大多数企业未能从人工智能中获益的原因在于人，而非技术本身。关键人为因素包括：1. **技能缺口**：78%的企业面临AI人才短缺（MIT Sloan数据），仅12%的员工具备操作AI工具的数据素养；2

近期研究表明，人工智能（AI）有潜力提升决策质量、激发创新并帮助领导者提高员工生产力。许多大公司已在资金和人力方面进行了相应投入。然而尽管如此，研究表明它们未能实现预期收益，高达80%的公司报告未能从这项新技术中获益。

"员工往往未能接纳新AI技术并从中受益，但我们并不真正了解原因，"阿尔托大学助理教授纳塔莉亚·武奧里表示。她指出，我们认知有限的部分原因在于，倾向于将这些失败归咎于技术本身的局限性，或仅从用户对AI性能的认知判断角度进行研究。

武奧里表示："我们发现成功关键不在于技术及其能力，而在于员工对AI产生的不同情感和行为反应——以及领导者如何管理这些反应。"

她的研究团队对一家拥有600名员工的咨询公司进行了为期一年多的追踪观察，该公司当时正尝试开发并实施新型人工智能工具。该工具本应收集员工的数字足迹，绘制其技能与能力图谱，最终构建公司能力图谱。预期成果是优化咨询项目团队甄选流程，这项实验实质上是他们希望向客户推广的AI软件的试点项目。

近两年后，该公司终止了这项实验——以及拟议的产品。究竟发生了什么？

事实证明，尽管部分员工认为该工具性能良好且极具价值，但他们对于AI追踪其日程记录、内部沟通和日常业务往来感到不适。因此员工要么完全停止提供信息，要么开始操纵系统——仅输入他们认为对职业发展有利的信息。这导致AI输出结果准确性持续下降，形成恶性循环：用户逐渐对其能力丧失信心。

"领导者无法理解AI使用率为何下降。他们采取大量推广措施，试图解释数据使用方式，但都无济于事，"武奧里说道。她认为该案例反映了AI应用（乃至广义技术应用）中的普遍模式。

该团队目前正在收集微软广受欢迎的Copilot AI软件使用数据，迄今发现了类似现象。

领导者应如何应对？

研究人员发现人们对新技术的反应可分为四类。通过区分认知信任（是否相信技术性能优越）和情感信任（对系统的感受），这四类群体分别为：完全信任型、完全不信任型、不安信任型和盲目信任型。

第一类群体在认知和情感层面均高度信任；第二类群体则在这两个维度得分都很低。不安信任型表现出高认知信任但低情感信任，而盲目信任型则恰好相反。

人们对工具的情感信任越低，就越会限制、撤回或操纵其数字足迹——值得注意的是，即使对技术存在认知信任，这种现象依然显著存在。

这些发现使企业有机会制定更成功的AI应用策略。

"AI应用不仅是技术挑战——更是领导力挑战。成功关键在于理解信任机制、化解情感障碍，让员工对使用和探索AI感到兴奋，"武奧里强调，"若缺乏这种以人为本的方法，以及针对不同群体需求定制的策略，即使最智能的AI也无法发挥其潜力。"

该研究成果已于1月22日发表于《管理研究杂志》（Journal of Management Studies）：