企业 AI 转型的致命阻力，究竟从何而来？

理解阻力的真正来源，以及如何化解它

已有研究发现

• 终端用户的采纳意愿是一大障碍。 埃森哲将”员工采纳不足”列为 AI 实施中最主要的挑战之一。
• 领导层参与度参差不齐。 麦肯锡指出，33% 的高绩效组织中，高层领导正在积极推动 AI 采纳，而在整体样本中这一比例明显更低。
• 员工构成会带来影响。 Anthropic 的研究发现，科技从业者占比更高的美国州，其 AI 采纳率也更高，这意味着在非技术岗位为主的员工群体中，阻力可能更大 。

上述研究并未把中层管理者单独识别为一个独特的阻力来源，也没有深入探讨阻力的本质——究竟是害怕被替代、缺乏相关技能，还是工具本身不好用？

我们的发现

职能支持部门（法务、人力资源、风险与合规）才是最常见的阻力来源，占比达 35%，而不是 AI 的终端使用者。不同来源的阻力，背后的原因各不相同：C 级高管要求可衡量的 ROI 证明，职能支持部门担心流程风险和问责，终端用户不信任系统的不稳定性，一线员工则担心被替代。每一类阻力，都需要不同的应对方式。

发现1：阻力最常见的来源，是职能支持部门，而非终端用户

传统观念普遍聚焦于终端用户的阻力，但实际上，职能支持部门才是最常见的阻碍者。法务部门担心法律责任，人力资源部门担心变革管理问题，风险与合规团队担心监管风险敞口。无论高管层是否支持，这些部门都拥有减缓甚至叫停项目的组织权力。

“我看到的情况是，同一个组织内部，AI 成熟度参差不齐。工程和 IT 部门想要大步向前，而其他部门，比如法务，则可能在拖后腿。” ——某制造企业 AI 负责人

值得注意的一个例外是 IT 部门：它们更多扮演的是”推动者”而非”阻碍者”的角色，为业务部门提供平台基础设施和数据管道，帮助其加快推进速度。

“中层管理人员的阻力最大，而高层管理者和初级员工反而更容易接受。” ——某零售公司高管

发现2：不同来源的阻力，背后原因各异，需要不同的应对方式

职能支持部门担心的是风险：在一家大型银行，过去的监管问题让风险团队变得极度谨慎。解决之道不是”说服”，而是”授权指令”。当 AI 的应用通过公司级 OKR 与薪酬挂钩，且法务和人力资源部门不必为潜在的失败承担责任时，他们找到了成为推动者、而非阻碍者的方式。当职能支持部门被赋予参与治理的角色，而不仅仅是被要求”签字批准”时，他们往往会从”阻碍”转向”积极支持”部署。

“我几乎把所有时间都花在了风险和内控上，那里的每个人都非常害怕做任何事情。” ——某大型银行高管

C 级高管要求 ROI 证明：在批准 AI 投资之前，CFO 往往需要明确的财务论证。解决之道是通过小规模、可衡量的试点，先证明价值，再申请更大范围的投资。

“医院高层需要看到对资产负债表有直接、逐项对应的影响，才能批准软件采购。” ——某医疗 AI 公司高管

终端用户不信任系统的不稳定性：习惯了确定性系统的用户，很难适应 AI 输出的不确定性。解决之道是管理好预期：让用户明白 AI 的输出需要审核，而在常规任务上”足够好”的表现，能为更高价值的工作腾出时间。

“我们必须从设定合理的预期开始。这在某种程度上，是要改变思维方式，稍微转换一下思维范式。” ——某咨询公司高管

一线员工担心被替代：这是被讨论最多的担忧，但在我们的案例中只出现过两次。这种担忧是真实的，但也是可以化解的。解决之道是展示一条具体清晰的路径：哪些工作会消失，哪些工作会保留，各个岗位会如何演变。

案例研究 ：一家科技服务公司的安全运营变革

他们如何化解团队的阻力 科技服务 | 安全运营 | 中型企业

公司背景

一家科技服务公司，其安全运营中心（SOC）团队仅有六人，每月要处理约1500条安全告警，其中大多数都是需要人工分诊的误报。

问题所在

团队被告警淹没了。由于人手有限，分析师只能深入调查高优先级告警，低优先级告警得到的关注非常有限。这项工作本质上是机械性的：分诊、分类、上报或关闭。分析师把大部分时间都花在了重复性任务上，而不是真正需要他们专业判断力的深度调查工作。

解决方案

团队部署了一套 AI 系统，实现告警分诊的自动化。AI 负责初步分类和误报过滤，处理一条告警只需数秒，而不是数小时；只有真正需要人工判断的告警才会被上报给分析师。

阻力

当管理层提出这套 AI 方案时，预料之中的担忧是——工作安全感。一个只有六人的团队，面对一套足以替代大部分工作量的 AI，产生阻力的风险是真实存在的。

发起人如何化解阻力

技术负责人拥有完全的授权，也不依赖其他团队的配合，他全力支持这套方案，并将其作为专项计划亲自推进实施。

第一，客观情境本身就说明了问题：团队原本就已经不堪重负，连低优先级的告警都顾不上覆盖。这不是一个运转良好、会被 AI 打乱的团队，而是一个已经跟不上工作量的团队。AI 被定位为”解脱”，而不是”替代”。

第二，工作的划分方式非常直观：AI 承担了占用他们大部分时间的机械性分诊工作——分类、误报过滤、常规上报，分析师则保留了需要专业判断力的深度调查工作。

第三，发起人把腾出来的产能，定位为一条”向上”的路，而不是”向外”的路：多出来的带宽将投入到团队此前从未有时间去做的更高价值活动中。传递的信息非常具体：AI 替代的是公司原本需要另外招聘的人，而不是现有的团队成员。

“你必须为团队成员规划出一条路。这对每个人来说意味着什么？他们应该能看到，自己的工作会变得更轻松。而正因为轻松了，多出来的带宽就能被用于其他能提升他们能力的活动。” ——某科技服务公司高管

这种重新定位非常明确：AI 替代的是公司原本需要另外招聘的人，而不是现有的团队成员。

“AI 不是在替代你现在拥有的员工，AI 替代的是你不再需要招聘的那个人。你现在的员工，现在可以完成两个人、三个人，甚至四个人的工作量。” ——某科技服务公司高管

成果

没有一个人因此被裁员，释放出的4.5个全职员工的产能，被重新投入到威胁狩猎、安全架构建设和能力发展工作中。

关键经验

当前进的路径足够具体、足够清晰时，“被替代”的恐惧就会自然消散。发起人明确展示了哪些工作会消失（机械性分诊）、哪些工作会保留（专家级调查），以及会涌现出哪些新的工作（能力建设）。一旦团队看清 AI 是把他们从枯燥重复的工作中解放出来，而不是对饭碗的威胁，他们就从抵触转向了积极拥护。

相关课程：