盖洛普:员工敬业度跌至29%,AI时代,管理者如何留住人心?
来源:HRflag
企业正在用AI压缩一项项任务的完成时间,一组关于人的数据却提醒管理者,工作的另一面同样需要投入。10月28日,盖洛普发布报告:2026年第三季度,美国员工敬业度降至 29% ,环比下降2个百分点,创2011年以来更低水平。被归为“积极不敬业”的员工占18%,“不敬业”的员工占53%;2020年,敬业度曾达到36%。11月3日,HR Dive对这项调查的报道,又把它带进了HR与管理者的讨论。 [1] [2]
比总数更值得关注的是下降发生的位置:已采用AI的组织中,混合办公与远程员工的敬业度降幅最为突出。同时,强烈认同“清楚知道工作中被期待什么”的员工,从上半年的49%降至 46% ;强烈认同“主管或同事关心我这个人”的员工,从40%降至 37% 。方向感和被关心的感受,在同一个季度减弱。技术进入工作的速度,与组织帮助员工理解变化的速度,值得放在一起审视。 [1]
这组数据提供了一个观察窗口,但没有直接证明AI导致了敬业度下降。调查对象是美国员工,企业也需要结合自身业务、人员结构与办公方式判断,不能把全国平均值直接当成本公司的诊断结果。盖洛普所说的敬业度,关注员工对工作及所在组织的投入和热情,其分类也不能简单用来判断一个人是否认真履职。对企业高管和HR负责人而言,真正值得追问的是:当工作的工具发生变化,支持人把工作做好的管理条件,有没有同步更新? [3]
一个员工可以按时交付,也可以在系统中留下完整记录,却仍然不确定自己的工作是否重要。他可能熟练地使用AI完成任务,同时担心过去积累的经验正在失去价值;也可能不断收到反馈,却很少有人解释下一步应该提升什么。交付、学习、归属和成长,原本就需要不同的管理动作来支持。AI让其中一些环节变得容易,也让这些环节之间的差别更清晰了。
因此,这则新闻带给管理层的启发,可以从一个很具体的问题开始:任务有人分、进度有人催、内容有人改之后,谁来帮助员工理解自己在组织中的位置?企业投资AI,是为了把人的时间用在更有价值的地方。要实现这一点,就需要说清更有价值的工作是什么,谁为员工进入这些工作创造机会,以及这种贡献将如何被评价。 效率的提升,需要接上工作意义、责任和成长机会,才能持续转化为人的投入。
过去,管理者了解员工的过程,常常嵌在任务往来之中。讨论一份方案时,主管会看到员工的思考;修改一份材料时,双方会交换判断;一个项目反复推进,也会让彼此逐渐了解对方的优势和难处。这些互动未必经过精心设计,却同时承担了传递标准、给予认可和建立信任的作用。当AI承接起草、归纳、检查等环节之后,一部分互动可能随之缩短,原来夹在其中的管理功能便需要重新安排。
不妨看一个假设的客户服务团队,这里讨论的是工作设计情境,并非某家企业的真实案例。团队采用混合办公,AI可以帮助员工整理客户历史、生成回复草稿、提炼交接信息,员工由此少做了不少重复整理。主管每天看到的工单、处理进度和摘要,比过去更加完整。接下来,主管需要决定,腾出的时间怎样帮助团队解决更复杂的问题,并让每位成员知道自己的新职责。
例如,一个复杂客户问题最终得到解决,系统可以记录处理时长、回复次数和客户评分。真正决定结果的,可能是员工在一段对话中察觉到需求变化,及时找到另一个部门协同,也可能是他判断一条自动生成的建议不适合当前客户。主管若能把这个判断讲清楚,员工就知道自己的专业经验如何发挥作用,其他成员也获得了可学习的参照。一次具体的复盘,同时完成了业务改进和人才培养。
这个场景里,AI可以帮助管理者更快找到值得讨论的材料。管理者仍需要阅读材料、补足情境、听员工解释,并对什么值得肯定作出判断。员工感到被看见,往往来自这样一种体验:有人理解我为什么这么做,知道我遇到了什么限制,也愿意帮助我把能力用得更好。管理工具越丰富,这种理解就越有条件建立在事实之上。
这也解释了为什么“被看见”具有明确的经营意义。企业希望员工及时暴露问题、主动协调资源、指出流程中的不合理之处,而这些行为都需要员工相信,自己的意见会被认真处理。一个人愿意多解释一个异常、多验证一个假设、多推动一次协作,可能改变项目的最终质量。管理者建立的关系,会影响这些信息能否顺畅进入组织的决策过程。
把视线放回调查,另一个发现值得与本次下降一起阅读。盖洛普在2026年7月的分析中发现,在采用AI的组织里,认为主管积极支持团队使用AI的员工,敬业度为48%,未报告这种支持的员工为30%,相差18个百分点;当频繁使用、清晰的实施计划和积极的主管支持同时存在时,敬业度达到53%。这些是不同条件下的群体差异,不是配置某项措施就能保证获得的增幅。它们提示企业,讨论AI与员工投入时,需要把技术应用的管理环境一并纳入。 [4]
这里的“支持”可以进一步拆到日常工作里。主管能够解释哪类任务适合尝试,给员工时间学习,遇到输出不准确时一起分析原因,并帮助团队形成一致的使用标准。这些动作会降低员工独自摸索的成本,也会让他们更容易判断自己是在进步,还是需要调整方法。支持一旦落到具体任务,技术的价值就更容易被员工亲自体验和确认。
对高管而言,这意味着AI项目的实施范围应当包含管理方式的调整。工具上线之后,部门目标、工作分工、质量标准和评价方式可能需要逐项检查,尤其是那些任务内容变化较大的岗位。如果员工承担的责任已经改变,主管解释责任的语言也需要改变。组织可以据此判断,一次技术投入是否已经进入真实的工作过程。
在所有需要重新解释的事项里,工作期望最适合成为起点。 员工需要知道这一阶段最重要的业务结果是什么,哪些任务可以调整,怎样的成果能够被接受,以及遇到冲突时谁来作决定。目标写在绩效表里,只完成了信息传递的一部分;员工还需要把这些目标转化为每天可以执行的选择。AI提高了内容和方案的生成速度,这种选择能力就更有价值。
同样以那个假设的客户服务团队为例,若主管提出“用AI提高服务效率”,每位成员都可能认可,却仍然采取不同的方法。有人优先缩短回复时间,有人把更多精力放在解释复杂问题,还有人尝试提前发现潜在需求。这些方向各有价值,但团队需要知道当前客户和业务最需要什么,以及速度、准确性与问题解决程度之间如何权衡。只有把取舍讲明白,员工才有条件在具体场景中独立行动。
更清楚的任务说明,可以直接描述本周需要改善的客户体验,并说明哪些环节允许AI辅助、哪些信息必须核对、什么情况需要人工升级处理。主管还可以拿出一份合格的交付示例,让员工看到标准在真实工作中的样子。员工复述自己的理解之后,双方就能发现“我已经说明白”与“你已经理解”之间是否存在差距。这样的确认,只需占用原有沟通中的一小段时间,却可能减少后续反复。
AI进入工作以后,期望还包含一项新的内容:使用工具与承担责任之间的关系。员工需要知道,哪些判断可以参考系统建议,哪些结果需要自己验证,以及发现建议不合适时有哪些处理空间。主管需要给出可以讨论的判断依据,让员工逐渐学会辨别工具的适用范围。责任越明确,员工越容易积极尝试,也越容易在必要时提出异议。
这种清晰度还涉及绩效标准的更新。起草速度提高之后,方案质量可能更依赖需求理解、信息核验、业务判断和协同能力,评价也应当识别这些变化。如果评价仍然只记录材料数量,员工就很难知道更深入的判断是否值得投入。组织可以通过具体的工作样本,把“做得更好”解释为可以观察、可以讨论、可以改进的行为。
设想一个招聘岗位,AI已经帮助招聘人员完成部分职位描述起草、资料整理和沟通准备。这个岗位的新贡献,可能更多体现在与业务负责人澄清真实需求、识别候选人的适配性,以及提高关键节点的沟通质量上。主管可以据此调整辅导和评价重点,帮助员工看到哪些专业能力正在变得更重要。员工由此获得的成长方向,比一句笼统的“提升AI能力”更容易执行。
从HR的工作设计看, 把“期望清晰度”纳入季度管理回顾,是一个可以尝试的办法。 团队可以定期了解员工是否清楚当前优先事项、交付标准、AI使用边界和所需支持,再结合真实项目检查沟通是否有效。这类反馈适合帮助主管发现问题,也适合让上级识别跨部门目标冲突。它需要与业务情境一起解释,避免变成单纯追求高分的问卷任务。
例如,一个团队的清晰度反馈下降,原因可能是主管需要改进表达,也可能是项目目标频繁变化,或是多个部门同时提出了相互冲突的要求。HR与业务负责人可以共同查看具体情形,分辨哪些问题由主管解决,哪些需要更高层协调。随后再向员工说明调整了什么、还有什么暂未解决。员工看到反馈能够推动实际行动,才会愿意持续提供准确的信息。
对规模较小的团队,也可以通过项目回顾、保密访谈或适度汇总的方式了解情况,让员工能够放心表达。对于不同业务,清晰度改善的节奏可以有所差异,企业应当优先看本团队与过去相比是否进步。一个处于业务探索阶段的团队,未必能立即获得稳定答案,但仍然可以知道当前假设、决策人和下次确认的时间。清晰也可以表现为对不确定性的共同理解。
当员工知道该做什么之后,管理还需要帮助他们判断自己做得怎么样。 AI可以更快提供文字修改、知识问答和方案建议,主管则可以把这些反馈与岗位要求、客户情境和个人发展联系起来。技术辅助与主管辅导各自承担一部分工作,员工由此得到更完整的判断依据。组织需要设计好两者的衔接,让反馈最终指向实际改善。
这件事值得认真处理,因为反馈的发送与接收之间,确实可能存在差距。盖洛普2024年发布的一项研究中,约50%的管理者认为自己每周提供反馈,而报告每周收到反馈的员工约为20%。该研究讨论的是当时的管理感知差异,不能被当成本次调查的新发现。它提供的提醒仍然具体:主管做过沟通之后,还需要确认员工究竟带走了什么。 [5]
一条催办信息能够推动进度,一份改好的文档能够改善交付,但员工未必从中知道自己的判断哪里值得保留、哪里需要调整。对人的发展更有帮助的反馈,需要指出具体行为、解释它对结果的影响,并讨论下一次可以怎样做。主管可以在认可贡献时说明依据,在提出改进时一起确认资源和方法。员工获得可执行的下一步,反馈才真正进入了工作。
假设一位员工用AI很快整理出客户方案,主管可以与他讨论哪些材料来自工具辅助、哪些判断来自对客户的理解,以及哪一处核验保护了方案质量。这样的对话会让员工看到自己的专业贡献,同时建立使用工具的质量标准。团队其他成员也可以在适当范围内分享这些经验,让有效方法逐渐成为共同能力。认可与知识积累,因而能够发生在同一次业务复盘中。
对混合办公和远程团队,这类对话尤其值得被有意识地保留下来。物理空间分散之后,主管少了一些随时了解成员处境的机会,员工也少了一些顺便提问、即时确认和被同事提醒的机会。企业可以把重要互动安排得更明确,让每个人知道何时能够讨论困难、确认标准和获得支持。办公方式由此成为需要配套设计的条件,而无需被简化为对工作态度的判断。
如果把补充连接直接理解为增加会议,沟通成本可能先于管理效果上升。一个以轮流汇报为主的会议,适合交换状态,却未必适合员工提出个人困难或讨论能力发展。主管可以检查现有会议分别解决什么问题,将已经可以通过文档获取的信息改为异步查看。留下来的共同时间,就更有条件用于判断、协作和必要的个人交流。
一对一沟通能够为这种交流提供稳定的位置。 企业可以从现有工作节奏出发,为主管配置一套简洁的谈话框架,具体频率和时长由任务变化、员工经验和团队情况决定。成熟员工可能需要更聚焦的阶段校准,新员工或刚经历职责调整的成员则可能需要更及时的支持。框架提供共同底线,同时给主管保留理解个体的空间。
在一次这样的谈话中,主管可以先请员工说明,近期最重要的结果是什么,哪项工作最需要重新确认优先级。围绕AI带来的变化,再讨论哪些步骤已经更顺畅,哪些地方反而增加了检查、等待或协调。员工讲述一个具体事件,比笼统回答“最近还好吗”更容易帮助双方找到问题。主管也可以据此判断,是需要补充技能、调整流程,还是亲自出面解决资源冲突。
谈到个人贡献时,主管可以把问题放得更具体一些:“这次交付里,你最重要的判断是什么,有没有哪部分工作还没有被充分理解?”员工的回答,可能揭示结果背后难以从看板上看到的工作,也可能暴露主管与员工对岗位价值的不同理解。随后,双方可以讨论下一阶段值得保留和强化的能力。这样的交流将任务、认可与成长自然地连在一起。
沟通临近结束时,需要留下少量明确的行动约定。员工确认自己接下来做什么,主管确认自己提供什么帮助,双方约定何时检查进展。下次谈话从这些事项开始,便可以看到支持有没有真正到位。 让员工感到被重视,既需要认真倾听,也需要有人把答应的事情办下去。
AI在这里有很实用的辅助空间,例如根据双方确认的事项整理待办、提醒约定时间,或帮助主管准备下次讨论需要的材料。如果采用记录工具,应让员工知道记录的范围、用途和可查看人员,并允许双方核对摘要是否准确。个人交流中并非所有内容都需要进入长期记录,主管可以与员工共同保留推动工作所需的信息。工具由此帮助减少遗漏,让双方把更多注意力放在对话本身。
对于需要认真判断的反馈,主管应当亲自阅读并确认最终表达。AI生成的建议可以提供思路,具体的人经历了什么、作出了哪些选择、哪些条件影响了结果,仍需在交流中补充。员工也应有机会更正事实、解释背景、提出不同理解。这样的过程让评价有依据,让管理者对自己的判断负责。
回到那个假设的客户服务团队,员工如果提出“AI生成回复很快,但复杂问题需要反复核对”,主管可以进一步查看具体工单。讨论之后,也许发现团队需要统一升级标准,或把一部分核验交给更合适的专业角色。主管据此调整流程,再观察客户问题解决的质量与员工负荷。一次一对一谈话,就可能成为改进整个团队工作方式的入口。
这种设计也让关心员工有了业务上的落点。主管了解一个人的负荷,是为了合理安排任务;了解他的优势,是为了让分工更合适;了解他的困惑,是为了及时补充信息和资源。员工可以自主决定个人生活信息的分享程度,谈话仍然能够围绕影响工作的条件展开。尊重边界、提供支持与保持绩效要求,可以在同一种管理方式中并存。
更深一层的问题,是员工如何理解AI对自己未来的影响。 熟悉工具会帮助人提高效率,但一个人越清楚工具能够完成什么,也可能越希望知道自己的专业价值将怎样延伸。管理者若只讨论当前交付,就容易漏掉这个长期问题。把岗位变化和发展机会纳入正常沟通,能够帮助员工用更完整的信息理解眼前的学习。
盖洛普2026年9月发布的一项研究分析,就提醒企业关注这种体验。基于2023年至2026年初的多轮美国员工调查,经常使用AI的员工,对未来五年岗位可能因技术等因素被替代的强烈担忧,在多数调查轮次中超过低频使用者的两倍;感到被支持和尊重的员工,相关担忧较低。这个发现说明,使用熟练与未来安心可以是两种不同的感受。它也为企业把职业发展沟通纳入AI推进过程,提供了一个值得重视的依据。 [6]
员工关心未来,问题通常比“会不会使用AI”更具体。过去靠经验完成的工作,现在有一部分能交给工具,那么自己的经验应该转向哪里;企业希望自己学习更多能力,那么学习之后有哪些任务可以承接;岗位职责发生变化,那么获得更高评价所需的证据是什么。企业如果能够逐步回答这些问题,培训就更容易与真实的发展相连接。员工也更容易判断,自己应该把有限的学习精力用在哪里。
这样的回答可以从岗位中的具体任务开始。仍以招聘工作为例,资料整理更快之后,企业可以安排员工承担一次更深入的用人需求访谈,或参与分析招聘结果与岗位实际表现之间的关系。主管提供准备材料、观察机会和事后反馈,帮助员工把时间投入更需要业务理解的环节。一次新任务与一次有效辅导,能够让能力升级变得看得见。
对于员工,组织还可以帮助他们把经验转化为团队可复用的方法。哪些客户信号值得注意,哪些例外需要谨慎处理,哪些质量标准应该写进流程,都可以通过真实项目逐步提炼。AI能够辅助整理,专业人员负责确认适用条件和关键判断。员工的经验由此从个人熟练,延伸为对团队能力的贡献。
对于新员工,任务自动化之后也需要重新设计学习过程。主管可以让新人先解释自己对问题的理解,再比较工具建议与真实案例,最后参与一次有辅导的判断。任务的完成速度与员工的理解程度,可以分别检查,让新人有机会形成自己的专业依据。这样安排,也能使企业在获得效率的同时,持续培养未来能够独立承担责任的人。
这类发展安排还涉及机会如何分配。混合与远程团队可以把重要项目、培训资源和展示成果的机会说明得更透明,让不同办公地点的员工都能了解参与条件。主管在讨论表现时,也可以主动了解成员完成了哪些关键协作,避免只依赖日常接触形成印象。员工看到能力与机会之间存在可以理解的联系,便更容易确定自己的努力方向。
企业无需对尚未确定的未来作出过度承诺,但可以把已经能够安排的支持说清楚。某项学习对应什么任务,谁提供辅导,何时回顾进展,岗位变化将在什么节点讨论,这些都能够成为当下的具体约定。对于仍在探索的问题,也可以说明现阶段掌握的信息和后续沟通的时间。可靠的沟通,允许存在不确定性,同时让员工有办法参与其中。
谈到这里,管理者承担的工作似乎又增加了。要明确期望,要了解负荷,要提供反馈,还要讨论发展,而主管本身也可能处在职责快速调整的阶段。因此,企业在要求管理者加强支持之前,需要先检查他是否拥有足够的时间、信息和决策空间。 支持员工的能力,也需要由组织创造条件。
盖洛普的领导力与管理指标显示,2026年8月,美国管理者中有58%正在关注外部工作机会或积极寻找新工作,这一口径包含观察机会的人,并非已经决定离职的人。同一指标页面还显示,仅19%的美国员工强烈认同过去一周收到过有意义的反馈。这些数据为企业提供了一个需要同时考虑的背景:员工期待及时支持,管理岗位自身的工作体验也值得关注。管理改进需要覆盖主管和团队两个层面。 [7]
如果一位主管同时承担大量个人交付、跨部门协调和行政审批,要求他增加谈话频率,可能只是把支持工作推向更晚的时间。企业可以先梳理哪些流程适合自动化,哪些例会可以合并,哪些重复报告已经能够从系统获取。腾出的时间应当被明确用于关键判断、团队辅导和障碍处理。这样,AI对管理效率的帮助才能接上管理质量的改善。
一个简单的资源测算就能帮助讨论变得具体。假设一位主管有12名直接下属,每人每两周安排20分钟交流,一轮谈话本身就需要4小时,此外还包括准备和跟进行动的时间。这个假设只用于看清工作量,实际安排应随团队情况调整。若企业认同这些交流有价值,就需要在主管的任务结构中为它们留出位置。
带人规模也应与工作复杂程度一起评估。业务相对稳定、成员经验充足的团队,与岗位持续变化、新人较多的团队,对主管支持的需求并不相同。AI可以减轻信息整理,却未必同步减少跨部门争议、复杂判断和人才辅导所需的时间。企业可以据此重新观察管理负荷,判断现有分工是否支持希望得到的管理行为。
时间之外,主管还需要能够兑现一部分支持的权限。如果他每次调整优先级都要等待多层确认,员工提出的问题就可能长期停在谈话记录里。高层可以明确哪些资源由主管直接协调,哪些冲突需要升级,以及升级之后由谁推动解决。管理者有办法把问题带到能作决定的人面前,员工才更容易感受到交流的作用。
管理者培训也可以围绕这些真实场景展开。企业可以选择一份刚刚调整的岗位要求、一段需要改进的反馈,或一个AI使用中的责任争议,让主管练习如何解释、倾听和作决定。培训之后,再在实际项目中观察沟通有没有更清楚、员工有没有得到所需支持。能力提升因而能够对应具体行为,而不只停留在课程参与记录上。
HR在其中的价值,会从组织活动进一步延伸到组织工作。岗位要求如何变化,员工的学习如何接上新任务,主管有没有时间和权限提供支持,这些问题都需要HR与业务负责人共同处理。HR可以把分散在绩效、培训、员工体验和组织发展中的信息连接起来,让同一个岗位的变化得到一致的安排。员工体验由此成为日常经营设计的一部分。
这也有助于把敬业度讨论带进经营会议。员工对优先级的理解,会影响交付是否需要重做;员工能否及时获得帮助,会影响复杂问题的处理周期;专业判断是否得到认可,会影响团队愿不愿意持续分享经验。企业可以选择与自身业务最相关的环节,观察管理条件怎样作用于真实结果。讨论有了具体对象,高管就更容易判断应该投入什么资源。
关于人员流动,还有一项常被引用的数据需要准确理解。McLean & Company在2026年4月发布的研究说明中,引用其《HR趋势调查2025》指出,未能提供积极员工体验的组织,自愿离职率较高,群体比较中的相对差异为40%。这一数据来自McLean & Company,并非盖洛普本次季度调查,也不能直接换算为某家企业未来会有多少人离开。它说明员工体验值得纳入经营评估,企业自身的成本和改善空间仍需要用内部数据核实。 [8]
这种核实可以从关键岗位开始,观察自愿流动是否导致交付中断、客户关系重新建立或新人学习周期延长。与此同时,也可以查看目标反复确认、跨部门等待和工作返工是否占用了较多时间。把这些现象与员工反馈放在一起,企业能够更具体地寻找需要改善的管理条件。一个团队在什么地方损失了效率,也可能正是员工最需要支持的地方。
由此看AI投入回报,评价范围也可以适当扩大。除了使用人数、处理速度和直接节省的时间,企业还可以关注交付质量、问题解决效果,以及员工是否更加理解自己的职责。某个环节产出更快后,后续审核和协作的负荷也值得同步检查。这样得到的效率判断,更接近完整流程中的经营价值。
例如,在前述假设团队中,回复草稿生成得更快,只说明一个步骤有所改善。若客户问题得到更完整的解决,员工清楚何时需要升级处理,主管能够及时协调资源,团队才有可能获得更稳定的服务能力。企业可以把这些结果与员工对工作清晰度、支持程度的反馈一起观察。技术效果和管理条件在同一张业务图景里,便更容易被解释。
测量本身也需要控制成本。一个季度选取少量与试点目标直接相关的业务指标,再搭配简短的员工反馈,通常更便于团队持续跟进。员工反馈可以围绕优先事项是否清楚、遇到问题能否获得帮助、专业贡献是否被理解、是否有机会学习新任务展开。企业需要自行设计适合内部用途的问题,若采用现成的专业量表,则应遵循其正式使用要求。
对反馈结果,HR可以优先寻找值得进一步了解的差异。例如,某类岗位的困惑集中在评价标准,另一类岗位的问题集中在工作量,还有一些团队主要需要跨部门资源协调。随后再安排有针对性的讨论,避免用同一套活动处理不同问题。数据负责提示方向,具体的工作情境帮助企业选择行动。
一个季度的试点,已经足以让这些讨论形成可回顾的实践。 企业可以选择一个职责变化较多、业务结果相对容易观察、负责人愿意投入的团队,先记录当前工作流程和员工的主要困惑。试点范围保持可控,同时保留必要的业务连续性。目标是找到哪些管理调整能够与AI应用一起改善工作,而非预设某个数字必须上涨。
试点起步时,业务负责人和HR可以一起梳理岗位要求,挑出最需要重新解释的任务。交付目标、质量标准、工具的适用范围和人工判断的责任,都用实际工作样本说明。主管与员工共同确认理解,再记录仍有争议的事项。对于需要高层决定的问题,也可以在这一阶段明确负责人和答复时间。
进入稳定实践之后,主管将一对一交流嵌入原有节奏,重点讨论任务变化、专业贡献和当前障碍。AI根据约定辅助整理必要信息,员工与主管共同确认需要保留的行动项。HR则定期了解主管遇到的困难,帮助推动超出团队权限的问题。每个人都有一部分明确的工作,试点才容易持续下去。
到季度回顾时,企业可以把业务结果、工作样本和员工反馈放在一起查看。哪些流程确实变得顺畅,哪些标准还需要修改,哪类支持对员工最有帮助,都应当有具体材料可供讨论。如果有条件,可以参照情况相近的团队辅助判断,同时留意业务难度、人员变化等因素。单个试点不必承担证明所有因果关系的任务,但应当留下足以支持下一步决策的证据。
试点中的员工也可以参与决定哪些做法值得保留。他们最了解任务在真实情境中怎样完成,能够指出某份标准是否有用、某个记录环节是否重复、某类培训是否接得上工作。主管与HR把这些意见带回设计过程,再说明最终作出了哪些调整。员工因而能够亲自影响新工作方式的形成。
对于高层,持续的支持可以体现在几个明确的经营决定里。当团队因为职责变化需要学习时间时,预算如何安排;当新流程改变了岗位贡献时,绩效如何校准;当跨部门目标冲突时,由谁作出取舍。这些决定会形成员工理解组织承诺的具体依据。管理者在日常交流中传递的信息,也因此有了可以兑现的基础。
AI带来的时间收益如何使用,同样值得由管理层主动讨论。一部分可以用于提高响应能力,一部分可以用于改善质量,也可以给员工创造接触新任务、复盘判断和分享经验的机会。不同业务会有不同安排,关键是把安排与业务目标、员工职责一并说清。员工能够看到效率提升之后工作的实际变化,就更容易理解自己为什么参与其中。
从这个角度看,员工希望被看见,包含了十分具体的期待。他希望自己的判断有机会被理解,自己的困难能够进入资源安排,自己的成长能够获得任务和反馈的支持。组织能够把这些期待接入日常工作,就有机会让员工在使用新工具的同时,更清楚自己的价值。 管理者的责任,是让技术带来的新可能,变成员工能够参与、能够贡献、也能够成长的工作。
这也是下一次AI项目复盘可以增加的一段讨论。除了查看工具覆盖了多少流程,管理层还可以请团队拿出真实案例,说明职责如何变化、什么样的判断得到认可、员工获得了哪些新的支持。讨论最终落到一个具体的人和一项具体的工作,组织就能更清楚地看到技术投入怎样转化为能力。员工也会从这些日常安排中,感受到自己在企业未来的位置。
资料来源
[1] 盖洛普|2026年10月28日,美国员工敬业度季度调查
[2] HR Dive|2026年11月3日,相关调查报道
[3] 盖洛普|员工体验与业务表现研究,2026年2月更新
[4] 盖洛普|2026年7月21日,AI采用与员工敬业度
[5] 盖洛普|2024年5月27日,管理者的优势、弱点与盲区
[6] 盖洛普|2026年9月9日,AI使用、岗位担忧与管理支持
[7] 盖洛普|领导力与管理指标,文中引用2026年8月数据
[8] McLean & Company|2026年4月2日研究说明,引用《HR趋势调查2025》
原文链接:https://mp.weixin.qq.com/s/Vb2hpcsR1NktO0Jhw9-D9g
[返回上一页]
