GenAI的迅速崛起揭示了一個職場現實：一線員工往往比管理人員更快地接受新技術。

AI技術的發展速度之快，令人難以跟上其改變人們工作方式的眾多新途徑，然而，對于大多數企業而言，技術可能性與實際應用之間的差距正在不斷擴大。2024年麥肯錫全球調查發現，90%的員工在工作中使用GenAI，其中21%的員工是重度用戶，然而，盡管員工熱情高漲，但大多數企業對AI工具的正式采用卻滯后：只有13%的受訪員工認為自己的企業是早期采用者。

機構對新工具的接受速度緩慢并非新現象，早在雇主正式批準使用基于云的平臺和通過社交媒體與客戶建立聯系之前，數字原生代就已經在使用這些技術進行協作了。近年來，移動原生代開始通過即時通訊應用和移動優先的工作流程開展業務，而企業IT部門仍在就智能手機安全政策進行辯論。如今，世界正見證著AI原生代的崛起——他們通常是年輕員工，已經開始使用GenAI工具起草電子郵件、編寫代碼和分析數據，而決策者和預算控制者則擔心治理和前期技術成本問題。

這一次的不同之處在于變革的速度和規模，與早期的技術轉型相比，GenAI能力從競爭優勢轉變為競爭必需品的時間要短得多，那些掌握快速采用藝術的企業將決定其行業的新規則。

但是，領導者如何在不犧牲質量或制造混亂的情況下，促進整個企業的學習?他們如何確保企業從分散的創新中獲取最大價值?我們將討論四種有助于實現這一目標的思維方式和做法。

培育已經出現的萌芽

發展心理學家艾莉森·高普尼克(Alison Gopnik)在《園丁與木匠：兒童發展的新科學如何揭示父母與子女的關系》一書中指出，父母應該讓孩子按照自然傾向發展，而不是按照預先設定的模式發展。她將這一概念稱為“園丁思維”，這一概念不僅適用于家長，也同樣適用于企業領導者：培育你所看到的成長，最成功的管理者會專注于發現萌芽——那些正在嘗試新技術并取得初步成果的員工、團隊或部門。他們會問：“創新已經在哪里發生?誰在以驚人的有效方式解決問題?”

然而，大多數企業傾向于“木匠思維”：自上而下精心規劃技術變革的每一個細節，這種方法無法跟上當前的變化速度。試圖精確規定AI在企業中應如何實施的領導者，往往會發現自己在為未來的問題構建昨日的解決方案。

以一家亞洲金融服務公司的經歷為例，該公司發現其團隊正在非正式地使用AI來簡化應用開發流程，管理者接受了這一創新，創建了一個通用的數據層，使團隊能夠自動化數據標注等耗時步驟，從而將AI應用開發時間縮短了一半。

我們見過許多類似的例子，比如客戶服務團隊悄悄使用AI聊天機器人起草回復，往往能大幅縮短回復時間，一些管理團隊擔心安全或治理問題，關閉了此類實驗，而另一些團隊則研究其成功的原因，完善方法，并幫助擴大規模。與基于理論播種相比，識別并培育已現的萌芽更有可能推動創新，但采用園丁思維要求領導者花更多時間觀察模式，而不是制定僵化的計劃，這意味著要接受最具變革性的想法往往來自企業中意想不到的地方。

建立采用激勵機制

眾所周知，改變既定的工作習慣和學習使用新工具是非常困難的，大多數企業的中層——設定文化基調的管理者和資深從業者——往往是最抗拒變革的，因為出于理性的私利，他們很忙，現有的方法效果還不錯，而新技術的學習曲線可能令人望而生畏。

要鼓勵有意義的采用，經濟激勵和社會激勵都必不可少，但最有效的獎勵應側重于學習，而不僅僅是使用。成功的企業不會因為實施AI而發放獎金，而是獎勵員工展示新能力、與同事分享見解以及幫助他人克服學習曲線，社會認可往往比經濟獎勵更有力量，當受人尊敬的團隊領導者分享他們的AI學習歷程，并公開承認自己仍在學習時，這會降低其他人的心理障礙。

當受人尊敬的團隊領導者分享他們的AI學習歷程，并公開承認自己仍在學習時，這會降低其他人的心理障礙。

許多大型企業都會舉辦創新競賽，讓同事與不同團隊進行合作并提交創意。進入后期階段的團隊可能會獲得更多資源、專家支持和領導層的關注。優秀的公司不僅在年度活動中提供此類激勵，而且每天都這樣做。一位技術高管表示，創新儀式在他們公司十分普遍，包括定期的創新日，“團隊可以探索興趣，發現可能尚未規劃的想法”。這些活動往往能帶來意想不到的發現，促使企業重新確定下一波項目的優先級。

促進快速學習

成功的企業不僅比同行進行更多實驗，而且實驗效果更好，他們借鑒嚴格的A/B測試原則，并將其應用于企業創新：

?從明確的假設開始。成功的團隊不會設定“利用AI提高生產力”這樣模糊的目標，而是從具體、可測試的預測開始——例如，“我們相信，利用AI自動化月度報告流程將使所花時間減少50%，同時保持95%以上的準確率”，但新想法的好壞取決于其背后的假設，而團隊往往沒有識別這些假設，或沒有對其進行嚴格測試。

?為學習而設計，而不僅僅是為了成功。試點項目往往只以成功結果為目標，因此很少能產生關于什么真正有效的有價值的見解。更好的實驗設計應能快速失敗并記錄哪些方法行不通，而且這些實驗應跨越不同職能。例如，研發團隊可以在早期階段從銷售人員那里獲取客戶見解，此類實驗還應盡可能包括對照組，并衡量領先指標，而不僅僅是滯后結果。一些公司從成功結果出發，然后確定支撐它的假設。一家農業生物技術公司采用這種以假設為導向的方法，確定了推出新產品的最佳路徑，并將推出時間縮短了30%。

?發揮小樣本的力量。企業不需要大規模推廣就能產生有意義的見解，一些最有價值的企業實驗涉及5到10個人，為期2到4周，目標是快速迭代，而不是統計顯著性。

?記錄結果背后的原因。無論實驗成功與否，最關鍵的問題不是“發生了什么”，而是“為什么會發生”，系統地記錄這些見解的團隊能夠積累機構知識，從而加速未來的創新。

亞馬遜早期在視頻流媒體方面的嘗試就體現了這些原則，Prime Video最初表現不佳，但亞馬遜沒有放棄這個想法，而是詢問用戶為何不參與。公司發現，客戶沒有看到該服務的獨立價值，而是更傾向于擁有獨家內容的平臺。作為回應，亞馬遜將Prime Video納入更廣泛的Prime會員服務中，以提高其感知價值，并大力投資原創內容。這一轉變使一個舉步維艱的試點項目成為Prime訂閱和品牌忠誠度的關鍵驅動力。

對贊揚保持高標準

在鼓勵創新的熱情中，企業領導者常常陷入對一切創新都一視同仁地贊揚的陷阱。當每個AI實驗都受到夸大其詞的贊揚，且為了爭取更多預算而允許進度報告夸大結果時，真正突破性的想法就會淹沒在噪音中。最具創新性的企業會區分有趣的實驗(值得嘗試)和改變游戲規則的創新(值得推廣)，他們既獎勵對失敗的誠實報告，也慶祝成功。

這并不意味著要打擊士氣，而是要有目的性，當贊揚是有選擇性和具體的時，它會更有分量，當領導者明確闡述為什么某種特定方法代表突破時，團隊就會明白什么是卓越。

企業只需改變討論試點項目的方式，就能改變其創新文化，他們不再問“AI項目進展如何”，而是問“你學到了什么讓你感到驚訝的東西”，他們不再慶祝有人使用了AI，而是慶祝從使用中得出的關于更好工作方式的具體見解。

例如，一家企業集團的集團CEO鼓勵廣泛參與項目并關注實際成果，他們詢問了100位商業領袖，是否愿意各自贊助一個AI項目，并設定了增加收入、降低成本或提高客戶滿意度的具體目標，該目標必須反映在次年或后年的預算中。

掌握這些原則的企業不僅能更快地采用新技術，還能隨著時間的推移形成競爭優勢，每次成功的實驗都能增強企業的信心，每次記錄良好的失敗都能防止其他人重復同樣的錯誤，每位具有園丁思維的領導者都能為更多創新的綻放創造空間。

未來不僅分布不均，而且還在不斷重新分配，學習型企業正從盡早發現創新、精心培育創新和明智推廣創新中獲益。