来源：HRflag

　　2026年8月，HR Dive援引菲尼克斯大学与Harris Poll的一项最新调查，把一个长期被放在企业管理边缘的问题推到了AI议程中央：AI能否让职场变得更无障碍？这项调查覆盖1，019名过去一年参加过职业培训或学校课程的美国在职成年人，其中，已经在工作中使用AI的人群里，有60%表示AI提升了自己对无障碍标准和指南的认识与运用能力。更醒目的数字是，89%的受访者能够指出AI与无障碍工具可以改善的工作流程，包括制作无障碍文档、用不同格式呈现信息，以及开展无障碍实践培训。

　　如果只看到这两个数字，企业很容易得出一个乐观结论：随着实时字幕、语音输入、文本简化、图像描述和智能摘要进入办公软件，无障碍职场似乎正在自动到来。然而同一份调查还给出了另一组数字：45%的受访者表示，无障碍在本企业AI政策中要么没有出现，要么表述不清，要么员工根本不知道是否被覆盖；在使用职场AI工具的人群中，只有27%认为这些工具能够很好地支持残障人士。 89%的“看见机会”与27%的“真正好用”之间，隔着的不是一个模型版本，而是一整套尚未完成的组织改造。

　　这也解释了为什么“AI能否让职场更无障碍”不应只被当作DEI、公益或合规议题。对企业高管而言，它关系到组织能否把更多样的人才转化为稳定产出；对HR负责人而言，它关系到岗位如何定义、绩效如何评价、能力如何培养，以及管理者如何承担支持员工完成工作的责任。无障碍如果仍然停留在个别员工提出申请、HR逐案处理、IT临时安装插件的阶段，AI带来的只会是更多零散工具，而不是更高质量的人才供给。

　　无障碍正在从“少数人的便利”变成所有人的工作基础设施

　　很多企业谈到无障碍，更先想到的仍然是坡道、电梯、盲道和残障员工专用设备。这些当然重要，但今天的工作障碍已经大量转移到数字空间：一场没有准确字幕的线上会议，一份只能靠鼠标完成的表单，一套无法被读屏软件识别的招聘系统，一段只有图表却没有文字说明的培训材料，都可能在员工进入办公室之前就把人挡在工作之外。随着AI嵌入招聘、协作、学习、绩效和知识管理，无障碍不再只是办公场所的建筑问题，而是每一个数字入口是否允许不同的人顺利完成任务。

　　世界卫生组织估计，全球约有13亿人经历显著残障，占全球人口的16%，大约每六个人中就有一人。这个群体并不是一个能力、需求和工作方式完全相同的标签，其中既包括视力、听力和肢体方面的障碍，也包括认知、学习、语言和神经多样性需求，还包括许多不会主动向企业披露的慢性疾病与心理健康状况。企业若只根据已经申报的残障员工人数评估无障碍需求，往往会系统性低估真实规模。

　　更重要的是，无障碍需求并不只属于被正式认定的残障人士。员工可能因为骨折、术后恢复或短期疾病暂时无法使用常规设备，也可能在嘈杂的机场依赖字幕，在通勤途中依赖语音输入，在跨语言会议中依赖实时翻译，在高强度项目中依赖摘要和任务拆解。年龄增长、照护责任、疲劳和工作环境变化，也会让一个人在职业生涯不同阶段产生新的信息获取与操作需求。

　　因此，真正成熟的无障碍设计并不是为少数人建立一条隐蔽的“特殊通道”，而是让同一项工作天然存在多种可用路径。电梯最初解决的是无法爬楼的问题，却也方便搬运设备、推婴儿车和携带行李的人；字幕服务听障人士，也帮助跨语言团队和身处嘈杂环境的员工；清晰的标题结构方便读屏导航，也让所有人更快定位长文档中的重点。 无障碍的商业价值，恰恰来自一种看似为特定人群设计、最终却降低全体员工摩擦成本的“扩散效应”。

　　AI改变的不是辅助工具数量，而是工作的交互方式

　　过去的辅助技术通常解决一个相对明确的问题，例如把屏幕文字读出来、放大页面、把语音转成文字，或帮助员工通过特殊设备操作电脑。生成式AI出现后，工具开始理解语境、转换表达形式、拆解复杂任务，并在文字、声音、图像和动作之间进行实时转换。这意味着无障碍技术不再只是附着在标准流程之外的补丁，而有机会成为员工与工作系统之间的智能接口。

　　对视力受限的员工，AI可以描述图像、解释图表、朗读培训材料，并把视觉提示转化为声音或触觉反馈；对听力受限的员工，实时字幕、会议转写和非语音声音识别可以补充重要信息；对精细动作受限的员工，语音、眼动、头部动作和其他替代输入方式能够降低操作门槛。对注意力、记忆或认知处理存在困难的员工，AI可以把长邮件变成任务清单，把复杂制度转成通俗说明，把会议纪要整理成责任人与截止日期。

　　这些能力看起来像一组功能清单，但对组织而言，它们真正改变的是“完成工作必须采用什么方式”。传统岗位说明书经常把既有流程误写成岗位能力，例如把快速打字、长时间参加现场会议、在复杂页面中迅速切换，或以固定格式制作报告，当成胜任岗位的必要条件。AI提供替代路径后，企业有机会重新区分：哪些是岗位必须交付的结果，哪些只是过去习惯采用的手段。

　　这一区分非常关键。客户服务岗位真正需要的是理解客户问题、准确判断规则并形成有效解决方案，而不是必须通过键盘以某种速度输入；数据分析岗位真正需要的是发现规律、验证假设和说明商业含义，而不是必须用某一种图形界面完成每一步操作；培训岗位真正需要的是让学习者掌握能力，而不是所有人都观看同一长度、同一形式的视频。 当AI让工作方法可被重新组合，岗位设计就可以从“按标准动作选人”转向“围绕结果释放能力”。

　　但AI不会自动消除障碍，它也可能复制并放大障碍

　　技术乐观最容易忽略的事实是，AI输出是否无障碍，取决于训练数据、产品设计、使用场景和组织治理。自动字幕可能把专业术语、姓名和数字识别错误，图像描述可能遗漏决定业务判断的关键细节，摘要可能删掉风险条件，语音识别对口音、言语障碍或环境噪声的适配也并不一致。一个看似提供了“替代形式”的系统，如果信息不准确，反而会让使用者承担额外核验成本。

　　招聘和人才决策中的风险更明显。如果视频面试工具把眼神接触、语速、面部表情或动作模式当作胜任力信号，神经多样性候选人、视障人士、听障人士或使用辅助设备的人可能因为与默认样本不同而被错误评价。如果线上测评只能在规定时间内通过鼠标完成，即使题目本身与岗位有关，交互设计也可能测到候选人操作界面的能力，而不是完成工作的能力。

　　AI生成内容还可能制造新的数字障碍。员工用AI快速生成一份演示文稿，却没有为图片添加替代文本；用模型制作图表，却只用红色和绿分结果；自动生成网页，却缺少键盘焦点和清晰标签；把会议转成摘要，却没有保留可追溯的原始记录。效率提升发生在内容生产者一侧，后续成本却转移给了需要不同访问方式的同事。

　　因此，企业不能把“产品具备AI功能”等同于“产品已经无障碍”，也不能把供应商宣称支持字幕、语音或读屏理解为真实场景已经通过验证。W3C的WCAG 2.2把数字内容的基本要求归纳为可感知、可操作、可理解和稳健兼容，这四个维度同样适合企业检查AI工具。 无障碍不是有没有一个功能按钮，而是员工能否从头到尾独立、准确、稳定地完成关键任务。

　　从岗位开始：不要让旧流程冒充“必要能力”

　　要把AI无障碍真正转化为人才价值，HR首先需要回到岗位本身。许多岗位说明书是在多年流程叠加中形成的，里面混合了业务结果、协作习惯、办公条件和管理偏好，企业很少逐项确认这些要求是否仍然必要。AI改变工作方式后，岗位分析不能只增加一句“熟练使用AI”，而应重新审视每一项任务的目标、风险与可替代路径。

　　一个实用的做法，是把岗位拆成“核心结果、必要判断、信息输入、操作动作和协作接口”。核心结果回答岗位为什么存在，必要判断界定哪些决策必须由人承担，信息输入确认员工需要看见、听见或理解什么，操作动作检查是否存在替代方式，协作接口则说明任务如何在团队间流转。这样做不是降低岗位标准，而是把真正的高标准从不必要的动作要求中剥离出来。

　　例如，一名财务员工需要准确识别异常、解释差异并遵守内控要求，这些属于不能削弱的岗位标准；至于他通过视觉扫描表格、屏幕朗读、语音查询还是AI辅助对账完成信息处理，可以根据需求设计多种路径。生产一线同样如此，安全信号不应只依赖声音，操作指令不应只依赖小字号文字，关键警报可以同步转为灯光、震动或图形提示，让不同员工在同一安全标准下工作。

　　岗位重构还会扩大企业的人才搜索范围。过去因为通勤、固定工位、听觉沟通或复杂界面而难以进入的候选人，可能在远程协作、智能辅助和多模态工具支持下具备完整的交付能力。中国残联发布的2025年统计公报显示，全国城乡持证残疾人就业人数为891.5万人，其中灵活就业275.4万人，说明弹性、数字化和非单一组织形态已经是重要就业路径。企业真正需要解决的，不只是“安排多少岗位”，而是哪些岗位经过重做后可以吸纳更广泛的人才并形成长期发展通道。

　　岗位设计也必须避免另一个陷阱：把残障员工集中在少数低复杂度、低成长性的工作中。AI可以帮助员工跨越信息和操作障碍，但如果企业只把技术用于扩大简单任务供给，而不开放专业岗位、项目机会与晋升路径，无障碍仍然停留在“进入组织”，没有走向“在组织中发展”。真正的无障碍岗位应该同时包含进入机会、胜任支持和成长空间。

　　从招聘开始：测量能力，而不是测量候选人适应障碍的速度

　　岗位边界厘清后，招聘流程必须随之调整。很多企业的招聘页面会写“欢迎多元人才”，但候选人真正接触到的系统可能无法使用键盘完成操作，图片没有文字说明，视频没有字幕，测评时间无法调整，申请合理便利的入口也不清楚。文化口号与流程体验之间的落差，会在候选人尚未见到招聘经理之前完成筛选。

　　AI进入招聘后，企业尤其需要检查评价依据是否与岗位相关。简历筛选模型是否会把职业空档、非传统教育经历或辅助性就业经历当成负面信号，视频分析是否使用与岗位无关的行为特征，游戏化测评是否要求特定动作速度，聊天机器人是否能被读屏工具正确识别，这些都不只是技术细节。它们决定企业是在扩大人才入口，还是用更快的方式复制过去的门槛。

　　更稳妥的流程，应在招聘信息、申请页面和面试通知中主动说明合理便利的申请方式，并提供可替代的测评路径。所谓替代，不是降低难度或取消关键标准，而是在保持评价目标一致的前提下，允许候选人通过不同形式证明能力，例如延长操作时间、提供文字版与音频版材料、允许使用辅助设备，或用工作样本替代与岗位关联度较低的界面测试。

　　招聘团队还需要理解，辅助技术的使用不构成“不公平优势”。眼镜、字幕、语音输入、屏幕朗读、拼写预测和AI摘要，本质上都在帮助人获取信息或表达能力；真正需要比较的是候选人的判断质量、问题解决、专业知识和学习能力。 如果一个选拔流程把“谁最能忍受系统障碍”当成高潜标准，企业淘汰的往往不是能力不足的人，而是工作方式不同的人。

　　从绩效开始：不要把单一工作方式写进算法

　　无障碍改革最容易在绩效环节失效。企业允许员工使用辅助工具，却仍然用在线时长、键盘活动、会议发言次数、响应速度或固定节奏衡量贡献，这会让不同工作方式再次变成劣势。尤其当AI把越来越多行为数据汇入绩效看板时，管理者可能获得更精细的数字，却离真实绩效更远。

　　一名员工可能需要更长时间读取复杂图表，但能通过AI转换和专业判断给出更准确的结论；另一名员工可能很少在多人会议中即时发言，却能在会后形成高质量书面建议；还有员工依赖灵活工时管理慢性健康状况，但能够稳定完成关键交付。若绩效系统只奖励可见活动和标准节奏，这些真实贡献会被数据噪声遮蔽。

　　绩效设计因此要从“行为一致性”转向“结果可靠性”。企业可以围绕交付质量、业务影响、风险控制、客户反馈、知识贡献和协作承诺建立证据，同时保留必要的过程观察，但不把单一交互方式当成高绩效模板。对使用AI和辅助技术的员工，应关注其是否正确验证结果、保护数据、识别偏差并完成责任闭环，而不是简单比较谁调用工具更多、谁完成初稿更快。

　　这也意味着，绩效校准会议需要增加一项新的检查：评价差异究竟来自贡献不同，还是来自管理者更熟悉某一种表达方式。善于即兴表达的人容易在会议中被高估，依赖文字沟通的人可能在影响力维度被低估；频繁到场的人更容易获得曝光，使用远程或弹性安排的人则可能缺少非正式机会。AI可以帮助整理多来源证据，但最终仍需管理者识别这些结构性偏差。

　　合理便利本身也不应成为绩效标签。员工使用字幕、语音输入或调整工作时间，是为了在相同岗位标准下完成工作，而不是获得额外照顾；管理者不能一边批准支持，一边在潜力评价中把其理解为“独立性不足”。 无障碍绩效管理的核心，是保持结果标准清晰，同时允许实现结果的路径存在差异。

　　从能力开始：AI素养必须包含“让别人也能使用你的产出”

　　企业目前开展的AI培训，大多聚焦提示词、自动化、内容生成和效率提升，很少把无障碍纳入必修内容。这会造成一种常见局面：员工学会在十分钟内生成报告，却不知道如何检查标题层级、颜色对比、图片替代文本和表格结构；会自动生成视频，却不检查字幕准确度；会总结会议，却没有判断哪些关键信息不能被压缩。速度成为显性成果，可用性成本则被留给接收者。

　　Harris Poll调查中，90%的受访者能够指出对当前或理想职业有价值的AI与无障碍技能，其中45%认为判断AI生成内容何时需要人工复核很重要。受访者最希望获得的资源并不是抽象原则，而是行业真实案例、贴近工作的动手练习和常见任务的分步演示。这对企业培训设计是一个直接提醒：无障碍不能只做价值观宣导，需要进入员工每天制作文档、开会、写邮件、建页面和做决策的具体动作。

　　面向全员的基础训练可以围绕几个高频场景展开。制作文档时，员工需要知道如何建立可导航的标题结构、为图像提供有效说明、避免只用颜色传递信息，并检查AI生成格式能否被常用辅助技术读取；组织会议时，需要确认字幕、转写、材料预发和会后摘要是否可用；制作培训内容时，需要提供文字、音频、图示等多种表达形式，同时确保不同版本传递同样的关键信息。

　　面向专业岗位的训练则应与风险相匹配。招聘人员需要识别AI筛选和测评中的无障碍风险，采购人员需要把兼容性和测试证据写入选型标准，开发与产品团队需要掌握无障碍设计和用户测试，法务与合规团队需要理解自动化决策中的合理便利责任。HRBP和业务管理者还应学会与员工讨论工作障碍，而不是要求员工先掌握所有技术方案再提出申请。

　　培训的目标不应是让每个人成为无障碍专家，而是建立一条清晰的能力链：普通员工能够生产基本可用的内容，管理者能够识别并响应障碍，专业团队能够解决复杂问题，治理机构能够判断高风险场景。 在AI时代，专业能力不仅包括“我能否高效完成”，还包括“我的产出能否被不同的人准确使用”。

　　从管理责任开始：不能把适配成本留给员工个人

　　传统的合理便利流程常常要求员工主动披露状况、解释困难、寻找方案、提交证明，再等待HR、IT、采购和业务部门逐级协调。对企业而言，这种机制看似可控；对员工而言，却意味着只有暴露私人信息并承担大量沟通成本，才能获得完成工作所需的基本条件。许多隐性需求因此不会进入正式数据，管理层也就误以为组织“没有多少无障碍问题”。

　　Disability:IN的2025年指数汇集八个655份企业提交资料，参与企业中有88%建立了残障便利政策，99%提供灵活工作选择，但员工残障身份自我披露仍明显不足，国际员工自我披露率中位数仅为3.5%。政策存在与员工信任不是一回事，员工是否愿意提出需求，取决于信息是否保密、管理者是否理解、流程是否迅速，以及提出申请是否会影响绩效和发展机会。

　　广告

　　因此，企业需要把无障碍责任从“员工证明自己需要帮助”转向“组织持续减少不必要障碍”。这并不意味着管理者擅自判断员工健康状况，更不意味着收集更多敏感信息，而是要求企业在采购、流程设计和内容生产阶段采用无障碍默认值。能在系统层面解决的问题，就不应让每位员工重复申请。

　　直属管理者在其中承担关键责任。员工通常先向最熟悉工作安排的人表达困难，而不是直接寻找无障碍专家；管理者需要知道如何倾听功能性需求、如何保护隐私、如何联系HR与专业团队，以及在正式方案完成前可以采取哪些临时措施。管理者不需要诊断员工，但需要理解工作障碍并不等于能力缺陷。

　　企业还应避免让合理便利预算完全落在单个部门。若购买辅助设备、软件许可或专业服务会直接挤压部门预算，管理者就可能在无形中降低支持意愿，也可能把员工视为额外成本。建立集中预算和统一支持团队，可以把成本从个人与部门之间的博弈，转化为企业级人才基础设施投资。

　　从技术采购开始：便宜的工具，可能带来昂贵的组织摩擦

　　很多AI无障碍问题其实在采购合同签署前就已经决定。企业选型时通常比较模型能力、价格、集成、信息安全和上线速度，却很少要求供应商说明产品是否支持键盘操作、读屏软件、字幕校正、界面缩放、多种输入方式，以及AI输出能否保持无障碍结构。工具上线后再补救，往往需要额外插件、人工转换和重复采购。

　　无障碍采购不能停留在供应商勾选“支持”选项，而应要求可验证证据。企业可以让供应商提供与WCAG等标准的对应说明、兼容辅助技术清单、已知限制、测试方法和改进计划，也可以邀请真实用户完成端到端任务。测试重点不只是能否登录，而应覆盖申请岗位、参加会议、完成培训、提交审批、阅读报告和处理异常等关键流程。

　　AI产品还需要单独检查输出层。一个聊天界面本身可能符合无障碍标准，但它生成的PDF没有标签结构，制作的图片缺少说明，自动字幕无法编辑，或摘要省略关键风险条件，最终工作成果仍然不可用。企业应明确哪些输出必须自动检查，哪些需要人工复核，哪些高影响场景必须保留替代渠道。

　　供应商治理也应持续发生，而不是上线前做一次审查。模型、界面和第三方组件会频繁更新，原本可用的功能可能在版本变化后失效；语言、口音和行业术语的支持能力也会随着场景不同而变化。采购、IT、HR、法务与员工代表需要形成常态反馈机制，把无障碍缺陷纳入服务等级和续约评价。

　　这并不会显著拖慢AI落地，反而可以减少后期返工。一个无法服务全部员工的工具，会产生人工转写、材料重做、支持工单、培训补课和员工等待等隐性成本；这些成本分散在不同部门，很少被纳入采购ROI。 技术价格只是显性支出，组织为工具缺陷不断“翻译”和“绕行”所付出的时间，才是更容易被忽略的成本。

　　从治理开始：无障碍应进入企业AI政策，而不是成为附录

　　调查中45%的受访者表示，无障碍在企业AI政策中缺席、表述不清，或自己无法确认是否被覆盖。这一比例说明不少组织已经制定“哪些数据不能输入模型”“哪些工具可以使用”“哪些内容需要复核”等规则，却没有回答一个更基础的问题：所有需要使用AI的人，是否都能平等地访问工具、理解结果并完成申诉或替代流程。

　　成熟的AI政策应直接写明无障碍原则和责任边界。政策需要说明企业采用何种数字无障碍标准，员工遇到使用障碍时向哪里反馈，谁负责提供替代方案，哪些高影响决策必须保留人工渠道，以及供应商更新后如何重新测试。规则越具体，员工越不需要依靠个人关系寻找帮助。

　　治理结构也应避免把无障碍完全交给DEI或HR。技术团队掌握系统架构，采购控制供应商入口，业务部门定义工作流程，法务负责合规边界，HR连接岗位、人才和员工体验，真正的责任必须跨部门共享。高管层需要明确最终负责人，并定期查看重大障碍、解决时长和高风险系统审查结果。

　　员工参与是治理不可缺少的一环，但不应把测试责任无偿压给个别残障员工。企业可以通过员工资源小组、用户研究和专业机构获得反馈，同时为参与者提供时间、认可与必要支持。真实体验能够发现自动测试看不到的问题，而专业标准可以避免把个别体验误当成全部需求。

　　数据治理同样需要克制。企业为了了解需求而收集残障信息，必须坚持自愿、保密、用途限定和最小化原则，不能让数据被直接用于绩效、晋升或裁员判断。衡量组织是否无障碍，更可靠的方式往往不是追问每个人的健康状况，而是观察流程完成率、技术兼容性、支持请求和解决效果。

　　从指标开始：把“善意”变成可管理的运营结果

　　很多企业的无障碍工作难以获得持续资源，不是因为价值不足，而是因为长期只用活动数量、培训人次和政策发布来汇报。高管看到的是投入，难以看到它如何影响招聘效率、员工生产率、风险和留任。AI无障碍要进入经营议程，需要一组能反映真实工作结果的指标。

　　招聘环节可以观察无障碍入口是否清晰、候选人申请完成率、替代测评启用情况、合理便利响应时间，以及不同流程版本是否保持同一评价标准。入职和学习环节可以关注材料无障碍通过率、字幕与转写准确性、课程完成差异、辅助工具可用率和技术支持工单。绩效与发展环节则应检查使用灵活安排或辅助技术的员工是否在评价、晋升和关键项目机会中出现无法由贡献解释的差异。

　　运营指标可以进一步衡量无障碍设计的普惠收益。会议摘要是否减少重复确认，清晰文档是否降低支持请求，多模态培训是否缩短上手时间，语音和自动化输入是否减少重复劳动，替代警报是否提高安全响应，这些结果往往惠及更大范围员工。无障碍项目一旦与效率、质量和风险数据连接，就不再只是年度文化活动。

　　企业也需要建立缺陷闭环。员工报告的问题应有分级、负责人、预计解决时间和临时替代方案；高影响系统的障碍不能长期停留在“等待供应商更新”。对反复出现的问题，组织应追溯到采购标准、内容模板、培训或流程设计，而不是持续依赖个案补救。

　　不过，指标不能演变成新的监控。企业不应为了证明项目效果而过度追踪员工使用何种辅助功能，更不能从工具使用推断健康状况。 好的无障碍指标评估的是系统是否减少摩擦，而不是要求员工不断证明自己为什么需要一条不同的工作路径。

　　对中国企业而言，这不是照搬海外概念，而是现实的人才议题

　　中国企业讨论无障碍，常常容易停留在公共空间与社会责任层面，但法律和技术环境已经把议题推向企业内部。《中华人民共和国无障碍环境建设法》自2023年9月1日起施行，覆盖无障碍设施建设、信息交流和社会服务，并明确鼓励和支持用人单位开展就业场所无障碍设施建设和改造，为残疾人职工提供必要劳动条件和便利。法律同时指出，残疾人、老年人之外的其他有无障碍需求者，也可以享受无障碍环境便利。

　　这一表述与AI时代的工作变化高度契合。无障碍并不是为一个固定身份群体单独建设封闭系统，而是让信息、工具和服务支持更广泛的人群参与。中国企业面临员工年龄结构变化、跨地区协作、灵活用工、技能更新和数字化系统快速迭代，无障碍设计能够同时回应听觉、视觉、行动、认知、语言与场景限制。

　　就业数据也提醒企业，这不是一个可以忽略的人才池。2025年全国城乡新增持证残疾人就业44.8万人，实名培训残疾人42.4万人，全国城乡持证残疾人就业人数达到891.5万人。广州等地已经把“AI应用及人工智能”“短视频AI实战”等新业态课程纳入残疾人职业技能培训，说明技术正在改变可进入的岗位范围，企业端需要同步提供能够承接这些能力的工作环境。

　　对中国企业而言，最值得借鉴的并不是某一项海外法规细节，而是背后的管理逻辑：不要等员工进入组织后逐个证明障碍，再用临时方案维持工作；应在岗位、系统和流程设计之初减少不必要门槛。无障碍做得越晚，适配越像成本；做得越早，它越可能成为产品质量、员工体验和组织效率的一部分。

　　这也与企业ESG和雇主品牌形成自然连接，但不宜被包装成单纯传播项目。员工和候选人最终感知的不是企业发布了多少倡议，而是能否顺利申请岗位、参加会议、获得培训、完成审批、被公平评价并得到发展机会。 真正有说服力的雇主品牌，不是反复强调“我们欢迎不同的人”，而是证明不同的人能够在这里完成有价值的工作。

　　企业可以怎样启动：用90天完成一次从工具到工作的验证

　　企业不需要一开始就重做所有系统，但可以在90天内选择一个高频、高价值、可衡量的场景完成闭环。起点可以是招聘申请、线上会议、员工培训、知识库或某类文档生产，选择标准不是哪里最容易做宣传，而是哪里存在真实障碍、影响人数较多，并且有明确的业务结果。试点必须同时包含员工体验、技术能力和管理流程，不能只采购一个新工具。

　　在前30天，团队可以完成场景梳理与基线测量。HR、IT、采购、业务管理者和真实用户共同走完端到端流程，记录无法访问、理解、操作和反馈的位置，同时区分哪些是系统缺陷、哪些是内容问题、哪些来自管理规则。此时还应明确核心结果，例如降低申请中断、缩短材料处理时间、提高培训完成率或减少会议信息遗漏。

　　接下来的30天用于重新设计并小范围验证。团队可以调整内容模板、开放多种输入输出方式、配置字幕与摘要、建立人工复核点、明确支持入口，并让不同工作方式的用户完成同一任务。测试不只比较速度，还要比较准确性、独立完成度、错误率、满意度和支持成本。

　　最后30天要把有效做法固化为组织机制。企业将无障碍要求写入采购清单、AI政策、岗位模板、培训标准和管理者指引，明确缺陷负责人、解决时限和升级路径，并把试点指标纳入日常运营。若结果有效，再扩展到相邻流程；若效果有限，则分析是工具能力不足、场景选择不当，还是管理责任没有真正落地。

　　90天试点的价值不只是做出一个成功案例，而是帮助企业建立判断力。组织会逐渐知道哪些障碍适合用AI解决，哪些需要调整流程，哪些必须保留人工服务，哪些不能依赖自动化。 AI无障碍的成熟度，不取决于企业部署了多少功能，而取决于企业是否能持续发现障碍、验证方案并对结果负责。

　　AI能让职场更无障碍，但决定权仍然在管理者手中

　　回到HR Dive提出的问题，答案并不是简单的“能”或“不能”。AI确实能够把文字、声音、图像和动作相互转换，帮助员工理解复杂信息、表达观点、组织任务和进入过去难以完成的工作场景；它也能够帮助企业更快生成无障碍内容、发现数字缺陷并提供个性化支持。这些能力已经足以改变人才参与工作的边界。

　　但AI也可能生成不准确的字幕、遗漏关键视觉信息、制造不可访问的文档，并把传统偏见写进招聘和绩效系统。技术究竟成为坡道还是门槛，取决于企业如何定义岗位、如何采购产品、如何评价绩效、如何培养员工，以及谁在出现问题时承担责任。把所有希望寄托在模型进步上，只会让组织继续用新工具维护旧流程。

　　对高管而言，无障碍不应被理解为在效率之外额外增加的一项要求，而应被视为检验AI投资质量的一把尺子。如果一个工具只能让最熟悉技术、最适应标准界面、最能按照统一节奏工作的人提高效率，它带来的只是局部增益；如果它能让更多员工独立完成任务、减少沟通摩擦并扩大人才供给，它才真正形成组织能力。

　　对HR而言，接下来的重点不是再发布一份原则声明，而是把无障碍写进岗位设计、招聘流程、绩效校准、AI培训、管理者责任和供应商治理。这样做并不会削弱绩效标准，相反，它会迫使企业更清楚地区分结果与手段、能力与习惯、风险与偏见。 AI让职场更无障碍的真正标志，不是组织拥有多少“辅助功能”，而是一个人的工作价值不再因为获取信息和表达能力的方式不同而被低估。

　　当字幕、摘要、语音输入、替代文本和智能导航从个别员工的特殊申请变成工作系统的默认能力，企业得到的也不只是一种更友善的体验。它会获得更广的人才入口、更可靠的知识流动、更清晰的工作标准和更低的协作损耗。AI可以帮助组织推开这扇门，但门是否真正向所有人才开放，最终仍是一项管理选择。

　　参考资料

　　HR Dive：《Can AI make the workplace more accessible?》，2026年8月3日。https://www.hrdive.com/news/can-ai-make-the-world-more-accessible/826820/

　　HR Dive：《How will AI affect workplace accommodations?》，2026年8月4日。https://www.hrdive.com/news/how-will-ai-affect-workplace-accommodations/826896/

　　University of Phoenix / The Harris Poll：《As ADA Anniversary Approaches， University of Phoenix Survey Highlights AI’s Potential to Advance Accessibility in Work and Learning》，2026年7月24日。https://www.prnewswire.com/news-releases/as-ada-anniversary-approaches-university-of-phoenix-survey-highlights-ais-potential-to-advance-accessibility-in-work-and-learning-302834448.html

　　World Health Organization：《Disability》，2023年3月7日。https://www.who.int/news-room/fact-sheets/detail/disability-and-health

　　Job Accommodation Network：《How Artificial Intelligence Impacts Workplace Accommodation》。https://askjan.org/articles/How-Artificial-Intelligence-Impacts-Workplace-Accommodation.cfm

　　W3C：《Web Content Accessibility Guidelines (WCAG) 2.2》。https://www.w3.org/TR/WCAG22/

　　Disability:IN：《2025 Disability Index Report》。https://www.disabilityin.org/resource/disability-index

　　中国残疾人联合会：《2025年残疾人事业发展统计公报》，2026年4月29日。https://www.cdpf.org.cn/zwgk/zccx/tjgb/a3d72eba115440349dfd19c73104d548.htm

　　《中华人民共和国无障碍环境建设法》，2023年9月1日起施行。https://www.moj.gov.cn/pub/sfbgw/fzgz/fzgzxzlf/fzgzlfgz/202306/t20230629_481613.html

　　广州市人民：《广州加强残疾人职业技能培训，截至去年11月30日开展各类培训百余场》，2026年1月13日。https://www.gz.gov.cn/zwfw/zxfw/jyfw/content/post_10643070.html

　　原文链接：https://mp.weixin.qq.com/s/SzcKzPgEo9MX1C_-yxz27g