问一屋子高管，是什么在阻碍他们的AI回报，多数人会落到同一个答案：我们的人还不具备这些技能。德勤的《State of AI in the Enterprise 2026》——一项覆盖24个国家、3,235位高级领导者的调查——印证了这种直觉。员工技能不足被列为将AI整合进现有工作流程的最大单一障碍（Deloitte, State of AI in the Enterprise 2026）。到此为止，并不意外。
意外的是企业接下来的做法。面对技能障碍，53%的企业在培训更广泛的员工以提升AI素养——遥遥领先的最常见回应。而真正去触碰这些技能所注入之物的企业要少得多：仅33%在重新设计职业路径，类似比例的少数在重构角色与工作流程。主流做法是为一份形态未变的工作更卖力地培训员工。这正是大量AI培训投入始终无法转化为价值的隐性原因——而对中型市场的Head of Operations而言，这是本季度预算中最容易纠正的错误。
反射动作：为同一个角色更卖力地培训
提升AI素养本身没有错。一支无法操作工具的队伍是不可能的起点。问题在于把素养当成完整答案，而它只是入场券。
设想一名应付账款专员，其工作被定义为"每周处理300张发票"。你送他去AI培训。他回来后会向模型发指令、总结合同、更快地起草邮件。然后他坐回同一个角色——同样的300张发票、同样的流程、同样的工作定义——用新技能在一些AI本可彻底移除的任务上省下几分钟。你出钱让一个更有能力的人，把一份未变的工作做得稍快一点。技能上去了，工作还是老样子。那份培训的回报真实，却微薄，远低于这项AI投资本应产生的水平。
这正是德勤数据揭示的陷阱。资助素养与资助重新设计之间53%对33%的差距，不是四舍五入的差别。它是"为工作装备人"与"重新思考工作本身"之间的差别——而市场正压倒性地选择前者。
为何在未变的角色中提升技能无法转化
培训而不重新设计之所以表现欠佳，原因是结构性的，而非动机性的。角色的形态决定了其中任何技能所能产出的上限。如果角色仍被定义为一连串手工步骤，那么世界上AI素养最高的员工也只能优化这些步骤。他无法删除、重组它们，或把它们交给智能体——因为职位描述、交接环节与成功指标，仍然假定每一步都由人来完成。
AI角色重新设计，就是抬高那道上限的行为。它提出与培训不同的问题。培训问："我们如何帮这个人用AI做好他当前的工作？"重新设计问："有了AI，这份工作究竟应该是什么？"两者的答案天差地别。前者保留那位300张发票的专员，让他更快。后者注意到一个智能体可以清掉其中270张，并把角色重塑为一项例外与管控职能——更少的事务、更高的判断、不同的成功指标。只有后者，才捕捉到当初购买AI所要的那次跃迁。
这就是为什么德勤发现，只有34%的组织在用AI对业务进行深度变革，而约三分之二仍停留在渐进式或表层收益上。这个渐进的多数并非培训不足，而是重新设计不足。技能被加到了从未为使用它们而重建的角色形态之上。
"重新设计工作"究竟是什么样子
如果这听起来仍然抽象，Gartner 2026年的研究把它具体化，并量化了奖赏。在其《Future of Work Trends for CHROs》中，Gartner将"流程行家，而非技术神童"（process pros, not tech prodigies）点名为释放AI价值的人才，并报告称：用AI重新设计工作流程的团队，超额完成营收目标的可能性，约为仅把AI叠加到现有任务之上的团队的两倍（Gartner, Future of Work Trends for CHROs, 2026）。这种翻倍并非来自更好的工具或更多的培训时数，而是来自重绘流程，让工具改变结果，而不只是速度。
同一观点的组织版本，出现在MIT Sloan Management Review与BCG关于智能体企业的研究中：在广泛采用智能体AI的企业里，45%预计中层管理层级将被削减（MIT Sloan Management Review & BCG, The Emerging Agentic Enterprise, 2025）。层级只有在其下的工作被真正重构时才会收缩——而不是在同一套层级单纯变得更熟练时。重新设计才产生结构性变化；单靠培训，产生的是一个更有能力的现状。
反方意见："培训比重组更快、更安全"
来自运营负责人的诚实反驳是：重新设计角色具有破坏性，而培训没有。重塑一份工作会触及编制、薪酬带、汇报线，以及人们的安全感。把团队送去工作坊则一概不触及。在一根安全的杠杆与一根破坏性的杠杆之间，为何不拉安全的那根？
因为安全的那根，悄悄地代价更高。为未变的角色培训并非免费——它是一笔买来微薄回报的经常性支出，每个预算周期重复一次，而结构性收益始终遥不可及。重新设计的"破坏"真实，但有界且一次性；单靠培训的表现不足虽温和，却是永久的。而当你以单个角色而非整个职能的粒度去做时，破坏比看上去要小。你这个季度不是在重组公司，而是围绕AI如今真正能做的事，重建一份工作，从中学习，再决定是否推广这一模式。其风险是一次受控的实验。单靠培训的风险，则是一道你从未命名的、不断累积的差距。
收益巨大——而它只在重新设计之后才显现
之所以值得忍受这份不适，是因为另一侧收益之大。Harvard Business School与BCG针对知识工作者的实地实验发现：善用AI者完成任务约快25%，产出在质量上被评定约高40%，相较对照组而言（Harvard Business School & BCG, 2023）。这正是每一笔AI预算暗中承保的奖赏。
但请注意那个条件：善用AI。收益在工作被真正围绕模型长处、避开其短处而重新组织之处兑现——而非在人们只是于旧流程中拥有工具访问权之处。那40%的质量提升，是一项披着培训预算标签的重新设计成果。把钱倒进素养而不重塑角色，你资助了访问权，却放弃了收益。这恰是三分之二的组织最终停留在渐进收益、却自以为投资了变革的机制。
本季度该做的事：在资助更多素养之前，先重新设计一个角色
要在这一点上行动，你无需重组整个组织。你需要在一个角色上颠倒操作的次序。在批准下一批AI素养培训之前，挑出团队中一个高频角色，先围绕AI重新设计它。
三个步骤让它落地。第一，把角色按现状梳理出来——每一项重复性任务——并标注：哪些智能体可以彻底接管，哪些必须由人保留，哪些应当干脆停止。第二，围绕剩下的部分重写角色：新的任务组合、新的成功指标（判断与例外，而非事务量），以及人与智能体之间被明确写下的交接。第三——且仅在第三步——再资助培训，此时它瞄准的是重新设计后的角色，而非旧角色。按此次序，素养支出落在一份为使用它而打造的工作上，你便能对照那些尚未触碰的角色衡量差别。
本季度的决定
德勤的数据是一面镜子，而多数运营团队不会喜欢镜中的影像：AI技能缺口真实存在，而标准的应对正在让回报更小，而非更大。为先于AI而存在的角色形态培训一支队伍，并非通往变革之路；它是停留在渐进式中最昂贵的方式。
所以，在你签下又一轮AI素养培训之前，向你AI负荷最重的那个角色提一个问题：我们是围绕AI重新设计了这份工作，还是只是在教人于旧角色里跑得更快？若是后者，把培训预算扣下两周，用来重新设计这个角色。你团队里的每个人都可以被培训。赢下未来两年的企业，将是那少数先重新设计了工作的企业——然后才为真正存在的那份工作培训人。
