AI或能提升职场生产力，却也给管理者带来新的挑战

目录

• 你可能想知道
• AI生产力与新的管理负担
• 重点见解表
• 后续……

你可能想知道

• 当AI参与完成成果时，管理者要如何公平地评估工作？
• 公司引入AI代理程序及其他工具后，会产生哪些新的责任？

AI生产力与新的管理负担

公司为员工提供人工智能工具，希望借此加快工作速度、提升生产力。然而，这些工具也带来一项意料之外的管理挑战：AI协助产出精良成果时，要判断成果有多少反映员工自身的努力、判断力与技能，可能变得更加困难。AI不仅未必能单纯节省时间，还可能增加管理者的新工作，他们必须审阅、解读并引导团队的产出。

由工作管理公司 Monday.com 委托进行的一项 Nielsen 调查，访问了七个国家的 1,700 名董事与高级管理人员，结果发现，超过半数高级管理人员表示，采用AI后，评估员工工作变得更加困难。问题未必是工作质量不佳。在许多情况下，情况甚至可能正好相反：员工可以运用AI，产出看似完整且专业的成果。但成品可能无法清楚呈现哪些部分出自员工，哪些部分由AI生成或经AI修改。近半数管理者表示，现在审阅并引导团队产出的时间，比过去更长。

这些额外投入，与人们对这项技术普遍抱有的热情并存。调查中，94% 的管理者表示，他们期待运用AI改善工作；许多人也有信心，知道AI最能在哪些方面创造价值。Monday.com 市场研究与客户洞察主管 Michal Miller Levi 将这股热情比作 2000 年代互联网刚兴起的时期。在这两种情况下，人们都看见了技术及其改变工作方式的潜力所带来的某种“魔力”。

然而，光有热情并不会自动让组织获得适应所需的时间或系统。Levi 接受 TechCrunch 采访时表示，AI发展的速度超过组织流程的应对能力。她解释，AI或许能有效协助管理者处理个人任务，但管理者也肩负引导组织的更广泛责任。因此，他们面临的挑战不只是学会自行使用AI，也包括协助团队和业务流程应对快速变化的技术。

随着AI成为日常工作的一部分，组织也开始重新思考如何评估员工。调查发现，78% 的受访者在采用AI后改变了评估方式。如今，组织更加重视撰写有效提示词、判断哪些任务应交由AI处理，以及尝试新的工作方式等技能。这些能力有助于员工有效运用AI，但也引发了新的问题：当一项任务由人与机器共同完成时，绩效应如何定义？

当管理者无法轻易辨认员工工作的来源时，公平性便成为一项特别值得关注的问题。精良的成果可能来自深厚的人类专业、AI的大量协助，或两者兼具。如果评估标准没有考虑这些差异，员工可能会受到不一致的评判。管理者可能需要更明确地说明哪些AI用法可以接受、哪些人为贡献值得重视，以及员工应如何披露或记录AI的协助。

当管理者运用AI协助做出或传达与员工有关的决策时，这个过程会变得更加复杂。调查发现，46% 的管理者使用AI协助提供决策参考，39% 的领导者则用AI起草绩效评估。这些应用或许可以节省时间，但也会为攸关重大的流程带来风险。生成的评估内容可能听起来很有说服力，却未必准确、完整，或适合受评估的个人。管理者仍有责任确认文字是否反映证据，并确保评判依据相关标准作出。

偏见也是更广泛的顾虑。大型语言模型是从训练数据中学习模式的预测系统，而这些模式可能重现人类的既有观念。卢森堡社会经济研究所今年早些时候的一项研究发现，“在缺乏明确客观标准，且个别评分的情况下”，大型语言模型对绩效的评分往往与人类相似。这项发现显示，AI并不会自动消除评估中的主观判断；除非组织采用清晰一致的标准，否则它可能重现既有模式。

2025 年初的一篇研究论文也发现，AI模型可能对黑人男性求职者抱有偏见，并“呈现显著偏见，而且在不同社会群体之间，偏见的方向与程度各不相同”。这凸显了在运用AI做出影响个人的决策时，人为监督与审慎评估的重要性。Levi 被问及AI辅助的绩效评估是否可能引入外部偏见时表示，公司尚未找到管理这类问题的方法。这种不确定性显示，组织需要建立防护措施，而不是假设这项技术会做出中立的判断。

AI改变的不只是管理者评估工作的方式，也改变了他们每天的工作内容。必须有人决定哪些任务交由AI代理程序处理、检查代理程序的产出，并在结果有误或发生问题时介入。这些监督工作可能相当繁重，却不易察觉。报告将之描述为可能出现的新一层“隐形劳动”：监督自动化作业所需的时间与精力，或许不会呈现在最终成果中，却是产出可靠工作的必要条件。

技术环境本身也变得更加复杂。57% 的管理者表示，他们的组织目前使用中的工具比以往更多；约 51% 表示，采用AI后，工具之间的相互依赖程度提高，且更为集群。只有 29% 的管理者认为，他们的AI基础设施已充分优化并集中管理。这些结果显示，引入AI不一定会简化职场的软件环境，反而可能造成更多连接需要管理、更多系统需要了解，以及更多潜在故障点。

Levi 表示，许多企业原本预期AI能协助精简软件工具组合，但如今却得处理更多应用程序、集成项目，以及员工在公司批准的系统之外采用工具所造成的影子AI使用情况。Levi 说，管理者在 2025 年结束时，原本预期会整合工具并减少软件数量，但实际上工具数量却增加了：“超过 50% 的人表示，他们现在使用的工具比去年更多，而且还没有停止……。”这种预期与现实之间的落差，让管理者更难清楚掌握员工正在使用哪些系统，以及这些系统彼此如何连接。

随着公司部署能够更独立自主行动的AI代理程序，这些顾虑也变得更加迫切。调查发现，58% 的管理者预期，未来一年内，他们监督的AI代理程序数量将超过人类员工。同时，46% 担心会失去对这些代理程序行动的控制。另有 35% 的受访者表示，他们担心要为AI做出的决策负责，而大型语言模型目前仍很难预测。

管理者的顾虑并不代表他们排斥自动化。他们似乎更希望，人们能在具有重大影响的决策中扮演明确角色。Levi 表示，管理者不希望代理程序完全自主。他们希望AI处理重要任务与决策时，有人参与并提供意见。实际上，这意味着组织需要决定代理程序可以独立采取哪些行动、哪些行动需要批准，以及自动化流程出错时由谁负责。

总体而言，调查结果显示，采用AI已不只是提升生产力的机会，也越来越是一项治理课题。工具可以协助员工与管理者完成工作，但工具的价值取决于能否以负责任的方式融入现有流程。组织需要建立评估标准、明确对AI辅助工作的期望、审视潜在偏见、监督AI代理程序，并了解员工使用的软件系统。若缺乏合适的流程与基础设施，管理者可能只能一边忙于维持工作运转，一边设法掌控不断增加的工具与决策。

重点见解表

后续……

职场AI的下一阶段，不只取决于技术能做到什么，也取决于组织能否建立可靠的使用方式。明确的绩效标准、合理限制代理程序的自主权、透明的流程，以及一致的人为审核，有助于公司在善用AI的同时，不忽略问责与公平。

对管理者而言，接下来的任务是在尝试新方法与监督之间取得平衡。AI或许会接手更多例行工作，但监督其产出、整合工具，以及妥善做出人事决策，仍是重要职责。能够认识到这些管理工作，并提供相应系统与指引的公司，将更有条件把AI的潜力转化为可持续的生产力。