在公司内部，采用 AI 究竟意味着什么？
真正用起来，意味着具体任务的执行者已将 AI 融入工作方式，并通过核查来保证质量。这不等于买了多少许可证、统计了多少次登录，或发出了一封上线通知邮件。一个团队中有三个人每天在获准的任务中使用 AI，并认真审核输出，其实际应用程度高于一个所有人都只登录过一次的团队。
把三个问题分开看会更清楚。使用条件：每个人是否都有获准使用的工具，并了解规则？实际使用：遇到适合的任务时，他们会不会使用工具？成果质量：产出的工作是否经得起审核？大多数推广工作解决了第一个问题，粗略衡量第二个问题，却忽略了第三个问题。
为什么推广后，使用 AI 的人仍然这么少？
工具上线后使用率低很常见，原因也很普通：员工看不出 AI 能帮助自己完成哪些任务；规则不清楚，于是为求稳妥而避开工具；早期一次糟糕的输出让他们觉得不值得投入；或者他们只是还没时间练习。英国政府的 AI 应用研究显示，已使用 AI 的企业报告称，平均有 30% 的员工在使用 AI，77% 的企业表示，使用 AI 的员工不到一半。同一调查还发现，完全未采用 AI 的最常见原因是尚未发现明确需求，以及缺乏 AI 技能和专业知识。这些数据来自 2025 年初受访的 3,500 家英国企业，均为企业自行报告。
请注意，这些原因都无法靠购买更好的工具来解决。没有明确需求，是任务选择问题。规则不清楚，是政策问题。初次体验不佳，是培训和预期管理问题。每种问题都有对应的解决方法。
| 你会看到什么 | 可能的原因 | 尝试什么 |
|---|---|---|
| 员工登录一次后就不再使用 | 没有明确可用它完成的任务 | 为每个岗位列出两三项具体任务，并附上示例提示词 |
| 只有少数热衷尝试的人使用 | 其他人不确定哪些做法被允许 | 一页规则说明，配上员工自身工作中的例子 |
| '它就是在编造内容' | 早期产出未经核查，或在缺少背景信息的情况下被使用 | 教会如何提供背景信息，并使用简短的检查清单 |
| 使用频繁，质量不佳 | 过度依赖；已疏于核查 | 抽查样本，并请员工解释他们的修改 |
| 经理自己不使用 | 未看到管理层以身作则的实例 | 经理分享一项自己使用 AI 完成的任务，以及如何检查结果 |
切实可行的 AI 应用策略是什么样的？
对中小公司来说，实用的策略是一连串行动，而不是一份文档：选择任务、制定规则、围绕这些任务培训、审核实际工作，再推广经得起检验的做法。以下内容是我们为 10 至 200 人团队拟定的行动建议，并非已发布的标准。
先选择岗位任务
请每位团队负责人列出两三项重复性任务，要求这些任务可以由 AI 生成初稿，并能由人核查。这些才是 AI 应用的具体目标，而不是“多用 AI”。
发布一页规则
获批的工具和方案、哪些信息可以输入、哪些不能输入、由谁审核什么、遇到问题问谁。内容要简短，便于记忆。
围绕你选定的任务开展培训
针对这些具体任务开展简短练习，比上通用课程更有效。加入一份刻意设置错误的草稿，用来练习核查。
让大家看到管理者也在使用
管理者亲自展示如何在真实任务中使用AI，以及纠正了哪些问题，比任何公告都更有用。
审查工作成果，而非登录次数
四周后，与审核者一起查看每项任务的几份输出。询问大家停止使用了哪些任务，以及原因。
推广经检验可行的做法
只在现有流程运作顺畅的环节增加任务或人员。如果某项任务的审核者每次都要全部重写，就停止将其交给 AI 处理。
如何在 AI 变革管理中处理人员相关问题？
尽早坦诚讨论岗位问题，并让实际承担工作的人参与选择任务。员工的担忧确实存在：Acas 于 2025 年春季对英国大不列颠地区 1,023 名员工开展的一项调查显示，26% 的受访者表示，失业是他们对工作中使用 AI 的最大担忧，17% 则表示最担心 AI 出错。Acas 建议雇主在引入 AI 前征求员工及其代表的意见，并说明 AI 如何改善岗位工作，同时明确仍然需要人的参与。
说明哪些会变，哪些不会变。如果此次推广不会裁撤任何岗位，就明确说出来。如果某些任务会调整，就说明哪些任务会变、具体怎么变。然后让员工提出实际顾虑，例如客户保密或准确性问题，并将其中合理的意见转化为规则。相比于直接宣布要使用的工具，人们更愿意采用自己参与制定使用方式的工具。
想看看这与具体岗位有什么联系吗？
了解规划中的团队试用 ↗如何让停滞的推广重新推进？
Pellow Analytics 是一家虚构的、有 60 人的软件公司，为所有员工购买了某款 AI 助手的商业套餐用户许可。六周后，管理控制台显示，大多数人只在上线当周登录过，只有少数人每周使用，主要集中在工程和营销团队。首席运营官的第一反应是发一封提醒邮件。但她没有这样做，而是先向三位团队负责人询问原因。
回答都很具体。客户成功团队不知道能否粘贴客户邮件，因为规则只写了“不得输入机密数据”，却没有举例。财务团队试着用它解释过一次差异，结果得到一个编造的原因，于是放弃了。销售团队以为它是“给营销用的”。对应的改进措施也同样具体。客户成功团队得到一条规则：粘贴邮件正文时，用占位符替换客户姓名和公司名称。财务团队得到一项任务，提示词要求“描述数字的变化；除非我提供的备注中写明原因，否则不要陈述原因”，并配有一项核查要求：重新计算每一个数字。销售团队得到两项明确的任务：整理通话记录，以及根据这些记录起草跟进邮件。
每位团队负责人围绕本团队的任务组织一次 30 分钟的练习。四周后，首席运营官与负责人一起查看每个团队的五份产出，而不是登录图表。其中两项任务效果不错，一项需要改进提示词，还有一项——起草续约报价邮件——因为审核人不得不重写每份初稿而被放弃。这才是实际应用：流程更少、质量更好，而且确实有人在用。
AI 应用分为哪些阶段？
没有统一公认的阶段模型；咨询公司和供应商发布的模型各不相同。对于中小型公司，一个实用的描述是四个阶段：尝试（个人自行试用，通常使用个人账号）、获批（确定一种工具、采用企业套餐并制定书面规则）、常态化使用（由任务负责人每周使用提示词执行具体任务并进行核查），以及持续改进（公司审核输出，淘汰效果不佳的工作流程，并有计划地增加新流程）。这是本文为便于理解而采用的描述，不是已发布的框架。
关键的转变是从获准使用走向日常使用。许多公司停留在获准使用这一步：有了许可和政策，却不明白为什么几乎没有变化。要融入日常工作，需要选择任务、练习和复核，这正是本页介绍的工作。
管理者应该关注哪些信号？
关注具体任务的工作质量和重复使用情况，而不是登录总次数。有用的信号包括：每周有多少项已批准的任务按预期执行、审核者需要修改多少内容、错误是否在交付给团队外部之前被发现，以及员工能否解释自己对草稿做了哪些修改。登录次数反映的是访问情况，几乎无法说明工作是否做得更好。
对自行报告的成效要谨慎。喜欢某款工具的人往往会高估它节省的时间，不喜欢的人则往往会低估。由同一人审核同一任务的少量前后对比样本，是更可靠的证据。我们关于如何衡量 AI 培训是否有效的解答对此有更详细的说明。
什么时候推动使用 AI 不是正确的目标？
如果任务不适合 AI、无人能够审核产出，或团队真正的问题是工作量或流程，那么推动使用 AI 就不是正确目标。像“每个人每天都使用 AI”这样的目标，会鼓励为了使用而使用，还可能让员工把 AI 用在只增加风险、却不带来价值的任务上。某些岗位很少使用 AI，完全没有问题。
如果规则尚未确定，把提高使用率作为目标也不合适。在大家还不知道哪些信息可以分享之前就鼓励使用，恰恰会导致数据处理失误，最终让管理层停用工具。
Tosheo.ai 在引入 AI 的过程中发挥什么作用？
Tosheo.ai 正在筹备中，侧重于 AI 应用落地中的练习环节。按照上线规划，管理员将选择岗位和团队使用的 AI 工具；每个人先完成一次 5 分钟的基础测评，再学习每节 10 至 15 分钟的课程。每节课都以使用真实 AI 工具完成动手任务收尾，并依据学员可见的评分标准评分。规划中的管理者看板将展示技能进展和完成情况，绝不展示原始聊天记录；平台还计划向不活跃的学员发送提醒，并向管理者发送每周摘要。
产品尚未开发，因此没有可展示的应用成效。如果你的规则尚未明确，或团队没有适合使用 AI 的任务，它就不是合适的解决办法；请先按照上述步骤解决这些问题。计划价格见定价页面。
来源与范围
DSIT，《AI 应用研究报告》（实地调研时间：2025年2月至5月），2026年1月发布 ↗
GOV.UK，AI 应用研究发布页面，修订于 February 2026 ↗