公司正在增加有关人工智能的雄心勃勃的公告数量，但其用途仍然难以在团队的日常生活中建立起来。为了将实验转化为持久的结果，领导者现在必须用具体、可衡量和可验证的利益取代一般承诺。
“我们将人工智能置于我们战略的核心。”“我们正在成为一家人工智能本土公司。 » “我们正在进入智能代理时代。 »
两年来，这些声明在公司通讯中成倍增加。语气笃定，毅然转向未来。然而，实际上，结果往往比所表现出的雄心要小。
INSEE 2026 年 7 月发布的最新数据说明了这种差异。到 2025 年，拥有 10 名或以上员工的法国公司中有 18% 宣布使用至少一种人工智能技术，而一年前这一比例为 10%。然而，这种快速进展掩盖了一个持续存在的障碍：54% 不使用人工智能的公司表示缺乏专业知识。超过一半已经使用它的人表示，他们在开发用途时遇到了同样的障碍（内塞，2026 年 7 月）。
在国际上，Gartner 估计，到 2027 年底，超过 40% 的代理人工智能项目可能会被放弃，特别是由于成本增加、商业价值定义不明确或控制不足（Gartner，2025 年 6 月）。
因此，存在明显的差异。领导者将人工智能视为一种可与互联网或电力的到来相媲美的变革。与此同时，许多员工仍在试图了解何时、如何以及为何应该使用它。
这种脱节通常被描述为采用问题。更深刻地说，这是一个信任问题。
从问题开始，而不是从技术开始
关于人工智能的讨论仍然常常从模型的功能开始：多模态推理、自主代理、计算能力或语言模型的大小。
然而，这些并不是用户日常关心的主题。
团队提出的问题更加具体：如何在项目陷入危机之前识别出面临风险的项目？如何避免每周花费几个小时手动生成进度报告？如何在不增加员工人数的情况下处理数百个请求并确定优先级？如何快速找到分散在多种工具之间的可靠信息？
任何人工智能采用策略都应该从这些刺激因素开始。
一种工具不会因为依赖于令人印象深刻的技术而被可持续地使用。这是因为它可以让人们更轻松、更快速或更精确地完成任务。
用户不一定要寻找一个出色的助手，能够在演示过程中给人留下深刻的印象，但一旦工作变得更加复杂，它就变得毫无用处。他们想要一个能够了解他们的环境、减少非增值任务并提供他们真正可以依赖的答案的工具。
INSEE 强调的专业知识的缺乏还必须解释为不仅仅是技术技能的缺乏。它还揭示了组织在将人工智能的可能性与特定业务流程联系起来、监督使用以及定义评估结果的标准方面所面临的困难。
用证据代替承诺
告诉一个组织应该“采用人工智能”几乎和建议它“更多地走向数字化”一样抽象。
为了获得财务部门等团队的信任，公司必须变得更加精确。正确的衡量单位不仅仅是部署的许可证数量、培训的员工数量或生成的内容量。这是用例及其产生的结果。
在现场，最有效的方法是从识别重复性任务和操作流程中的主要摩擦点开始。每个问题都与特定的人工智能功能相关联。这项工作使得在考虑部署其他功能之前可以节省可观的时间。
这种方法不如全球转型计划引人注目，但它很快就提供了基本问题的答案：该工具是否真正被使用？它能提高工作质量吗？它可以腾出时间吗？它会减少延误或错误吗？
最能揭示问题的指标并不总是需要复杂的测量设备。它们可以采取更短的会议、加速验证周期、简化信息搜索或更快交付的形式。
某些国际数字机构，通过集成 Wrike 等现代项目管理解决方案 （水母案例研究），因此指出，由于人工智能，每人每周可以节省 3 到 5 个小时，特别是通过总结客户电话中讨论和决定的行动所花费的时间大幅减少 95%。
在法律咨询和商业服务行业，集中工作、自动化报告和提高项目可见性可以将后续会议所花费的时间减少一半，同时通过避免手动文档搜索节省约 20% 的时间。
孤立来看，这些收益可能显得微不足道。但当它们涉及数百名员工并且每周重复一次时，其影响就变得相当大了。
它们也是每个人都能理解的指标。它们经得起预算审查，并为未来的部署建立具体的基准。
提供人工智能业务背景
大多数人工智能工具不会产生令人不满意的答案，因为它们的底层技术很糟糕。他们失败是因为他们对他们应该帮助的组织不够了解。
通用模型可以解释如何制定项目计划。但它能否确定特定公司的哪些项目实际上落后于计划？他是否了解他的业务优先级、每个团队的职责、任务之间的依赖关系以及上次会议中做出的决策？
如果无法访问此上下文，人工智能必然会产生通用响应。
要真正发挥作用，它必须能够依赖公司的运营数据、了解其流程并尊重与每条信息相关的访问权限。这个问题在法国和欧洲尤其重要：组织不能将人工智能的采用与机密性、数据治理、网络安全和监管合规问题分开。
将人工智能连接到业务环境并不意味着让它可以无差别地访问所有信息。这涉及构建一个结构化和受控的知识环境，其中每个用户只能使用他们有权访问的数据。
AI还必须能够表明它所依赖的信息。答案对重要决策的影响越大，用户就越需要理解和验证其来源。
正是上下文、可追溯性和权限控制的结合，可以将人工智能从实验工具的状态转变为运营的可持续组成部分。
让信任成为绩效指标
对人工智能的信任不能通过沟通计划来决定。它是通过积累积极经验而建立的。
当一个工具提供准确的答案、在繁琐的任务上节省二十分钟或帮助预测问题时，它会稍微增强这种信心。相反，每个错误的、与上下文脱节或无法验证的答案都会产生一个额外的理由恢复到旧的方式。
因此，采用程度不仅取决于主要战略方向，还取决于这些日常互动的质量。
它还意味着为团队提供了解工具、监控结果和报告错误的方法。值得信赖的人工智能并不是一个盲目地将决策委托给其的黑匣子。它是一个帮助用户的系统，同时允许他们保持判断能力。
培训也必须不断发展。对人工智能可能性的一般性介绍是不够的。员工需要学习如何在自己的职业中使用它：提出有用的请求，识别相关数据，验证响应并识别人为干预仍然至关重要的情况。
进展最快的组织通常遵循一种简单的方法：确定特定的摩擦点，选择适当的响应，衡量结果，收集用户反馈，然后逐渐扩大范围。
从“人工智能优先”的雄心转向展示实用性
也许当今那些声称想要成为“人工智能第一”的领导者应该首先回答两个更简单的问题：这项技术已经在我们的组织中发挥了哪些作用？它实际上如何帮助用户？
如果回应需要长时间的保留，警告这仍然只是一个试点，或者参考未来的路线图，那么可信度差距仍然存在。
2026 年的挑战不再是让企业相信人工智能将产生重大影响。这一信念现已得到广泛认同。
挑战在于将这一雄心壮志转化为可见的、可衡量的和可重复的改进。为工具提供所需的上下文。根据实际用途评估其价值。并让员工充分参与部署。
最终，人工智能在商业上的成功将不仅仅取决于模型的力量。它将基于一种深刻的人类品质：信任。
Thomas Scott，Wrike 和 Klaxoon by Wrike 首席执行官
