【行业洞见】AI转型的认知断层：高层以为成了，中层仍卡在落地。 | Ms Vlia

随著AI在近年的快速发展，全球企业纷纷推动AI转型，希望在降低营运成本的同时提升生产效率。然而，多项观察显示，尽管许多企业已经导入AI工具与相关政策，整体上仍未普遍出现显著的效率提升或财务回报。问题的核心，往往不在技术本身，而是在组织内部不同层级之间的认知落差。

「看起来完成了」的AI转型

在许多企业的高层视角中，AI转型其实已经「完成」。工具已经导入，政策已经制定，培训也已经展开，甚至在报告中，使用率与覆盖率也持续上升。从数据上看，一切似乎都在正确的轨道上推进。

然而，当视角转向中层与实际执行层，情况却并不一致。日常工作并没有因为AI的导入而产生明显改变，工具虽然存在，但不一定真正贴合实际流程；工作方式仍然沿用既有模式；AI应该如何介入具体任务，也往往缺乏清晰指引。

于是形成一种很典型的状态：在策略层面，转型已经发生，但在现场层面，变化却相当有限。

这种落差的根本原因，在于许多企业误以为AI是一种导入即可使用的工具，但实际上，它更像是一种需要重构工作的技术。

真正的AI转型，往往意味著工作流程必须被重新设计，任务需要被重新拆解，角色与分工需要重新调整，甚至整个工作的节奏都可能需要改变。同时，这个过程也必然伴随大量试错与迭代。

然而现实中，许多企业只停留在第一步，也就是「我们已经导入AI工具」。至于AI应该用在哪里、如何嵌入流程、谁负责调整工作方式，这些关键问题却往往没有被真正定义清楚。

当策略没有被转译成具体的日常操作，落地自然会停滞。

在这样的结构中，中层主管成为真正承载AI转型的人。他们负责将高层的策略转化为日常执行，同时也最清楚现场的实际痛点，例如哪些流程其实可以被自动化、哪些步骤本身是冗余的，以及AI可能真正介入的工作位置。

然而，他们往往同时受到多重限制。一方面，他们没有足够的决策权去改变流程或系统，另一方面，他们仍然需要维持既有的绩效与稳定输出，同时还要抽出时间学习与适应新的工具与方法。

于是，企业内部经常出现一种看似矛盾的现象：所有人都很忙，但AI并没有真正进入工作的核心。

另一个常被忽略的问题，是企业对AI「采用率」的误判。

许多管理层会透过工具注册人数、企业版本采购数量或培训完成率来评估AI转型进度，但这些数据更多反映的是「接触程度」，而非「实际改变」。

即使有大量员工使用AI工具，也不代表工作方式已经被重构。

更现实的是，AI在激励机制中的位置本身就存在矛盾。

当员工透过AI提升效率时，绩效往往不会因此被明确反映，但如果在使用过程中出现错误，却可能需要承担责任。在这样的结构下，理性的选择反而可能变成不使用AI，因为不使用至少是安全的。

同时，由于不同员工之间的AI使用能力差异明显，也会导致产出不一致，进一步增加管理与评估的复杂性。

最终，企业内部同时存在两种不同的期待。

高层期待的是创新与转型，希望企业能够快速拥抱AI并提升竞争力；而基层则更需要稳定、清晰的指令与可预测的工作环境。

中层则刚好处在两者之间，一方面要承接转型压力，另一方面要维持日常运作的稳定，既不能太快，也不能太慢。

因此，AI转型在实务上往往不只是技术导入的问题，而是一种组织协调问题。它要求企业同时处理战略目标与现场现实之间的张力，也要求不同层级之间对「什么是转型」有一致的理解。

简而言之，AI之所以未能在许多企业中立即转化为显著效益，并不是因为技术不成熟，而是因为组织内部尚未完成真正的落地转译。

当策略没有被转化为清晰的工作方式，当不同层级对现状的理解并不一致，AI转型就很容易停留在一种表面已经发生，但实际尚未改变的状态。

而真正需要被追问的问题或许是：AI究竟有没有进入公司？还是只是停留在报告里。

本文由作者【Ms Vlia】创作刊登于HKESE，如未经授权不得转载。