一项基于140万次真实职场人工智能（AI）互动的数据研究显示，员工在“常规使用”与“复杂使用”之间存在可教导、可复制的行为差异。研究由美国审计、税务及咨询公司毕马威（KPMG LLP）与德克萨斯大学奥斯汀分校麦库姆斯商学院联合开展，并已发表于《哈佛商业评论》。毕马威表示，相关发现正被用于其内部运营与客户服务实践。

研究团队在八个月内对毕马威后台运营场景中的AI使用情况进行观察与分析，重点并非寻找使用最频繁或技术能力最强的员工，而是识别在与AI协作中表现出更高成效的“复杂用户”。研究指出，这类用户的共同点在于更擅长构建问题框架、引导模型推理完成任务，并将AI应用于更具挑战性的工作。

为界定“复杂AI使用”，研究团队与麦库姆斯商学院舒尔金会计系的Zach Kowaleski、Nick Hallman和Jaime Schmidt合作，从真实互动中提取行为信号，对数月使用数据中的30余项提示行为特征进行评估，涵盖任务复杂度、提示技巧与迭代模式等维度。麦库姆斯会计学教授、C. Aubrey Smith审计教育与研究中心主任Schmidt表示，研究关注的是“学会与模型共同思考，而不仅仅是提问”的用户。

研究总结称，复杂用户往往将AI视为推理伙伴：他们会通过设定角色或视角来塑造模型的解题方式，提供更具体的指导与示例，要求模型解释回答过程，并在多轮对话中持续反馈与修正，而非停留在首次输出。他们还会设定边界、明确结构与目标，并在头脑风暴、分析、技术指导与问题解决等任务中分配认知负荷。

研究同时指出，复杂使用与四类信号高度相关：访问AI的频率、持续完善输出的坚持度、初始请求的雄心程度，以及有意选择工具或模型的行为。毕马威工作室负责人Anu Puvvada表示，常规与复杂使用的差距不在单个提示词，而在互动模式；当这些模式变得可见，就能被识别、讨论并推广。

在应用层面，毕马威表示已开展全公司范围的培训与赋能，帮助员工培养研究识别出的复杂技能与行为。研究数据显示，约5%的用户在数月使用数据中持续展现上述复杂行为。毕马威全球AI与数字创新负责人Steve Chase表示，公司早期就意识到仅提供AI接入并不足以带来更好结果，因此制定了相应的赋能工具、培训项目与工作流程，以教授更好的问题构建、更强的AI监督以及有目的的迭代。

毕马威称，这些洞察已被转化为一套“以AI为先”的行为规范，并配套实用手册、培训与同伴带动的“冠军网络”。公司还通过aIQ学习学院、基于角色的技能发展与实践操作，将相关行为嵌入学习体系，以推动更多员工从常规提示转向更高影响力的人机协作。

毕马威表示，上述研究结论也被用于支持其客户工作，包括帮助客户定义组织内有效AI使用的标准、构建与岗位匹配的能力，并支持管理层将复杂的人机协作规模化并融入日常流程。