企业 AI 素养建设，为什么不能只上一门培训课？

企业 AI 素养不是让全员学会同一套提示词，而是让不同角色具备与其任务和风险相匹配的理解、操作、判断、监督与改进能力。真正有效的建设方式，应从员工正在使用的 AI 系统和业务任务出发，把数据边界、输出核验、人工接管、责任规则与持续学习放在一起；一门通用培训课只能完成启蒙，不能证明员工已经能够正确使用 AI。

很多企业的 AI 培训结束得很热闹：员工完成在线课程，通过选择题测试，领到一张证书。回到工作中，问题却没有消失。招聘人员不知道 AI 筛选建议要核验哪些证据，HRBP 把未经确认的组织分析直接写进汇报，员工把含有个人信息的材料上传到未获批准的工具，管理者看到 AI 给出的答案，却不清楚该在什么情况下拒绝采纳。

这不是员工 “不愿意学”，而是培训内容没有进入具体任务。2026 年 8 月，国际劳工组织、欧盟相关机构与联合国教科文组织等联合发布研究，将安全、合乎伦理地理解和使用 AI 视为一项新的基础能力，同时强调认知、社会情感、数字能力、适应力与人的能动性。AI 素养因此不是技术团队的专属知识，也不是一套对所有岗位完全相同的技能清单。

企业 AI 素养究竟包括什么？

企业 AI 素养是员工在特定工作情境中理解 AI 能做什么、不能做什么，正确操作获准系统，判断输出是否适用，识别风险并在必要时停止或转交，同时对自己的业务决定承担责任的综合能力。

这个定义至少包含五个部分。 第一，基本理解。员工需要知道自己使用的是哪类 AI，它依赖什么信息，输出为什么可能不稳定，以及概率性回答与确定性业务规则有什么区别。理解不等于学习模型数学原理，而是能够对能力与限制形成正确预期。 第二，任务操作。员工能够在获准范围内提供足够上下文、选择合适工具、调用正确知识，并按岗位要求完成任务。会写一句漂亮提示词，不等于能够把 AI 接入招聘、薪酬、员工服务或人才管理的实际步骤。 第三，结果判断。使用者要识别事实错误、遗漏、过期知识、不当推断和看似合理但缺少依据的内容。越是熟悉业务的人，越不能只凭语言流畅度判断答案质量。 第四，风险与边界。员工需要知道哪些数据不能上传，哪些内容必须披露 AI 参与，哪些决定必须保留人工判断，发生错误或越权时向谁报告。这部分必须与企业真实的系统、权限和制度连接。 第五，持续改进。成熟使用者不仅纠正一次错误，还能说明错误来自任务定义、知识、数据、权限还是操作方法，并让反馈进入下一轮更新。企业 AI 素养最终体现为组织是否能够从使用中学习，而不只是个人是否熟练。

为什么统一的 AI 素养培训经常失效？

因为员工面对的系统、数据、任务与后果不同，一套课程很难同时满足普通使用者、HR 业务专家、管理者、开发配置人员和风险治理人员的需要。

欧盟委员会关于 AI 素养的最新问答提供了一个清晰原则：组织采取措施时，应考虑人员的技术知识、经验、教育和培训，也要考虑 AI 系统的使用情境、目的以及可能受到影响的人群。委员会没有规定一套适用于所有企业的固定课程，也明确表示，仅让员工阅读使用说明在许多情况下可能无效。这里的启示并不限于欧盟合规：AI 素养建设必须按角色与风险分层。

统一培训通常会出现四种错位。 内容错位。课程大量介绍生成式 AI 概念，却没有说明员工每天使用的系统、知识来源和数据边界。 难度错位。技术人员觉得内容太浅，普通使用者又被模型术语淹没；真正需要承担人工监督的人，反而没有练习如何识别异常。 责任错位。课程教 “怎样得到更好的答案”，没有教 “谁对最终决定负责”。员工容易把人工复核理解成看一眼，而不是核验证据、适用范围和影响。 评估错位。结课测试只检查记忆，无法证明员工能否在真实任务中正确判断。选择题全部答对的人，也可能在工作中把敏感数据交给错误工具。

因此，AI 素养培训应从 “全员上同一门课” 转向 “全员有共同底线，不同角色有不同深度，关键任务必须经过实践验证”。

企业应该怎样划分 AI 素养层级？

建议以工作责任而不是职级高低划分四类人群。一个人可能同时承担两类角色，例如 HRIS 负责人既是业务系统使用者，也是配置与治理人员；培训路径应覆盖其实际责任。

普通使用者：知道怎样安全、审慎地使用

普通使用者可能用 AI 检索制度、生成初稿、总结会议或处理日常问答。他们需要掌握获准工具、数据分类、基础提问方法、事实核验、AI 内容标识、错误报告和禁止场景。

培训重点不是让每个人成为提示词专家，而是形成几项稳定习惯：使用前确认工具是否获准；输入前检查数据；输出后核对来源与日期；涉及他人权益时不直接作出决定；无法判断时知道向谁求助。

业务专家：能把专业标准写进任务

招聘、薪酬、绩效、人才发展和员工关系专家，不仅使用 AI，还要定义完成标准。他们需要把制度、例外、证据要求和人工接管条件翻译成任务规则，并能够分析错误来自哪里。

例如，招聘专家需要区分岗位必备条件、可培养条件和不能使用的个人信息；薪酬专家需要判断一项差异来自数据、规则还是员工事件。业务专家的 AI 能力建设重点，是让专业判断变得可表达、可复核，而不是把判断权交给模型。

管理者与决策者：能质询证据并承担决定

管理者不一定频繁操作 AI，却会使用 AI 生成的分析、建议或候选名单作决定。他们需要理解输出的证据基础、适用边界、不确定性和替代方案，并判断什么时候必须要求人工复核。

这一层最容易被培训忽略。管理者如果只看到经过整理的结论，可能比一线员工更难发现偏差。有效的 AI 素养培训应让管理者练习追问：信息从哪里来，哪些数据缺失，为什么推荐这个结果，如果不采纳会怎样，谁对后果负责。

技术、配置与治理人员：能控制系统生命周期

这类角色包括 AI 产品、HRIS、信息化、安全、法务和数据治理人员。他们需要理解系统配置、模型及知识版本、访问权限、测试方法、日志、风险分级、供应商边界和事件响应。

他们的任务不是替所有员工使用 AI，而是让正确使用成为默认路径，让高风险操作更难发生，并保留可追溯证据。对于承担高风险 AI 系统人工监督的人，还需要专门训练其识别风险、暂停使用和处理事件的能力。

AI 素养培训怎样进入真实工作？

最有效的方法不是继续增加课程数量，而是围绕具体任务建立 “学习 — 实践 — 反馈 — 更新” 的短循环。企业可以从三个到五个高频场景开始，而不是一次覆盖所有岗位。

第一步，选择真实任务。优先选择员工已经使用 AI、业务价值明确、风险可以控制的场景，例如制度问答、岗位描述初稿、面试问题准备或人才材料归集。写清任务起点、结果标准、允许数据和人工责任。

第二步，制作正反样例。除了展示优秀提示和正确结果，还要展示事实过期、来源不明、敏感信息输入、过度推断和未及时转人工的失败样例。员工需要学会发现问题，而不只是模仿标准答案。

第三步，在安全环境中练习。使用脱敏或模拟材料，让员工完成任务、核验输出并说明决定。业务专家根据真实标准反馈，培训人员再把高频错误整理成规则或微课程。

第四步，带着支持进入岗位。上线初期提供任务指南、快速求助入口和人工接管人。员工遇到不确定情况时能够停下，比要求所有人独立解决更安全。

第五步，用运行证据更新培训。记录哪些输出常被修改、哪些问题反复转人工、哪些角色采用困难、哪些规则经常被误解。培训内容应随着系统、制度和任务变化更新，不能把一次结课当成能力永久有效。

OECD 在 2026 年发布的《AI 时代的技能》指出，企业需要把 AI 素养、数字技能与批判性思维结合，并推动雇主主导、持续和模块化的学习。另一份 OECD 政策简报则显示，获得雇主培训的 AI 使用者更可能报告工作表现和工作条件改善；但培训必须与透明、问责、隐私和安全等措施结合。也就是说，学习和治理本来就是同一套工作设计的两面。

AI 使用规范应该写进培训，还是单独治理？

两者都需要。规范提供统一边界，培训让员工能在情境中正确执行；只有制度没有练习，员工可能不知道规则怎样落到具体任务，只有培训没有制度，遇到冲突时又缺少正式依据。

一份可执行的 AI 使用规范至少应回答：企业允许使用哪些系统；哪些数据可以输入；是否允许连接内部知识与业务系统；输出如何核验和标识；哪些场景禁止自动决定；什么时候必须转人工；如何报告错误、安全事件或潜在偏差；供应商和外部人员适用什么要求。

不要把规范写成一长串抽象原则。员工处理候选人简历、工资数据、绩效材料和普通市场文案时，风险不同。规则应提供场景例子、允许动作与禁止动作，并说明责任人。对于跨国企业，还需结合适用地区的数据、劳动和 AI 监管要求复核。

截至 2026 年 10 月，欧盟 AI Act 第 4 条的 AI 素养义务已经适用。欧盟委员会最新问答说明，相关组织应结合人员背景、系统情境和风险采取措施；2026 年修订后的规则没有规定统一的 “充分水平”，也没有强制特定证书，但企业可以保留培训和其他指导行动的内部记录。该要求还可能适用于代表组织操作或使用 AI 系统的承包商、服务商等人员。企业不能把这段内容理解为完成一门课程即可当然合规，具体责任仍应由法律专业人员结合业务判断。

iBuilder 怎样支持企业 AI 能力建设？

当企业已经确定角色、任务与责任，易薪路 (eRoad) iBuilder 可以作为组织级 AI HR 能力的承载平台。iBuilder 覆盖人力资源全业务场景，内置 42 个 AI Agent；企业通常按招聘、薪酬、激励、人才发展或员工服务等实际问题选择场景，而不需要一次部署全部能力。

企业 AI 素养真正困难的地方，是把课堂知识带回具体系统。iBuilder 可以连接企业知识、任务节点、人机协作规则和使用反馈，使学习内容不再停留在通用案例。员工面对的是自己获准使用的 Agent、适用知识、业务数据范围和接管规则；业务专家也能围绕真实反馈更新任务要求。

例如，员工服务 Agent 出现重复转人工时，团队不应只要求员工 “更会提问”，而要进一步判断：问题是否超出知识范围，制度是否过期，员工权限是否不足，还是任务本就需要专业判断。不同原因对应不同动作 —— 更新知识、调整流程、补充训练或保留人工服务。AI 能力建设因此成为平台运营的一部分。

People + 人才发展或企业已有学习与人才系统，可以承接能力档案、学习计划、培养与复盘流程；iBuilder 则让员工在 AI HR 任务中练习和使用。两者可以形成 “岗位要求 — 学习实践 — 任务反馈 — 能力更新” 的关系，但具体数据字段、接口、评估方式和权限仍需按项目确认。平台不会自动替企业定义素养标准，也不能用调用次数代替能力证明。

企业怎样评估 AI 素养是否真正提高？

完成率和考试分数只能说明员工参加了学习，不能证明企业 AI 素养已经进入工作。评估应覆盖知识、操作、判断、行为和结果五个层次。

知识层可以检查员工是否理解允许工具、数据边界、系统限制和报告渠道。操作层通过情境任务观察其能否正确提供信息、调用知识和保存必要证据。判断层要求员工识别错误、说明不确定性，并在高风险场景选择人工接管。

行为层关注真实使用：敏感数据误用是否减少，输出核验是否执行，错误能否主动报告，业务专家是否持续更新知识。结果层则观察任务首次完成质量、人工返工、异常重复发生和员工服务体验是否改善。指标应按角色分别设置，不宜用同一分数给全员排名。

还要警惕 “熟练使用” 被误解为 “使用越多越好”。一个员工发现任务不适合 AI 并及时停止，可能比持续调用更具 AI 素养；一个管理者要求补充证据而暂缓决定，也不是效率低。评估应奖励正确判断和责任行为，而不是制造工具使用竞赛。

90 天内可以怎样启动企业 AI 素养建设？

前 30 天，完成范围盘点。列出企业正在使用或计划使用的 AI 系统、涉及角色、业务任务、数据和潜在影响，确认哪些是普通辅助工具，哪些会影响员工、候选人或重要业务决定。同时形成全员共同底线和首批重点角色清单。

第 31 至 60 天，建立分层学习。为普通使用者、业务专家、管理者和技术治理人员分别设计最小必修内容，并选择三到五个真实任务制作正反样例。同步明确允许工具、数据规则、核验责任、人工接管和事件报告入口。

第 61 至 90 天，小范围运行并复盘。让员工在安全环境和真实工作中完成任务，由业务专家抽样评估。记录修改、转人工、误用和求助原因，再决定更新课程、知识、权限还是流程。能够稳定完成且风险受控的场景再扩大；没有清楚责任和有效数据的场景先暂停。

这 90 天不会让企业一次性 “完成” AI 素养建设，但可以建立一套可持续运行的方法。技术、制度和岗位任务持续变化，能力也必须随之更新。

结论：AI 素养不是课程项目，而是工作能力

企业 AI 素养的终点不是全员领证，也不是让每个人成为 AI 专家。它要解决的是一个更实际的问题：当 AI 进入工作后，员工能否正确使用、识别限制、保护数据、保留人的判断，并对结果承担相应责任。

企业可以从共同底线开始，再按普通使用者、业务专家、管理者和技术治理人员分层建设。用易薪路 (eRoad) iBuilder 把知识、权限、人机协作和反馈放回真实 HR 任务，用 People + 人才发展或既有学习系统承接培养过程。培训只有进入每天发生的判断与动作，才会从一次活动变成可复用的组织能力。

企业 AI 素养建设常见问题

企业 AI 素养是否等于 AI 技能培训？

不完全等于。AI 技能培训通常关注工具操作、提示方法或技术知识，企业 AI 素养还包括理解系统限制、保护数据、核验结果、识别偏差、人工接管和承担责任。操作熟练却不判断输出是否适用，仍然可能给企业带来风险。较合理的做法是把基础知识、岗位任务、AI 使用规范和情境练习组合起来，并根据员工实际使用的系统与风险设置不同深度，还要用实际工作表现验证学习结果。

所有员工都需要学习人工智能吗？

需要共同的基础认知，但不需要学习相同内容或达到相同技术深度。普通使用者应掌握允许工具、数据边界和输出核验；业务专家需要定义专业标准与例外；管理者要能够质询证据并承担决定；技术治理人员则负责测试、权限和事件响应。没有直接使用 AI 的员工，也可能受到 AI 辅助决定影响，因此需要知道相关告知、反馈或申诉渠道。企业还应为临时人员和承包商判断是否需要相应培训。

一次培训和考试能否证明员工已经具备 AI 素养？

不能。课程完成和知识测试只能证明员工接触过相关内容，无法证明其能在真实任务中正确操作和判断。企业应增加情境练习、样本复核和运行观察，检查员工能否识别错误、保护敏感信息、说明输出依据并在必要时转人工。能力还会随系统、政策与岗位变化而失效，因此需要定期更新，而不是把一张永久证书当作全部证明；关键角色还应定期完成真实场景复测。

欧盟 AI Act 是否强制企业取得 AI 素养证书？

欧盟委员会当前问答明确表示，第 4 条没有要求特定证书，也没有规定所有人员必须达到同一个固定水平；企业可以保留培训和其他指导行动的内部记录。但相关组织仍应结合人员经验、所用 AI 系统、业务情境与风险采取适当措施，高风险系统还有更具体的培训与人工监督要求。跨境企业应结合所在国执法、具体角色和系统用途获得法律意见，本文不构成法律建议，完成课程也不当然代表合规。

怎样判断 AI 素养培训是否值得继续投入？

应同时观察学习证据和业务运行结果，而不是只看参训率。可以比较敏感数据误用、输出更正、重复错误、人工接管、求助原因和任务首次完成质量是否改善；也要确认员工是否更敢于报告问题，而不是为了通过考核隐藏错误。如果课程完成率很高但行为没有变化，应优先调整任务设计、规则、工具入口和管理支持，而不只是继续增加课时。不同角色应采用不同指标和复测周期。

参考来源

• ILO、ETF、Cedefop、Eurofound、欧委会及 UNESCO，《Changing landscape of skills      in the age of AI》

• European      Commission，《AI Literacy Questions & Answers》

• OECD，《Skills in the AI age》

• OECD，《AI and skills—What we know so far》