第 242 期

既对AI抱有期待,也会因害怕落伍而焦虑

对AI的期待、可能掉队的焦虑与组织的准备程度是互不相同的问题。本文结合多国民调、韩国职场人调查及GTM咨询经验一同探讨。

商业既对AI抱有期待,也会因害怕落伍而焦虑

所谓对AI担忧较少,究竟意味着什么

经常会听到这样一种说法:韩国是一个对AI持乐观态度的国家。不仅使用率上升迅速,而且也有调查显示,韩国对AI的担忧程度低于其他国家。

然而在职场中,也能听到不同的声音。大家都知道AI能帮上忙,却担心只有自己用不好而掉队。

我认为这两种反应完全可以并存。因为期待技术的效用,与担忧自己在变革中的位置,本就是两码事。只是我们不应把互不相同的问卷结果混为一谈,从而将韩国人的应用动机武断地归结为单一原因。

61%的韩国受访者表示期待与担忧并存

皮尤研究中心(Pew Research Center)在2025年就25个国家对日常生活中增加AI使用的感受进行了调查。在韩国,认为担忧大于期待的受访者占16%,在受调国家中比例最低。认为期待大于担忧的占22%,而认为两者相当的则占61%。

最多的回答是期待与担忧相当。如果仅仅因为“担忧更大”的回答较少,就解读为韩国人几乎不担心AI,那就会忽略这61%的人群。

在美国,担忧更大的回答占50%,期待更大的回答占10%。虽然各国存在差异,但该问题问的是期待与担忧哪一边更大,并非在问是否完全没有担忧。

美中之间的差异同样无法直接证明其背后的原因

斯坦福《AI Index 2026》汇集并对比了多家机构的民意调查。该报告中收录的益普索(Ipsos)调查显示,中国对AI产品与服务的期待相对较高,而北美和欧洲则呈现期待较低、担忧较高的倾向。

同一份报告中还包含对本国政府能否负责任地监管AI的信任度。美国为31%,新加坡为81%。这一数据表明各国对政府的信任程度各不相同。

image

在观察对待技术的接纳态度时,我也认为对政府和企业的信任至关重要。因为技术让生活变得便利的经历、对就业前景的预期,以及在出现问题时能够获得保护的信任感,都会共同产生影响。

但是,仅凭将各国受访结果并列摆出,并不能断定美国的担忧源于对监管的不信任、中国的期待源于对政府的信任。不同调查中所提的问题和受访对象也各不相同。

中国同样会有人担心在竞争中掉队,韩国也同样会有人因信任技术与制度而使用它。如果给整个国家贴上单一动机的标签,就很容易忽略同一国度内的不同经历。

runrun

韩国职场人调查所折射出的焦虑与组织的课题

微软在2026年6月发布的韩国工作趋势指数(Work Trend Index)显示,有78%的受访者感到危机意识,担心如果不能快速适应就会掉队。

该调查针对的是在工作中使用AI的知识工作者。全球基础调查覆盖了10个国家、共2万人,而韩国的数据是后续单独发布的市场资料。这与面向全体韩国国民的皮尤民调在样本和问题设置上都有所不同。

韩国调查结果中值得关注的项目如下:

  • 积极表示管理层与AI战略方向明确对齐的比例为16%。
  • 认为即便工作流程重构未能立即转化为绩效,其尝试本身也能获得回报的比例为7%。
  • 认为产出了比以往更高水准成果的比例为54%。

这里的7%尤为值得注意,它询问的并非所有AI应用是否能获得回报,而是探讨即便未能立刻见效,重构工作流程的尝试是否也能得到认可。

这一结果表明,个人所感知的变化速度与组织的支持之间可能存在差距。不过,如果不去交叉分析同一个体在各项目上的同时回答,就无法断定“正是由于方向不明确才导致了焦虑”这一因果关系。

尽管如此,它依然提出了只看引入率时容易被忽略的问题:员工是否获得了尝试新方法的时间与标准?在这个过程中即使失败,是否还能重新尝试?

使用率无法代表准备程度

微软的AI普及报告估算,2026年第一季度韩国的生成式AI使用率为37.1%。该数值较对比区间2025年下半年上升了6.4个百分点。

该指标以15至64岁的适龄劳动人口为对象,是根据操作系统、设备占有率及互联网普及率等对汇总的使用信号进行校准后的估算值。其计算方式与前述职场人问卷应答率不同。

我们可以看出其正在快速普及。然而,究竟用得有多好、公司是否确立了工作与评估标准,这些都无法仅凭使用率一项指标来做出判断。

Oswarld视角

看着这些资料,我想起了在进行GTM战略咨询时反复遇到的场景。

在企业的引入项目中,我通常会先拿到企业内部AI工具的使用率。只要使用率高,大家就会安心地认为组织已经准备就绪。然而,几个月后再去过问成效,有时回答却并不明确。

在我见过的案例中,有些并不是因为组织重新设计了工作流程而提高了使用率,而是个人出于各自的需求和焦虑先行用起来的。在公司的评估或激励机制尚未明确之前,应用量就已经先一步激增了。

因此,我认为看到高使用率时,必须进一步追问接下来的问题:具体用于什么工作?由谁来核验结果?团队摸索出的方法是否分享给了其他人?

对AI的信任与害怕掉队的焦虑完全可以并存。每个人的动机也各不相同。因工具好用而使用的人同样需要工作标准,而因焦虑才起步的人同样需要切实有用的工具与培训。

我认为组织该做的事情,不在于给员工贴上属于哪一类的标签,而在于为他们打造具体落地的条件:共同界定哪些工作可以交由AI处理、评判成果的标准是什么,以及如何去尝试新方式并接受评估。

听到使用率高的消息固然令人欣慰。但我希望大家不要仅凭那个数字就判定准备工作已经完成。因为我在一线所看到的差距,始终横亘在使用工具的人数,与将其应用转化为组织绩效的准备程度之间。


参考资料与延伸阅读

往期推荐

安光涉(Oswarld)个人插画

作者 安光涉(Oswarld) 现任世宗大学兼任教授,INLEVEL9 战略顾问。职业经历、研究、著作与近期活动会持续更新在作者简介。 最新动态 · 2026年7月:HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI