3. 考核的是数量，却未必能考核到想要的结果
4. 先跑通一个岗位，再谈全员
5. 管理建议

2025 年 3 月，公司做了一件事：在大家每天都要打开的办公软件里，内置了一个本地部署的 DeepSeek，以对话式 AI 的形式向员工开放。除了外勤销售和一线产线员工，其他部门统一要求每人每月至少提问 200 次，计入 KPI。

这套动作当时看着挺扎实。工具已经内置在员工日常要用的软件里，培训做了，要求下了，还挂上了考核。

推行一段时间下来，我看到的画面越来越别扭。

产品和软件开发这些部门，因为 AI 能直接帮上现有工作，态度相对积极。财务、行政、生产管理、质量这些部门，更像是把统一要求当成额外负担，为了完成 KPI 去用。

一样的东西，一样的要求，落在不同部门，结果差得不像同一件事。

这些差异，来自我在不同方面的观察：跟员工的直接沟通，管理会上的反馈，实际使用表现，还有真实提问次数和完成情况。差异的背后都指向一个共同点：当时的对话式 AI，未能与这些部门常用的内部数据、ERP 等业务系统以及正式工作流程实现良好对接。

现在回看，不同部门和岗位的反应，不能只归因于员工愿不愿意用，更关键的是 AI 离他们的核心工作有多远。

AI 离哪几种工作最近

把当时的情况摊开，不同部门和 AI 之间隔着三段距离。

最近的一段是产品和软件开发。这类岗位每天打交道的，本来就是代码、需求、软件和各类数字化资料，它们更接近当时对话式 AI 能直接处理的工作对象。也正因为这样，他们更容易在现有任务里感受到帮助。

中间一段是研究、市场、合规这些部门。他们的活儿里很大一块是找外部资料、整理、研究、写文档。对话式 AI 能帮上其中一部分，所以反应比较平和，谈不上多兴奋，也没多大抵触。

最远的一段是财务、行政、生产管理、质量这些部门。他们真正要处理的东西，大多躺在内部系统里：业务数据、ERP、权限、一张张要走完的正式单据和流程。当时的对话式 AI 站在办公软件的对话框里，够不着这些。员工能拿它写点通用文字，但许多核心工作，它插不上手。每月 200 次提问，也就从帮人干活变成了额外的活。

于是，不同部门和岗位，对 AI 的使用态度就出现了明显的差异。而这差异，很大程度上来自 AI 和他们核心工作对象之间的距离。

公司和员工，算的不是同一笔账

管理者在管理时，一定要考虑人性。在这里有更具体的意思：正视组织和个人的价值计算单位本来就不一样。

公司算的是整体账：这套工具投下去能不能降本增效，全公司的使用率能不能起来。

员工算的是自己那一份：它是在减少我的工作量、返工和麻烦，还是在增加学习成本、切换成本，外加一层被考核的压力？

公司看到的是 AI 使用率，员工计算的是自己的工作有没有因此变轻。

这不叫格局小。人每天的时间就那么多，谁都会先算跟自己最直接相关的那笔账。麻烦在于，管理者容易默认：工具装了、培训做了、要求下了，员工的账就自动算通了。AI 工具确实装进了办公软件，可员工的实际工作里，却还没感受到自己轻松了点儿。

考核的是数量，却未必能考核到想要的结果

2025 年 3 月，提问次数还得靠员工自己计数。到了 4 月，办公软件功能升级，系统能自动统计每个人问了多少次。

从管理角度看这是进步：统计更准确，员工也更省事儿了。

但它提高的是计量的能力，不是判断价值的能力。系统能告诉你一个人这个月提问了多少次，却告诉不了你他手上那件事有没有因此变快、变好、变省力。

次数度量的是动作，落地要的是价值。这两件事之间，隔着的正是每个岗位千差万别的工作对象、系统和流程。同样一个使用次数，在有些部门是顺手用出来的自然结果，在另一些部门只能靠考核逼出来。如果拿统一的使用量当成统一的效果，量到的很可能只是自己下的那道命令。

先跑通一个岗位，再谈全员

如果回到当时的场景，这次我觉得更合理的选择不是一上来就把 AI 落地全员铺开，而是先挑一个岗位、一项真实任务，把它跑通。

具体说，是按岗位和这项任务的实际需要，至少看清四件事：

1. 这项任务要用的真实数据，AI 能不能拿到；
2. 员工实际在用的那套系统，它能不能进得去；
3. 它能不能参与真实流程，还是只站在系统外面写点文字；
4. 交付要的准确性它能不能达到，权限该怎么控制，结果由谁来判断、出了问题由谁承担责任。

说白了，就是让员工亲手跑完一次完整的活儿，看 AI 到底帮上了哪一段，还差哪一段。没有跑通这一步，就不用急着用使用量这种简单指标来衡量落地效果。

跑通之后，再针对不同部门采取不同的处理办法。能直接进入核心任务的，就围绕真实任务去推，让 AI 多干实事；只能帮上外围和通用任务的，如实说明它的边界，别把预期拉满；暂时还碰不到核心数据和系统的，就承认它还没进来，不用一个漂亮的提问次数假装已经落地。

有人会说，那是 2025 年的事，今天的 Agent 早不是这样了。

这话只能说对了一半。现在的 Agent 在周报、材料整理、PPT 这类通用办公任务上的使用门槛已经大大降低，员工能更快上手，也更容易直接感受到帮助；但只要工作对象还在内部数据、权限和正式流程里，只要交付结果还要有人签字担责，AI 怎样接入这些工作，就还得一个岗位一个岗位去解决。

工具更容易用了，不等于它已经进入岗位的核心工作。

管理建议

给老板

AI 落地这笔账，别只记在采购和使用率上。在问员工开始用没用前，最好先考虑下他们手上那件事有没有因此变轻。

给管理者

如果上面只看使用量，你可以主动提出做一次小范围试跑。挑一项真实的活儿跑完，把 AI 帮上忙的和没帮上忙的一并报上去。一项试跑说明不了全部情况，但它比单纯汇报使用次数更接近实际价值。

下次，带你用管理剥开AI的另一颗坚果。