在人工智能（AI）集成被视为现代企业竞争力关键要素的背景下，员工对技术带来不确定性的焦虑，正成为管理层面临的主要挑战之一。
英国工会大会（TUC）数据显示，51%的英国成年人担心AI和新技术会影响自己的工作。这类担忧被认为可能对企业的投资回报率构成实际风险：如果员工产生抵触情绪，管理层希望通过技术推动的创新和效率提升就难以顺利落地。
前微软高管、业务转型专家 Allister Frost 表示，当前围绕AI的摩擦，很大程度上源于对技术能力的误解。
纠正对“智能”的误读
Frost指出，企业在制定技术战略时，一个常见误区是将生成式AI和大型语言模型（LLM）视作具备自主意识的“代理”，而不是高效的数据处理工具。这种拟人化倾向容易引发员工对“机器取代人类认知”的担忧。
他表示，最大的误解在于认为AI如其名称所示具备真正的“智能”，能够全面执行类人的任务。依照他的说法，AI的核心作用在于大规模模式匹配，为人类更聪明地工作、更快地创新以及探索新的增长路径提供支持。
Frost强调，当员工理解这些系统本质上是“模式匹配器”，而非具备感知能力的替代者时，内部叙事会从“竞争关系”转向“工具属性”。在他看来，AI目前并不具备复制人类智能的能力，其角色是增强而非取代人类智能。
人力成本与机构记忆的权衡
在实际操作中，一些财务和运营负责人将AI集成主要视作压缩薪资成本的手段。Frost提醒，若过度依赖自动化来裁撤经验丰富的员工，可能削弱组织的“机构记忆”，带来长期隐性成本。
他警告称，企业过于频繁地把AI当作减少员工数量的捷径，为追求短期节省而让资深员工面临风险，这种做法忽视了失去熟练员工所带来的经济和社会成本。
员工层面的不安在多项调查中有所体现。调解与仲裁机构 Acas 的报告显示，26%的英国员工认为失业是他们对AI在工作中应用的最大担忧。不过，Frost指出，从历史经验看，新技术的引入往往改变的是工作的内容和方式，而非简单“消灭岗位”。
他表示，现实情况并非AI无差别地消除工作岗位，而是推动工作性质发生变化。
从“替代岗位”转向“增强能力”
在Frost看来，成功的AI集成需要调整企业识别应用场景的方式。与其从“可以裁撤哪些岗位”的角度出发，管理层更应优先寻找那些高频、低价值、且明显拖累生产力的任务环节。
他指出，AI工具具备自动化繁琐事务性工作的潜力，从而让员工将更多时间投入到更具创造性和战略性的工作中。通过这种方式，企业可以将人力资源重新配置到算法难以胜任的高接触领域。
在他描述的路径中，随着AI接管重复性任务，员工将有更多机会提升技能，转向需要更高层次批判性思维和情绪管理能力的复杂岗位。同理心、伦理判断以及复杂战略制定等能力，目前仍超出现有计算模型的能力范围。
应对“变革疲劳”，强化透明治理
Frost认为，对AI的抵触在很多情况下是“变革疲劳”的表现，是员工对持续数字化升级节奏的一种常见反应。有调查显示，14%的英国员工明确表示担心AI会影响其当前工作，这被视为企业在推进技术项目时需要正面回应的信号。
他指出，如果企业选择回避AI集成，可能会在创新和效率方面落后。但在推进过程中，治理方式和沟通质量同样关键。Frost建议，管理层应让员工参与讨论AI在组织中的角色和应用边界，通过开放对话降低神秘感，建立信任。
在他看来，这意味着不能仅依赖自上而下的指令，而是要营造一种文化氛围，使员工可以在相对安全的环境中试用新工具，而不必立即担心岗位被取代。
Frost表示，一旦领导层建立起透明和包容的环境，企业就更有可能缓解焦虑，使团队成员在同一节奏上推进，为利用AI带来的潜在益处做好准备。
调整员工队伍以适应AI集成
Frost指出，企业在技术进步面前一直需要不断适应，AI虽然被视为近几十年来影响更为深远的一次转型，但在本质上仍延续了以往技术变革的逻辑。
他提到，历史上人们往往对新技术持保留甚至抵触态度，但多次实践表明，人类社会在每一轮技术集成中都找到了适应路径。
在企业层面，他认为，关键在于投资于组织韧性和持续学习机制，将AI定位为推动变革的工具，而非单纯的威胁。通过这种方式，企业既可以在保留和发展人才储备的同时，推进运营现代化。
在总结如何提高AI集成成功率时，Frost提出了几项做法：
- 在内部叙事上，明确传达AI是用于增强人类能力的“模式匹配”工具，而非具备感知能力的替代者，以降低文化层面的阻力；
- 在流程层面，优先识别繁琐且高频的流程瓶颈进行自动化，重点释放员工从事更高价值的创造性工作；
- 在培训投入上，将学习与发展资源更多投向批判性思维、同理心和伦理决策等“人类”技能领域，将其视为AI驱动环境中难以复制的资产；
- 在治理和沟通上，通过就AI集成路线图和治理框架开展透明、双向的对话，回应员工对失业和岗位变化的担忧。
Frost表示，他的个人目标是通过证明AI在赋能人类而非取代人类时效果最佳，来保护大量工作岗位。
