AI合作伙伴胜于替代：斯坦福的$10B错位问题
Source: Dev.to
当 41 % 的 AI 投资针对的是员工积极抵制的任务时，你并不是在打造竞争优势——而是在为组织摩擦买单。
斯坦福 2025 年对 1,500 名员工的标志性研究揭示了一个关键缺口：企业正在自动化错误的工作。真正的机会不是取代，而是 工作流自动化设计，使技术能力与人类意图保持一致。对于在进行 AI 准备度评估 的欧盟中小企业而言，这项研究重新定义了整个策略。
斯坦福 2025 年 AI 研究揭示了员工偏好什么？
斯坦福的研究表明，员工并不希望被 AI 接管——他们希望与 AI 成为队友。研究发现 45.2 % 的员工更倾向于 H3 级别的“平等伙伴关系”，即人与机器共同承担任务完成的责任。
该研究使用了音频增强访谈，以捕捉员工细微的需求，超越了单纯的“是否自动化”问题。研究人员引入了 Human Agency Scale (HAS)，范围从 H1（无人工参与）到 H5（人工必不可少），为讨论 AI 融合提供了统一的语言。
关键发现挑战自动化假设
| 偏好 | 描述 | 百分比 |
|---|---|---|
| H1 | 完全自动化（无人工参与） | 1.9 % |
| H2 | AI 支持并在关键点由人工监督 | 35.6 % |
| H3 | 平等伙伴关系——人类与 AI 共享责任 | 45.2 % |
| H4 | 人类主导，AI 辅助 | 16.3 % |
| H5 | 人工必不可少（AI 无法取代） | — |
| 总体 | 员工在 47.5 % 的任务上倾向于比专家认为必要的更高的人类参与度 | — |
注：上述百分比之和超过 100 %，因为受访者可以为不同任务选择多个偏好层级。
什么是 Human Agency Scale 以及它为何重要？
Human Agency Scale 代表了从 “AI‑first” 到 “human‑centered” 决策的根本转变。
它不再问 “what can be automated?”，而是问 “what should be augmented and why?”。
| Level | Description |
|---|---|
| H1 | AI 完全独立运行 |
| H2 | AI 只需最少的人类监督 |
| H3 | 人类与 AI 平等合作伙伴关系 |
| H4 | AI 作为工具，需要大量的人类指导 |
| H5 | AI 若没有持续的人类输入则无法运作 |
关键洞察 – H3 在 104 个职业中有 47 个职业的首选，使其成为整体上最常见的员工期望水平。这种对协作而非取代的偏好挑战了行业对最大化自动化的关注。
为什么对组织很重要
- AI governance & risk advisory – 该尺度提供了一个清晰的诊断框架，以将治理政策与员工期望对齐。
- Business process optimization – 它将员工情感转化为具体的架构决策，确保自动化举措是提升而非取代人类工作。
为什么员工更倾向于 AI 合作而非被取代？
员工并不是在抵制进步——他们在定义进步。当他们表达对自动化的需求时，这是出于策略考量，而不是放弃控制。
自动化动机（在 5 分制中评分 ≥ 3）
| 动机 | 百分比 |
|---|---|
| 想要腾出时间从事高价值工作（而不是自动化高价值工作） | 69.4 % |
| 寻求摆脱重复性任务 | 46.6 % |
| 旨在提升工作质量 | 46.6 % |
| 希望减轻压力 | 25.5 % |
信任的主要障碍
| 关注点 | 百分比 |
|---|---|
| 对 AI 的准确性和可靠性存疑 | 45 % |
| 担心失业 | 23 % |
| 担忧缺乏人工监督 | 16 % |
关键洞察： 员工尤其抵触在创意任务或客户沟通中使用 AI。这并非阻碍，而是宝贵的数据，指示出在何处最需要 AI 合规 与透明度，以实现工具的成功整合。
斯坦福确定的四大 AI 采纳区是什么？
斯坦福的区块框架将 员工意愿 与 AI 能力 对照，为 AI 实施提供战略指引。
| 区块 | 员工意愿 | AI 能力 | 典型任务 |
|---|---|---|---|
| 绿灯 | 高 | 高 | 例行数据录入、日程安排、文件维护 |
| 红灯 | 低 | 高 | AI 技术已准备就绪但员工抵触的任务 |
| 研发机会 | 高 | 低 | 员工期望但 AI 尚未成熟的领域 |
| 低优先级 | 低 | 低 | 员工和技术均未准备好的领域 |
关键洞察
- 41 % 的当前 AI 投资针对 红灯 或 低优先级 区，表明开发工作与员工需求之间存在错位。
- 在红灯区的投资本质上是为变革阻力提供资金。
推荐策略
- 将资本重新导向 绿灯 和 研发机会 区，在这些区域采用阻力最小，影响潜力最大。
Source: …
AI 如何改变职场技能和工资？
工资逆转正在进行中。传统的高价值信息分析岗位正在失去溢价，而人际交往技能则在升值。
最近对 12 百万个职位空缺（2018–2023） 的研究显示，AI 相关岗位对 韧性、敏捷性和分析思维 等技能的需求几乎是非 AI 岗位的两倍。数据科学家若具备韧性或伦理能力，其薪资可提升 5–10 %。
受溢价青睐的技能
- 数字素养与团队合作
- 韧性与敏捷性
- 分析与伦理思维
- 人际沟通
对于 团队 AI 培训 和 运营 AI 实施，将提升计划与这些新兴溢价技能对齐，是在快速演变的劳动力市场保持竞争力的关键。
Ion，这表明一种转变：单纯的技术深度已不再能获得溢价。瓶颈在于判断力、信任构建和变革领导。
作者：Dr Hernani Costa | 由 Core Ventures 提供技术支持
原文发布于 First AI Movers。
技术很容易。将其映射到损益表却很难。在 First AI Movers，我们不仅编写代码；我们为欧盟中小企业构建 执行神经系统。
你的 AI 路线图是在制造技术债务还是业务权益？
了解贵组织在“人类代理尺度”上的位置——以及哪些采纳区间拥有最高的投资回报机会。