74% 的常规 AI 使用者，如今会把原本要问同事的问题抛给聊天机器人。59% 的人向同事征求第二意见的频率低于以往。46% 的人表示，自己对同事的思考方式了解得更少了。这些数据来自认知评估平台 MyIQ 于 2026 年 6 月至 7 月在十个地区、对逾 22,000 名员工开展的调查（FM Magazine, 2026）。
问 AI 而不问同事，已经成了默认反应。而运营负责人真正该在意的是：这一切在你的仪表盘上完全看不见。会议照常召开。消息量持平或上升。有计划的协作毫发无损。正在消失的是临时请教——而那恰恰是你的入职培养与晋升评议一直悄悄依赖的那一层。
你盯着的指标看不见这件事
中型企业衡量协作的方式基本都是量化的：会议小时数、Slack 或 Teams 消息条数、跨团队频道活跃度、日历密度。这些工具捕捉的是有计划与半计划的互动，因为只有它们会留下结构化痕迹。
MyIQ 数据所描述的行为几乎不留痕迹。它是转身向邻座工位的那三十秒。是「我发出去之前你帮我看一眼」。是「这个流程实际到底怎么走，因为文档是错的」。这些交流从不出现在日历里，也很少出现在频道中。当它们迁移到聊天窗口，量化仪表盘什么也记录不到——更糟的是，它会记录为改善，因为同样的人力在更少打断下产出了更多可见成果。
这是一种形状明确的测量失灵：你的协作指标恰恰在变化发生的位置失去了灵敏度。 平稳的数字不再是团队健康的证据，而是你正在测量那个没有移动的部分的证据。
当员工问 AI 而不问同事，究竟改变了什么
调查数字聚合成一个连贯的模式，而非零散的抱怨（MyIQ / Cooperative Agency, 2026）：
- 74% 把原本会问同事的问题抛给聊天机器人
- 59% 向同事征求第二意见的频率降低
- 48% 表示工作日中的自发对话减少
- 46% 对同事如何思考、如何处理问题了解更少
- 43% 觉得更难在专业上读懂同侪
- 38% 认为新员工建立关系的自然机会变少了
请把这个序列读成一条因果链，而不是六个独立统计量。提出的问题变少（74%）导致自发对话变少（48%），进而导致接触同事推理过程的机会变少（46%），再导致在专业上读懂同侪的能力下降（43%）。最后一个数字不是关于文化的软性抱怨，而是师徒式学习与晋升判断所依赖的原材料在退化。
同一批受访者也报告了真实收益：71% 感到更自足，62% 对独立决策更有信心。这不是舍入误差，也正因如此，它不会在任何敬业度调查中显现为问题。个体把这种变化体验为能力提升，而成本落在系统上而非个人身上——这恰恰是运营职能存在的意义所在：拦截这一类成本。
行动之前的一个诚实提醒
这是一家认知评估公司发布的厂商调查，数据自报，通过公关渠道发布，除样本量、地域与调查窗口外未公布方法论。新闻稿本身也说明，研究结果并不证明使用 AI 会直接削弱职场关系——只表明员工把更强的 AI 依赖，与彼此请教、非正式学习频率的变化联系在一起。
因此，用这份数据来判断效应的量级，而把因果的分量交给组织心理学文献承担——那套文献要古老得多，也识别得清晰得多。这正是下一节的内容。
正在退化的那个系统早已有名字
当人们不再互相发问，变薄的是团队的交互记忆系统（transactive memory system）——即「谁知道什么」的共享目录，最早由 Wegner 提出，并在三十年的团队研究中不断发展。它靠使用来维持。每当有人向同事提问，会发生两件事：提问者得到答案，双方同时更新了专长目录。抽走提问，个人知识还在，索引却没了。
这个索引不是装饰。一项涵盖 76 项实证研究、6,869 个抽样单元的元分析发现，交互记忆系统与团队绩效存在稳定关联，效应强度随情境不同而变化，但关联本身并无疑问（Bachrach et al., 2019）。在个人能力相同的前提下，知道专长在哪的团队，胜过不知道的团队。
AI 助手是答案的绝佳替代品，却不是索引的替代品。当你的资深运营分析师回答一个问题时，组织学到了关于这位资深运营分析师的信息；当 Claude 或 ChatGPT 回答同一个问题，组织什么也没学到。
反面证据，以及它真正说明了什么
确实存在指向相反方向的可信研究，值得认真对待。Gensler 的 2026 全球职场调查覆盖 16 个国家逾 16,400 名办公室员工，发现被归类为 AI 重度使用者的那 30%，独自工作的时间更少（占工作周的 37%，晚期采用者为 42%），学习时间更多（12% 对 8%），社交时间也更多（11% 对 9%），且自报的团队关系更牢固（Gensler, 2026）。
两组发现可以同时为真，我认为它们确实同时为真。AI 吸收了低风险的信息型提问——那类问题本就不承载关系价值——从而释放出时间，重度使用者把这些时间转投于学习与社交。总的时间预算改善了。但 Gensler 的数据没有告诉你的是：谁从这场再分配中受益。
回答这个问题的是 MyIQ 的 38%：新员工建立关系的自然机会更少了。被重新分配的社交时间，流向了本就有网络可供消耗的人。入职第二个月的新人没有这样的网络，而本可以为他建立网络的互动，恰恰就是如今交给聊天机器人的那些低风险信息型提问。Workday 2026 年的研究与这种不对称一致：Z 世代员工声称「与同事完全脱节」的可能性是 X 世代的 12 倍，超过五分之一的人表示 AI 工具让他们与同侪的关系变差（Workday, 2026）。
净效应不是「AI 让所有人孤立」。它更窄，也更可操作：收益集中在已经融入的人身上，成本集中在刚刚到岗的人身上。 这是一个分配问题，而分配问题靠设计解决，不靠情绪。
入职：专长定位必须变成一件显性产出物
如果环境式请教曾是你的师徒机制，那么它今天已被部分撤资，而且没有人是刻意撤资的。
对一家 50–500 名全职员工的机构而言，答案不是一个配着启动演示的导师制项目，而是把专长定位显性化，因为它已经无法再自然涌现：
- 把提问原本在构建的那份目录发布出来。 一份持续维护的地图：谁负责哪个流程、哪套系统、哪条异常处理路径、哪个客户细分——写名字，不写团队方框。每个职能一页，季度复核。多数中型企业里，这些信息分散在四个人的脑子里，哪儿都没写下来。
- 让最初的九十天必须依赖具名的人。 围绕那些不咨询三位特定同事就无法完成的交付物来设计上手期。不是「认识一下团队」，而是一项带依赖关系的任务。
- 测量正确的东西。 别再把消息量读作连接。在第 30 天和第 90 天直接问新人：遇到 X 你会去找谁？ 记录他们能说出多少个名字，以及这个数字增长得多快。这是交互记忆的可测量代理指标，成本不过是问卷上的一个字段。
最省钱的版本，是每周十五分钟的一次碰面：新人必须带来一个自己用 AI 解决过的问题，再向一位真人重新问一遍。重点不在答案，重点在引荐。
晋升评议：你的同侪信号正在失去效度
那个 43%——同事更难在专业上被读懂——是一个披着文化外衣的测量问题。
中型企业的晋升决策严重依赖同侪印象：评议会基于在非结构化场合观察某人推理，从而形成对其判断力的看法。这类场合正在变薄。输入在退化，而消耗这一输入的流程原封不动，意味着评议的信心仍旧维持在一个更弱的信号之上。这正是偏见扩张的条件：当观察变薄，熟悉度与曝光度会填补空缺。
补救办法证据充分且毫不炫目。结构化评估——明确的胜任力、一致的证据要求、对每位候选人问同样的问题——长期显示出明显优于非结构化判断的预测效度。Sackett 及其同事 2022 年对人事选拔效度的再分析，纠正了元分析文献中数十年的系统性过度校正，总体上下调了已发表的估计值，但仍把结构化面试列在可用预测因子的前列，操作效度约为 .42（Sackett et al., 2022）。即便在观察条件良好时，非结构化印象也无法与之相比——而你的观察条件正在变差。
具体做法：要求每一份晋升材料都附上判断力的书面证据——此人做过的一个决策、他权衡过的取舍、最终结果。如果没有人能为某位候选人拿出这样的证据，那是关于你观察条件的数据，而不是关于这位候选人的数据。
本季度要做的决定
你无法逆转那 74%。问 AI 而不问同事更快、不含评判，还让人感觉更有能力——71% 的人就是这么说的。这种行为在个体层面是理性的，不会因为一条「请多交谈」的政策而改变。
你本季度能决定的，是那两套一直悄悄跑在非正式请教之上的系统，要不要获得一个显性的替代品。两件事都很便宜：为每个职能发布一份专长地图；为晋升材料增加一项书面证据要求。两者都不需要预算审批，而且只要你还假设那套环境式版本仍在运转，它们就会立刻失效。
你的协作仪表盘会继续看起来一切正常。问题的全部就在这里。
