美國員工開始抵觸 AI：公司終於發現，光培訓還不夠

公司說 AI 能提高效率，員工聽到的可能是未來不需要這麼多人。公司要求學習新工具，員工卻懷疑自己是否已經被新標準評分。

CNBC 採訪 Ironclad、Superhuman 與 Torani 後發現，企業開始從培訓轉向員工參與、受保護的試錯期，以及可以被驗證的承諾。

所謂 AI 反彈，不是拒絕好工具，而是抵觸一場目標、速度與後果都不透明的改變。

兩個 53%，代表不同的不安

Reuters/Ipsos 調查中，53% 美國人擔心 AI 讓家中有人失業。另一項 Software Finder 對 1,006 名美國職場軟體使用者的調查中，53% 擔心自己的職位變得沒那麼必要。

兩個獨立的 53% 分別指向家庭失業與個人職位價值

兩者不是同一樣本，也不是裁員率。後一項調查還發現：69% 在新績效要求出現前沒有足夠時間與支持，59% 邊學邊被評估，42% 曾假裝理解新工具，27% 因怕犯錯而避開它。

學習期變成評估期，員工開始裝懂和迴避

如果試錯可能證明自己「不適合未來」，最安全的做法就不是探索，而是沉默與迴避。公司把學習期變成了淘汰賽。

AI 路線圖談模型、資料、權限與上線日期。員工問的是：哪些工作會消失？新增什麼責任？學習期犯錯會不會影響績效？Agent 出錯誰負責？

發帳號、辦課程，再讓每個人獨自找場景與承擔失敗，只會增加抵觸。AI 採用首先是工作設計問題。

Ironclad、Superhuman 與 Torani 的信任做法

Ironclad 同時說明收益與局限；Superhuman 讓最接近問題的團隊選擇先改哪裡；Torani 小範圍試點、讓員工參與迭代，並用零裁員歷史、擴員計畫與製造投資為承諾背書。

共同點是員工可以參與選任務、定邊界和修正方法，不再只收到工具與期限。

可信的推進方式要明確 AI 不做什麼，把學習期與績效期分開，讓一線團隊選擇第一項低風險任務，並留下 Agent 執行、人員修改、錯誤修正與方法複用的記錄。

從命令與培訓轉向參與、試點與複用回饋

Buda 的 Session 保留任務、工具呼叫與產物，Skill 保存驗證過的方法，Automation 只在工作成熟後重複執行。人保留目標、脈絡、審查與最終判斷。

信任不是一句「AI 不會取代你」。它來自可見安排：員工知道改變為何發生，能參與怎樣發生，也看得見公司願意為後果負責。

從 Agent Workspace 開始，把下一場 AI 培訓改成一項團隊可以共同完成、審查與複用的真實工作。