2026年全球人力资本趋报告（中文版）

2026全球人力资本趋势

从紧张关系到临界点：选择人的优势02.

从紧张关系到临界点：选择人的优势08.

...

正确处理人与机器的关系16.

.

.

事实还是虚构？人工智能在这一点上模糊了界限。人与人，与工作23.

人工智能与人类决策的未来处理人工智能的文化债务第38节……编排优势47.

组织职能是否已经超越了其职能？55.

在这个不会静止的世界中保持相关性65.

决策回响2026全球人力资源趋势1目录从紧张关系到临界点：选择人的优势2026全球人力资本趋势调查揭示了组织可以有意作出的选择，以

持续适应、快速行动并领先于人文优势。Shannon

Poynton,

Jason

Flynn,

Nic

Scoble-Williams,

Victor

Reyes,

David

Mallon,

和

Sue

Cantrell正处于一个关键时刻。在我们2026年全球人力资本趋势调查中，七成企业领导表示，他们未来三年的主要竞争策略是迅速而灵活——迅速适应并利用变化的商业、客户或市场需求。领导者们还报告称，推动成功最关键的两大因素是加速人力资源和资源的协同执行工作，以及提高组织和员工队伍适应变化和速度的能力。今天，新的数据和劳动力洞察——从组织数字化孪生到实时分析——使我们可以看到组织在曲线上的位置

,并积极引导如何以及何时跳到下一个曲线。经典的S型增长曲线长期以来描述了企业和工作的发展过程：逐渐上升，快速加速，最终达到平台期。如今，这条曲线正在缩短。人工智能和劳动力转型正在加速上升过程，并使平台期提前到来（图1）。组织被迫更快地跃升至下一个曲线以保持竞争力。在市场、技术、工人和顾客期望实时变化的世界上，长期的规划和可预测的执行可能不再适用。成功现在可能更多地取决于感知变化、快速实验和持续适应。

。?平伐突试步冲的？仅这是些尝变化增强组了去度-但捷锐敏尖立或们的对性它题端定从紧张到临界点：选择人的优势2图1传统的定义商业演化的“S型曲线”正在压缩m

fdci高性能者的道路传统方法时间来源：德洛伊分析。deloittei从历史上看，组织通过引入新技术来超越曲线，这种策略可能已不再足够。组织可能需要以不同的方式实现飞跃。竞争优势现在主要不再是技术差异化驱动的，而是更多地通过培养人的优势。技术——尤其是日益普遍的人工智能——是可复制的。人则不然。人类通过适应能力、创造力和在不确定性和变化中的判断力，创造出竞争优势。至于人工智能，通过重新构想工作，将人类和机器的优点结合在一起，从而释放价值。确实，德勤最近对100名C级高管进行了研究，发现多数组织（59%）在人工智能方面采取了科技导向的方法。但这些采取科技导向方法的组织，其出现问题的可能性是普通组织的1.6倍。

不是

实现超出人类中心主义方法的投资回报率，与人工智能投资相比。1这种以人为本的焦点使组织能够自信地超越曲线，而不是停留在同

一曲线，更不用说完全掉落曲线（图2）。三个塑造工作未来的转折点是什么让这一刻与众不同，那就是对组织的压力不再是线性的，而是叠加的。技术进步与经济波动、地缘政治紧张、社会期望以及快速变化的劳动力市场正在交汇。规划和执行之间的界限正在崩溃，尽管成本压力、效率要求以及信任和清晰度的问题日益加剧。许多领导者感到不知所措——他们意识到挑战，但难以果断行动。过去一段时间内可以管理的紧张局势现在已成为临界点，犹豫不决可能导致错失机会 ,并对组织、其人员和整个社会造成长期后果。在连续性中断的时刻，领导者面临选择：是留恋旧曲线还是勇敢地跃向下一个。成功的组织将转折点视为机遇而非危机，但改变这种思维方式并不容易。摆脱熟悉模式、重新设定假设并带领他人前行需要勇气、不适和坚持。通过不断拥抱重塑，他们可以将干扰转化为动力—

—在新S曲线上开启新的价值、人性和增长。下一个曲线不在地平线上——它正在展开。从紧张到临界点：选择人的优势3成长图2以人为本的关注有助于组织超越曲线人类表现时间来源：德洛伊分析。coll4boration从成本效益到价值创造顽强的成本压力、不断变化的消费者和工作者行为以及地缘政治的变化将许多组织推向了不惜一切提高效率的道路。但随着这一模式的失衡，焦点应转向价值。这意味着使职能适应特定目标，投资创新，并优先通过适应能力而非仅仅减支来实现增长。同时，人口结构变化和劳动力消失人类自身的能力正成为一种稀缺资源，提高了对投资于人类创造独特且无可替代价值的领域的需求。成功的企业可能不是那些自动化最快的，而是那些将效率转化为再投资，推动新形式的价值观创造和员工绩效的企业。deloittei在2026年，有三个转折点显得尤为重要——领导者将需要决定是坚守旧轨迹还是跃迁到新阶段。每个转折点都代表着组织无法再推迟的变革。它们不是遥远的可能性，而是当下的现实，需要做出选择，这些选择将定义组织在人工智能时代创造价值、建立信任和释放人类潜能的方式。鉴于变化的快速和复杂性，这些转折点要么将领导者卷入其中，要么成为精准行动和意图的时刻。ohnmh以人为本的关注以机器技术为中心的焦点从静态计划到动态编排未来既是现实也是未知，这使得好奇心成为核心的组织能力。保持相关性意味着不断重新构想员工如何变化、学习和成长。随着策略与执行的融合，组织可能需要超越结构化的职位和员工，协调能力和资源以适应不断变化的需求。这意味着建立永无止境的体系。人类与机器的界限正在模糊。组织可能需要重新设计工作以利用人机协同效应，超越人类和机器并肩工作的阶段。这包括对文化、决策权以及对数据本身的信任进行重新思考。这些问题是根本性的：当人类和智能代理并肩工作时，文化如何演变？谁有权决定算法何时行动，何时人类介入？以及组织如何保护自己免受虚假信息和不可信输出的影响，在一个AI既是合作伙伴又是风险的世界中？从紧张关系到临界点：选择人的优势从人+机到人×机缺乏意图4•

我们如何最大化人类与机器协同工作的价值？在重新设计与AI协作的人类工作时，哪些选择最为重要——这些选择又是如何塑造系统中人类经验和表现的呢？随着AI成为日常工作的一部分，大多数组织仍然没有有意识地设计人类与机器的交互方式，这限制了回报并强化了过时的流程。我们的研究显示，那些有意识地重新设计角色、工作流程和决策以支持人机协作的人更有可能超越投资回报的预期，并完成有意义的任务。随着AI接入范围的扩大，有意识的设计——而不仅仅

是技术——正成为真正的区分因素。•

我们如何知道关于人们和工作的事实真相呢？组织如何信任他们用来做出关于人和工作的决策的数据？人工智能正在模糊作者身份，侵蚀工人和组织的信心。然而，根据我们的2026年调查，很少有组织在解决这些担忧方面取得重大进展。为了保持韧性

,领导者可能需要从关注网络安全扩大到关注虚假信息安全，并建立更坚实的数字信任基础。•

谁对人类和人工智能共同做出决策时的责任负责？当人类与机器互动时，谁是老板？谁来做决定？问责制、决策权以及领导力将如何演变？人工智能正在日益影响组织决策和权力。将决策视为战略纪律——有意设计人类和人工智能共享判断和责任的方式—

—对于维持信任和保护人类能动性至关重要。做得好，人工智能可以增强而非取代人类的决策。•

人工智能如何改变我们的文化？当智能机器成为劳动力的一部分时，文化将如何转变？这对连接、信任以及组织的“人脉”有何影响？许多组织忽视了人工智能对人与人之间行为的影响，导致不一致、不信任和未解决的规范积累为“文化债务”。随着员工质疑何为努力、所有权

、公平和责任，而大多数组织很少评估人工智能的文化影响，信任和凝聚力在最为关键的时刻正在瓦解。为了避免这种悄无声息的恶化，领导者应有意加强和演变文化，使人工智能加强而不是削弱共享价值观和绩效。•

我们如何快速地协调能力和产能？人工智能正在加速工作方式的变化，优势正从在静态结构中分配人才转变为实时调配人力、技能、数据和科技。速度现在超过了规模，但大多数组织发展速度还不够快。那些不断根据结果重新配置能力的组织更有可能实现财务上的超越并创造有意义的劳动，将波动转化为机遇。学习、实验和革新，让工人不仅适应颠覆，还能塑造它。目标、价值观和文化应从静态声明转变为组织的鲜活部分，稳固它们的同时，提供适应、竞争和繁荣的自由。探索今年趋势的转折点每个转折点都为领导者提供了测试新可能性并加速向下一个曲线迈进的机会，同时也会浮现出一些不能再拖延的问题。人工智能的承诺正在迅速扩张，比以往任何时候都更深地融入工作和劳动力；然而，其潜力与现实之间的差距依然很大。弥合这一差距可能需要组织有意识地改变工作设计的方式、工人保持相关性的方式，以及领导力和文化如何促进适应。今年的报告重点关注我们的研究显示，尽管是价值强大的杠杆，但往往被忽视的选择。许多组织在这些领域尚未做出有意识的决策。接下来的章节深入探讨这些问题，阐明领导者为了在人工智能驱动的、不断变化的世界中蓬勃发展所需做出的决策。从紧张到临界点：选择人的优势5•

如何从我们的功能中获得更多价值？随着成本效益让位于价值创造，人力资源、财务和IT等核心功能应该如何演进，以适应其目的？传统功能越来越无法满足当今的业务需求，但很少有组织在超越它们方面取得进展。随着工作变得更加多学科，以及人工智能和创新需要无缝协作，组织可能需要重新思考和分解功能，围绕结果而不是僵化的结构重新组装能力。•

我们如何保持相关性？传统的变革管理与培训可能无法适应变革速度的加速而帮助组织和工人及时适应。管理变革有效的组织很少，满足持续学习需求的更是寥寥无几。人工智能正在重新定义这两者，使工人在工作流中直接学习、适应和应用新技能。构建始终在线、实时适应力的组织可以避免变革停滞和人才懈怠，将劳动力的增长和响应性转化为新的竞争优势。跃进，发挥人类优势重塑不再是断断续续的过程：它已成为工作和劳动力的新基准。那些能够蓬勃发展的组织很可能是那些将不连续性视为动力，迅速重新设计工作、角色和价值的组织，而不是仅仅回应人工智能和其他进步而回归旧策略的。随着S曲线的压缩，导航它所需的能力也在增加。曾经创新、规模化和效率是按顺序发生的，而如今它们越来越多地需要共存，常常是在同一团队甚至同一个人身上。建立人类优势现在与自身管理技术一样至关重要。这意味着不仅仅是为工人准备未来，而是构建一个能够持续学习、适应和实时再创造的工作队伍。那些勇敢地、有意识地做出选择以加强自身人类优势的人将设定成功的标准。从紧张关系到临界点：选择人类优势6尾注1.

Sue

Cantrell,

David

Mallon,Aniket

Bandekar,和

Simona

Spelman，

《提升您的人性优势》，德勤洞察行动，2025年10月27日。从紧张关系到临界点：选择人类优势7正确处理人与机器的关系为了利用人工智能来放大人类潜能，组织可以有意设计人与机器的互动。尼科·斯科普勒-威廉姆斯、苏·坎特雷尔、大卫·马隆、斯蒂法诺·贝萨纳考虑到只有14%的领导者表示他们在塑造这些互动方面非常熟练，这是根据我们2026年全球人力资本趋势调查的结果。根据最近德勤的研究，问题在于大多数组织（59%）采取了以技术为中心的人工智能方法。

3

他们将人工智能技术叠加到传统系统流程上，而不是重新思考人类与人工智能的互动、协作和决策方式。这类似于历史上许多城市被迫在新基础设施上添加老旧基础，而不是从头开始重新设计和优化流动与连接。但在这个人工智能获取迅速民主化的世界中，技术本身已不再是区分组织的唯一因素——人才才是。关键在于人们如何通过有意识的设计与人工智能互动，这才能产生差异。1机器到机器的工作流程也在不断发展。但许多人仍然分别为人和技术设计工作，而不是共同设计。这种缺乏有意识的规划让许多组织在从人工智能中获得价值方面陷入困境。尽管一些组织看到了成效，但大多数组织未能以他们需要的速度从投资中获得回报。2

组织不能寄希望于人类-人工智能的协同交互能够自然发生。N根据墨尔本商学院的最新研究，现在有60%的工人故意在工作中使用人工智能，然而，很少有组织有意识地设计人类与机器实际互动的方式。设计人与人之间的关系，并增-

组织通常正确处理人与机器的关系8图1组织表示设计人机交互非常重要，但仅有6%的组织在此方面取得了显著进步。百分比回答以下问题的受访者，一

是“设计有效地互动机器（例如，人工智能、机器人）与您的人力资源来提高组织绩效和工作力信任与幸福感有多重要？”以及二是“您的组织在解决这个问题的道路上处于什么位置？”66%認識到重要性......

with

57%

having

eforts

underway

...以及6%取得了重大进步德勤研究显示，当企业优先考虑工作设计，精心重新设计人与机器的交互和角色时，他们实现人工智能投资回报率的概率是其他企业的两倍。4

考虑一下这种情况：

一家欧洲电信公司在不改变角色或工作流程的情况下，将一个AI“专家”加入客户服务，结果只看到了5%的小幅生产力提升。但将90%的全面推广预算投入到重新设计人机交互——新的工作流程、信任阈值、升级路径和坚实的培训——后，通过代理人与AI合作，实现了30%的生产力提升。5有效的人机互动并非直观的；它不会意外发生，也不会成为默认设置

。组织应当有意设计跨组织的人机互动，既包括设计原则、治理和战略这一宏观层面，也涵盖具体的工作、员工和团队的具体互动这一微观层面。I'msorry,

butthetext

providedappearsto

be

incom很抱歉，我无法理解您提供的乱码文本。请您提供清a''""!在这一区域（图1）。我们的分析表明，在有意设计人机交互方面走在前列的组织，报告更好的财务成果的可能性几乎是其他组织的2.5倍，并且说他们提供有意义工作的可能性是其他组织的两倍。领导们越来越认识到所涉及的风险：66%的人承认，人类与人工智能互动的刻意设计对组织成功至关重要。然而，只有6%的人表示他们在引领这一领域。Ⅲe

g4pbetweenⅢosewho

recognizewhoare

making

realprogressin来源：德勤2026年全球人力资本趋势调查数据分析脚手架，用于有意的交互设计deloittei60%正确处理人与机器的关系9维度示例：硬连接示例：如此连接线路战略雄心人类与机器之间的互动如何改善商业？并且人类的结果？治理与问责制谁做出了这些设计选择？谁承担后果？如何处理？成果是否被监控和评估？设计原则您将遵循哪些原则来指导您的设计选择？道德与信任哪些伦理框架指导了这些努力？基础设施需要哪些物理和技术基础？董事会或股东治理战略规划风险与组织控制决策权组织结构技术栈•合作伙伴、联盟和生态系统劳动关系文化•领导力•

目的品牌为了在设计上在这两个层面都取得成功，它需要同时考虑硬件和软件

。.硬件连接包括正式元素，如重新设计的角色、责任、决策权和明确的升级程序，这些程序规定了何时工作从AI转向人类。软件连接包括非正式元素，如领导行为、文化和心理安全感，这些元素给予人们信任和信心，让他们敢于质疑、升级、实验和与AI学习。宏观层面的设计组织需要对工作设计的宏观维度有一个清晰的看法，以及塑造人类与人工智能实际协作的硬件和软件选择（见图2）。从明确的人类和商业成果的战略野心开始是基础性的。例如，沃尔玛国际公司高级副总裁兼首席人才官迈克尔·埃雷特强调，公司如何通过其AI战略将结果驱动和以人为本的设计原则付诸实践。他解释说：“我们设计人们与AI协同工作的方式，使其产生结果。太多的组织在未首先询问如何实现期望的结果之前，就将AI视为一个采用问题。真正需要的是行为改变——而不是技术培训。”6

尽管56%的调查领导者表示他们主要设计以商业成果为主，如成本或速度，但越来越多的领导者（40%）正在为商业和人类成果（如福祉）进行设计。另一个关键宏观维度是治理和问责。随着人机协作维度的扩展——涵盖技术、人员、流程、风险和文化——高管团队应越来越像一部交响乐。商业、信息技术、人力资源、财务、运营、风险和法律每个部门都扮演着自己的角色，所有部门都遵循同一份乐谱。超越传统壁垒，

一些组织正在采用

跨职能治理模式例如，摩德纳将一旦组织建立治理结构，领导者可以设定整体设计原则，以指导团队创造最佳的人机交互。这些原则应根植于企业的价值观和使命，因此可能因组织而异。以下是一些可以开始考虑的设计原则：•

成果驱动型：定义人类和商业成果，以放大其影响，重点关注超越人类或AI单独所能实现的结果。•

上下文：针对每个工作流程、团队、风险定制解决方案简介，以及人机关系。•

透明

创建角色、决策权限、信任阈值和

责任明确，以便每个人都能理解如何做人AI贡献共同推动卓越成果。信息技术和人力资源合并以统一技术和人员策略。

7Skillsoft的AI委员会实现了跨部门监督。8

迪士尼首席AI与合作官专图2工作设计宏观维度注于提高企业间的协作。

9deloittei来源：德洛伊分析。正确处理人与机器的关系10维度示例：硬连接示例：如此接线工作具体包括哪些工作旅程或流程？角色分配：人类与AI人类做什么工作？人类需要哪些技能和能力？人工智能模型或代理被设计来执行哪些任务？人机关系人类和人工智能如何协作？相对水平是什么？人类代理与人工智能自主性是否需要？队伍组成和激活如何快速将合适的人类群体和代理结合在一起？高效完成任务？人类和AI是如何为工作准备的？彼此之间？表现、学习与反思人类和人工智能的表现与增长如何得到支持？评估与适应如何监控、评估和改进工作努力和产出？时间？安全/数据访问对于工人和人工智能来说，哪些应用或数据资源是必不可少的？此数据是如何随时间进行监控和优化的？工作/角色设计•职业架构流程和程序工作区、工具和设备人才获取人力资源管理入职培训人類學習和發展AI以及AI代理的培训和强化精神知识管理人力资源服务交付IT服务交付数据工程与数据管理网络管理实践文化合作与团队协作•

以人为本：提升人类的主观能动性、创造力、判断力、同理心和领导力。人工智能应该放大而非削弱使我们与众不同的人类特质。•

赋权：

设计人工智能系统和文化，使工人们是

敢于挑战、升级、实验和从中学习成功与失败SavetheChildren展示了围绕信任做出的选择如何加速采用并产生影响。该组织的早期通用人工智能试点实现了碎片化的采用。为了解决这个问题，该组织通过各种机制，包括培训、领导参与和使节网络，致力于构建一种充满好奇、学习和合作的文化。该组织还明确了何时以及如何使用通用人工智能的界限。这种方法迅速将每周的使用率翻了一番（从36%增加到71%），并且

…

…微观层面设计在组织层面建立基础之外，领导者还需要考虑如何设计对于每个团队和不同类型员工而言都最优化的人机交互。工作设计的微观维度将根据工作内容、人类与AI的相对角色、团队构成等因素而有所不同（图3 )。例如，考虑一下7-Eleven如何重新设计了人类和人工智能的角色。当快速的人工智能自动化威胁到使公司的专业招聘角色变得过时时，它通过推出“Rita”——一个自动化95%的常规招聘任务并每周节省40,000小时的AI助手——来重新设计角色，而不是取代它。随着流利度和采用率的提高，该组织能够将人工智能应用于更多创造价值的场景（将复杂任务应用从10%增加到45%）。安全护栏意识从42%提高到70%，协作学习从36%提高到60%。在加强其能力和文化后 ,该组织现在能够重新设计工作和角色，以产生更大的影响。10•

自适应：

设计人类-人工智能系统，以实现持续学习、反馈和进化

,确保它们能够持续产生结果并适应需求的变化。图3工作设计的微观维度deloittei来源：德洛伊分析。正确处理人与机器的关系11图4众多设计人机交互的方式人工智能作为老板在人工智能的指导下、分配和监控下，人类被设定优先级和管理绩效，而人类则执

行具有有限自主权的工作。人工智能作为教练，人类通过人工智能获得反馈、指导、推动和洞察，以学习、适应和提升表现或

技能人工智能作为迭代合作者和思想伙伴与人类协作，

AI共同承担创意或复杂任务和决策的责任人工智能作为助手例如，优先列出任务清单或提出后续跟进的机会，由人类根据AI的推荐做出决策。人工智能作为直接汇在报人象类进行指导、控制、审核或验证AI输出时人工智能作为替身在人工智能从人类或一群人类那里学习模仿他们的行为、行动和决策，以便将人类

价值观进行扩展的地方人工智能作为自主工作者人类与AI互动非常少，甚至没有互动，因为AI在执行附加值较低的任务时是自动运行的，以便让人类专注于附加值较高或复杂的任务。来源：德洛伊分析。组织如何选择合适的互动类型？除了选择适合工作类型和期望的商业及人类成果的关系外，组织还需要根据工人本身选择和调整互动类型。偏好各不相同：例如，创意专业人士可能会抵制他们认为的AI微观管理，而其他群体可能更倾向于从AI那里获得更直接的监督或指导。让工人在选择过程中参与，并明确如何与AI互动，对于采用和参与至关重要。正如Highmark

Health企业人力资源部高级副总裁MarciaOgl

an所说：“要使像AI这样的新技术带来的变革成功，员工参与必须持续且多层次——而不仅仅是单一沟通。员工需要反复、明确的指导，了解如何与AI合作。”14每种交互类型都要求采用不同的硬件和软件连接方法。例如，

一个AI“直接汇报者”需要严格的协议和培训，而“迭代合作者”则更多地依赖于信任、开放沟通和适应性。一个AI“教练”能从结构化反馈和持续学习的文化中受益，而在“上司”角色的AI则需要清晰的升级路径和道德界限。一个关键但往往被忽视的维度是选择正确的人机交互类型。工人可以通过多种方式与人工智能互动。工人与人工智能的日常互动类型有很多——从人与人工智能合作监督人工智能的工作，到人工智能充当老板指导他人工作的情况，再到人与人工智能以开放式、高度迭代和互动的方式进行合作，其中人工智能扮演着灵感之源、思想伙伴、导师或表现教练的角色（图4）。

12例如，大都会人寿选择了人工智能作为其呼叫中心员工的教练，利用人工智能驱动的实时辅导工具，帮助员工以更大的同理心和效率应对充满情绪的电话。这种方法提高了经验和结果——将客户满意度提高了13%，减少了通话时间，并降低了员工的压力。该公司的最新创新“成长重置”使用招聘人员的工作重点从交易性任务转移到战略性地支持门店领导者，与门店更紧密合作，提高招聘质量并加强入职培训。通过重新设计的职位、简化的工作流程和强有力的领导支持，招聘人员提升了人才适配度并降低了流失率，展示了如何通过有意的重新设计将替代风险转化为更大的组织价值。

11人工智能监测员工压力，并在困难通话后主动提醒个性化的恢复休息

。通过将人性化的同理心与人工智能的洞察力相结合，并不断优化这些交互，大都会人寿正在为关怀、韧性和绩效设定新的标准。13为了优化人与AI之间的关系，组织应明确界定希望员工与AI进行交互的类型，并支持他们与AI建立健康、高效的关系。deloittein低AI权威高AI权威正确处理人与机器的关系12一家跨国消费品公司正在将这种定制方法付诸实践。企业领导者与来自数字和科技服务、人力资源、法律和洞察力的团队协作，将每种互动类型与工作和特定员工的需求相匹配。正如全球人才战略和继任副总裁所解释的那样：“当我们分解工作内容时，我们问自己：哪些工作可以完全由人工智能处理，在哪里划界让代理人转交给人类？有时这是一种组合——人工智能完成工作，人类进行检查，或者相反。最终 ,我们问：哪种互动类型对哪种员工最有用？”

15组织应意识到随着每种互动类型产生的潜在后果。例如，在使用人工智能作为直接汇报时，将常规任务转移到人工智能上通常会让人类面对人工智能的过度依赖也可能导致工人孤立，因为智能技术取代了同伴合作。组织应从一开始就努力预见并解决这些无声的影响，以确保人与人工智能之间健康、有效的互动关系。通过设计放大潜力有意设计人与机器的关系，不仅仅是提高效率；它还为价值创造、人类繁荣和组织韧性开辟了新的领域。未来可能不会奖赏最快采用者，而是最有意的设计者：那些把人工智能视为邀请更多人为其组织真正卓越做出贡献的人。临更复杂、更具挑战性的工作，需要可形式

.更强大的问题解决技能和新的认正确处理人机关系131.

尼科尔·吉莱斯皮和史蒂文·洛克伊，《关于一半使用AI的员工承认不适当地使用》，《快公司》，2025年4月30日。2.

IBM，“IBM研究：CEO们在应对企业挑战的同时加大人工智能投入”，

新闻稿，2025年5月6日；Gartner，“Gartner预测2025年全球人工智能支

出将达到1.5万亿美元”，新闻稿，2025年9月17日。3.

苏·坎特雷尔和大卫·马拉恩，《放大您的人性边缘》，德勤，2025年10月27日。4.

同上。5.

Stephen

Creasy,

Ignacio

Ferrero,Tomás

Lajous,Victor

Trigo,和

Benjamim

Vieira，《如何使生成式人工智能重塑电信业的盈利能力》，麦肯锡，2024年2月21日。6.

迈克尔·艾赫雷特（沃尔玛国际资深副总裁兼首席人力资源官），采访

苏·坎特雷尔，2025年10月。7.

索勒·拉希迪，《莫德纳变革性的重组将人力资源和信息技术合并》福布斯

2025年8月28日。8.

Jen

Colletta，《如何Skillsoft鼓励员工在通用人工智能上进行“实验”的同时保持道德规范》，人力资源执行，2024年6月17日。9.

玛雅·德里克，《为什么迪士尼要引入合作与人工智能副总裁职位》科技杂志

，2025年9月4日。10.

德勤，《案例研究：

Redd

Barna（救助儿童会）》，2025年11月访

问。11.

Rachel

Allen,“7-Eleven使招聘人员变得不可替代的关键是将某些任

务替换为人工智能,”悖论，2025年2月17日。12.

Sue

Cantrell，Thomas

H.Davenport，以及Brad

Kreit，《加强人与机器协作的纽带》

德勤洞察,2022年11月22日。13.

Mukai

Reiko（MetLife日本人力资源总监），

NicoleScoble-Williams采访，2025年10月24日。14.

马克西亚·奥格兰（企业人力资源高级副总裁，

Highmark

Health），

采访于维克多·雷耶斯，2025年10月。15.

Deloitte客户访谈：苏·坎特雷尔，2025年10月。正确处理人与机器的关系

14尾注致谢The

authors

would

like

to

recognize

the

expertise

of

Nitin

Mittal

,Stuart

Scotis

,Dr.

Elea

Wurth

,

约翰·艾克兰德

,

史蒂夫·艾利奥特

,JoanPereSalom,

弗朗克·谢隆

,

罗伯特·桑德森

,

DougSchairer，并且

Aniket

Bandekar

其洞察力、观点、深思熟虑的分析和富有创意的视野极大地丰富了我们的探索，并使叙事更加锐利。一份特别的感谢留给了

阿布哈·基肖尔·库尔卡尼并且

卡伦·瓦茨·赫内泽斯

鉴于他们细致的研究和坚定的支持，这对完成这项工作至关重要。正确处理人与机器的关系15事实还是虚构？人工智能正在模糊人与工作之间的界限。在生成式人工智能时代，了解关于人和工作的真实、相关或有意义的信息变得越来越困难。我们如何大规模地管理虚假信息？斯蒂法诺·贝萨纳和苏·坎特雷尔O.组织在极度依赖数据的时候，却在失去对工人和工作数据的信任。数据一直是现代组织的基础——一种推动决策、实现预测洞察并维持韧性的关键资源。但是,数据

…

…

1

For

decades,

data

has

-没有信任可能带来的危害大于益处。生成式人工智能和代理系统现在可以以惊人的规模产生内容，可能模糊作者身份，放大偏见，并且制造出回音室，让人们只能接触到强化现有信念的信息。区分真实与虚假的挑战日益增大，这个问题可能会随着时间的推移而恶化。例如，根据SEO公司Graphite的数据，截至2025年5月，超过一半的新网络文章主要是由人工智能生成的

。2

从ChatGPT之前的5%上升到3

尽管石墨报告称，谷歌排名前86%的页面仍然是人工编写的，4

这种合成波可能会影响从SEO到模型训练等各方面的数据质量。事实还是虚构？人工智能正在模糊人与工作之间的界限16图1组织表示，解决劳动力数据可信度下降的问题很重要，但只有5%的组织在这方面取得了巨大进展。工作及劳动力数据（例如虚假信息）的质量和可信度下降有多么重要？贵组织在应对这

一问题的道

路上处于什么位置？61%認識到重要性......

with

56%

having

eforts

underway

...并且5%取得了巨大进步即将到来的AI风暴组织长期致力于为他们的个人信息创造一个干净、单一的真实来源。尽管取得了进展，AI的兴起可能会带来新的复杂性。真实性的侵蚀信任数据或信息来自于知道它是真实的——即它未被修改，并且源自可验证的来源。但人工智能生成的内容挑战了真实性，常常使得区分真正的天赋和复杂的虚构变得困难。许多组织现在正在质疑关于员工及其工作表现数据的合法性。我们对员工技能和能力的数据有多可靠？我们能否相信求职者的简历？这不是一个遥远的技术问题；这是一个紧迫的企业风险，可能会影响组织的品牌、声誉、财务和运营绩效。然而，根据德勤2026年全球人力资本趋势调查，仅有5%的组织在应对工作与员工数据质量下降和可信度下降方面取得了显著进展（图1）。为了应对这些挑战，组织应考虑将关注点从网络安全扩展到虚假信息安全，并建立数字信任协议来保护与工人相关的数据。I'msorry,

butthetext

providedappearsto

be

incomplete很抱歉，我无法理解您提供的乱码文本。请您提供清晰、a''""!Ⅲe

g4pbetweenⅢosewho

recognizewhoare

making

realprogressin来源：德勤2026年全球人力资本趋势调查数据分析事实还是虚构？人工智能在人与工作之间模糊了界限。17deloittei56%代理权的侵蚀随着真实性的崩溃，代理权也随之丧失——这是行动与其作者之间清晰、明确的联系。确定哪些作品是人类创作的，哪些是AI生成的，变得越来越困难，部分原因是受不受监管的AI工具的灰色经济日益增长

。41%的人表示他们已经使用AI来自动化部分工作，通常是在雇主不知情的情况下。结果是形成一个并行数据生态系统，其中AI在工作场所中模糊或模拟人类的贡献。毫不意外，我们调查中的80%的执行官认为，员工正在使用AI来表现得比实际更高效。如果我们不知道谁做了什么，我们如何奖励和评价员工？代理权也在技术本身的演变中逐渐丧失。人工智能正从辅助工具转变为作品的共同创作者，模糊了作者的界限。当人工智能生成的输出与纯粹的人类工作难以区分时，评估工人及其工作可能会变得具有挑战性。人类和机器的贡献是否应该共同评估？是否需要披露谁或什么创造了关键工作成果？或者当成果强大时，这种区别真的重要吗？这是人才招聘中的一个特别问题。人才市场中的数据比以往任何时候都更加丰富，但身份和能力通常并不明确。我们的2026年调查发现，95%的执行官都担忧收集到的关于候选人技能和能力的数据的准确性——而且有充分的理由：略超过三分之一的工人承认他们经常使用AI来美化个人简介。

.人工智能生成的简历可能会夸大候选人的工作范围或技能，捏造可量化的成果，或者将内容与职位描述完美匹配，暗示候选人的专业知识比实际拥有的要深。同样，候选人可以提交他们自己没有创作的作品集——设计、写作或代码。真实性进一步受到合成身份的考验。现在人工智能可以伪造整个候选人，包括深度伪造的面试。例如，一家安全公司采访了一位人工智能深度伪造候选人，并通过要求他们执行一个简单的身体动作——在面前挥手——揭露了欺骗行为，正如报道中所述。注册表.5高德纳的一项预测显示，到2028年，每四个求职者中可能有一个是人工智能。6

不仅引发雇佣问题，还带来恶意渗透的风险。组织中就有4个发布职位却无意招聘——只会加剧人才市场充斥着虚假信息的印象。

12

但是这个问题并不仅限于职场人才获取。考虑一下AI驱动的欺骗如何已经导致数百万美元的欺诈行为，例如，网络犯罪分子利用deepfake技术在一个视频会议中伪装成公司的首席财务官，最终说服一名员工支付2500万美元。

13尽管组织越来越意识到外部信息错误的风险，但内部数据质量问题往往被忽视。在我们2026年的调查中，近一半（48%）的高管担心人工智能可能直接将错误信息引入公司数据集，其中微小的错误可能会引发重大的运营和道德失败。批评判断的侵蚀或许最大的长期威胁是认知能力的衰退。随着工人越来越依赖AI来完成工作，越来越多的人担心他们可能会失去关键的判断力。14

并且领域专业知识，15

在过程中削弱自身能力并失去技能。在我们的调查中，42%的高管表示他们已经担心员工过度依赖人工智能来完成基本认知任务。

人们将人工智能视为提供答案的技术。相反，我们需要将人工智能视为可能并非总是拥有100%准确答案的思想伙伴——如果我们将其视为知识伙伴，那么一个灯泡就会亮起，”沃尔玛高级副总裁兼首席人才官迈克尔·埃雷特说。

16即使候选人真的是真人，面试也越来越难以信任。雇主们报告称，人工智能辅助的回答掩盖了申请者的真实能力，导致一旦被雇佣，核心的人类技能表现令人失望。

7

一些组织，包括谷歌，正在考虑恢复面对面面试以重申真实性。

8同时，自动化创造了一种“机器人对抗机器人”的动态：候选人使用人工智能来批量生成申请和完成评估。

9

当雇主使用人工智能来筛选他们两个主要风险在这些条件下出现：•

Workshop:新兴研究发现报道了《华尔街日报》表明人工智能并不总是使表现趋于平均——它放大了表现。

17

经验丰富的工人可以用人工智能来扩展他们的专业知识，而技术水平较低的工作者更有可能产生“粗制滥造”的作品：虽然可以应付过去但肤浅，掩盖了薄弱的逻辑思维并阻碍自己的发展。

18

一旦这份低质量工作进入组织数据 ,

AI模型就会从中学习，污染训练集，以至于后续的训练无法完全消除这种影响。

19结果是简历噪音和“雇佣垃圾”，其中真实人类经验的指标丢失幽灵职位的兴起——根据简历构建器的数据，2024年每10个事实还是虚构？人工智能正在模糊人与工作之间的界限时。了。1011•

人工智能回音室：人工智能工具越来越反映用户的过往输入、语气和偏好。AI可能不是拓宽视野，反而可能使其变窄，强化现有的信念和组织规范。例如，如果营销专业人士经常围绕某一受众类型策划活动，AI很可能会建议类似的策略，而不是多样化或非常规的方法。同样，如果AI在内部公司数据——如报告、政策、电子邮件和先前的项目——上进行训练，它就会继承该组织的文化、规范和盲点，强化“我们一贯的做法”。随着时间的推移，员工可能会收到更少的思维挑战

,更多对他们已有假设的验证，导致数字群思维和独立判断能力的进一步下降。领导者与工人如何利用工作和工人数据应对这些挑战，以帮助建立真实性？有两条可能的路径：

一是转变思维，关注虚假信息的安全，二是采取措施帮助工人辨别什么是真实的，什么是虚假的。虚假信息安全：构建新的数字信任协议随着作者身份、代理权和判断力受到质疑，从网络安全转向虚假信息安全对于保护工作和工作者数据的真实性至关重要。组织不再只是保护系统免受外部威胁，还应该保护与工作者相关的数据不受操纵和伪造。这意味着通过以下实践建立新的数字信任契约：实施人工智能血缘映射人工智能的可靠性仅取决于其训练数据，而不可靠的数据即使在内部系统看似健全的情况下也可能造成问题。例如，有一家媒体公司正积极清理和验证其数据，以支持用于内部和客户使用的道德训练人工智能系统。该公司首席人力资源官解释说：“为了有效地利用人工智能，我们最重要的事情就是确保数据准确。我们一直在内部进行实验，并与外部专家合作，了解他们的做法。我们学得越多，就越意识到其潜力，但也意识到其局限性。如果没有真实可靠的数据，我们不仅面临风险，而且无法认识到人工智能的潜在价值。”

20人工智能本身可以通过自动化血缘映射来支持这项工作：追踪数据在训练和推理过程中的来源、转换和使用。区块链等技术可以通过创建每个数据交易的不可变、带时间戳的记录来进一步增强血缘，将信任直接嵌入到架构中。一群人力资源供应商正共同努力，利用来提升人才数据的可信度和互操作性。区块链21

相关联的、针对验证求职者和项目团队成员资格的区块链

技能验证解决方案正在涌现。组织可以验证一个人的工作经验、获得技能、职务名称等，然后员工可以决定他们希望与潜在雇主分享哪些验证资格的哪些部分以及分享多长时间。

22

公共部门也在积极跟进；新加坡未来技能计划发放防篡改的数字证书，以验证劳动力技能和资质的真实性。

23进行人工智能风险评估通过进行压力测试或红队演习，发现贵组织特有的漏洞所在。这些演习可以帮助识别潜在的故障点，包括数据中毒、模型偏差或与组织目标的脱节，从而在造成重大损害之前将其揭示。尽管AI风险模拟仍是一个新兴应用，许多网络安全公司现在正在创建虚拟平台，允许客户模拟潜在场景。例如，IdentifiGlobal创建了一个平台，具有实时生物识别验证、审计跟踪和欺诈检查机制，使人力资源部门能够模拟深度伪造候选人并培训员工识别他们。

一位客户利用平台在C级职位最终面试阶段帮助招聘人员识别背景不一致，避免了录用安全漏洞。人工跟进确认了深度伪造冒充的企图，避免了数百万潜在损失。

24事实还是虚构？人工智能在人与工作之间模糊了界限。19例如，Autodesk创建了AI透明卡。这些卡片模仿了食品包装上的营养成分标签，每张卡片都清楚地展示了在内容创建过程中AI的应用方式 ,包括模型所做的工作、所使用的数据、数据的保护措施以及实施的安全保障。

29其他组织，比如一家大型制药公司，正在尝试给从电子邮件到演示文稿的一切内容都贴上标签，揭示了在内容生产中人工与AI所占比例的连续谱。

30一条通往更可信数据之路对工作和劳动力数据的怀疑可能会持续存在——即使组织加强验证和认证系统——因为通用人工智能将继续重塑信息的产生和感知方式。真正的挑战不仅是技术上的，也是基础性的：在合成智能时代保持意义、作者权和责任。组织未能应对这些转变，将损害人类判断和组织文化的基础。在没有批判性监管的情况下过度依赖人工智能可能导致效率高但道德低、速度快但公平性差、可衡量但无意义的决策。在这样的环境中，人机协作在设计上变得负有责任：技术加速洞察，而人类仍然是解释和判断的最终守护者。判断性决策：帮助工人理解真相尽管技术工具在迅速发展，但值得注意的是，它们仍然具有概率性，而非确定性。谷歌首席执行官桑达尔·皮查伊在接受BBC采访时表示：“我们为尽可能提供准确信息所付出的努力感到自豪，但当前的尖端人工智能技术仍有可能出现一些错误。”26

人类判断能力在确定什么是真实的事物中仍发挥着重要作用。组织可以通过以下实践来培养这些技能：教育招聘经理和招聘人员招聘经理可能没有意识到虚假求职者数量的增加。BrightHire首席执行官本·塞塞尔对CNBC表示：“他们负责人才战略和其他重要事务，但

一直以来，站在安全最前线并不是他们的工作之一。”27

确保招聘和人才获取过程考虑到与人工智能相关的风险以及合成或不可验证的候选随着我们增加人工智能的应用，我们警觉地保持人类判断的重要性，尤其是对于复杂或敏感的决定，“我们的副总裁表示，一家跨国消费品公司全球人才战略和继承部门说：“我们的注意力很大程度上在于寻找正确的平衡：我们希望在可能的情况下实现自动化，但我们也深刻意识到人类监督不可或缺的时候。”28促进工作成果的透明度实时动态身份验证当网络安全公司Pindrop意识到需要采取行动时，它发现在其自身组织中，每6份求职申请中就有一份显示出明显的欺诈迹象，且有众多候选人在现场面试中使用了深度伪造技术。候选人绕过了现有的每一层防御措施：比如简历扫描、关键词匹配、参考核实和身份验证检查。为了解决这个问题，公司开发了一套工具，允许人才招聘和安全团队持续验证候选人的身份，确保屏幕上的人在整个流程中都是同一人。此外，还开发了检测合成媒体或第三方辅导迹象的技术，以及标记评估反思和判断能力培训随着人工智能在工作中的日益融入，组织应将反思能力——即反思自身行动和思维的能力——作为核心技能，鼓励个人质疑人工智能如何影响他们的判断和决策。组织还可以考虑明确披露工作成果是否由人工智能创建或共同创建，以帮助他人在使用时做出判断。、面试和入职步骤中存在的差异的方法。

25性日益增加，同时也需要验证AI代理的身份。事实还是虚构？人工智能正在模糊人与工作之间的界限人数据，这一点尤其关键。对验证人类身份的重要尾注1.

德勤，《信任：开启量化组织的钥匙》，访问于2025年11月。2.

Jose

Luis

Paredes,Ethan

Smith,

Gregory

Druck,

和

Bevin

Benson，

《现在由人工智能创作的文章比人类还多》，

Graphite，2025年11月6日查阅。3.

兰诺·艾利恩：“现在AI写下了互联网一半的内容，但仍然排在人类后面。”eWeek，2025年10月16日。4.

艾坦·史密斯、格雷戈里·德鲁克和何塞·路易斯·帕雷德斯，《人工智能

生成内容在搜索引擎和问答引擎中的表现如何？》石墨，2025年11月6日查阅。5.

杰西卡·莱昂斯：“我是一名安全专家，我差点两次被朝鲜风格的深度伪

造求职者欺骗

…

…”注册表,2025年2月11日。6.

高盛，“高盛调查显示仅有26%的求职者信任人工智能将公正地评估他

们”，2025年7月31日。7.

尤金·金：“亚马逊热爱人工智能，除非应聘者在面试中使用了它。”商

业内幕,2025年2月28日；詹姆斯·蒂特康布，《聊天机器人如何将就业

市场推向混乱》

《电讯报》2025年8月19日。8.

Elise

Bathurst（谷歌人力运营、战略运营和特别项目总监），与SueCantrell的访谈，2025年10月30日。9.

安妮·洛瑞，“就业市场就是地狱。”大西洋

，2025年9月8日。10.

Sarah

Kessler，《雇主被人工智能生成的简历淹没》《纽约时报》，

2025年6月21日。11.

本杰明·爱德华兹，《简历正在消亡，

AI手握枪支》，

Ars

Technica，

2025年6月24日。12.

简历构建者，“目前有30%的公司列出虚假招聘信息”，2024年6月18

日。13.

陈慧儿和凯瑟琳·玛格拉莫，《金融工作者在与深度伪造“首席财务官”

的视频通话后支付2500万美元》，

CNN，2024年2月4日。14.

克里斯·韦斯fall，《人工智能的阴暗面：追踪人类认知技能的衰退》福布斯,2025年1月7日。15.

郝平（汉克）

·李等，《生成式AI对批判性思维的影响：知识工作者调

查中的自我报告认知努力和信心下降效应》，计算机协会，2025年4月25

日。16.

迈克尔·埃雷特（沃尔玛高级副总裁兼首席人才官），与苏·坎特雷尔访谈，2025年10月。17.

马修·卡勒，《为什么人工智能将扩大超级明星与其他人的差距》

《华尔街日报》

，2025年10月12日。18.

凯特·尼德霍弗、加布里埃拉·罗森·凯勒曼、安吉拉·李、亚历克斯·利布斯cher、克里斯蒂娜·拉帕诺和杰弗里·T·汉考克，“AI生成的‘作品垃圾’正在摧毁生产力。”《哈佛商业评论》,2025年9月25日。19.

Sue

Cantrell,

David

Mallon,Aniket

Bandekar,和Simona

Spelman,《从人工智能中获得价值的途径？扩大您的人文优势》，德勤，2025年10月27日。20.

客户访谈：与Jason

Flynn，2025年10月。21.

速度，“凭证预言机网络”，2025年11月访问。22.

Infosys，《基于区块链的Infosys技能验证系统》，2025年11月访问。23.

SkillsFuture,“WSQ数字证书：提升个人和雇主的技能、生产力和增长，”2025年11月访问。24.

Identifi

Global，\"MeaConnexus如何保护您的公司免受深度伪造面

试欺诈，”访问于2025年11月。25.

克里斯汀·奥尔德里奇，《从访谈到情报泄露：我们揭露的协调招聘

计划那一刻》，Pindrop，2025年7月28日。26.

Faisal

Islam，

Rachel

Clun和Liv

McMahon，《谷歌的Pichai说不要盲目相信人工智能所告诉你的》，

BBC，2025年11月18日。27.

休·森，《假求职者涌入招聘远程职位的美国公司，科技CEO们表示

》，

CNBC，2025年4月8日。28.

Deloitte客户访谈：苏·坎特雷尔，2025年10月。29.

德勤TrustID研究，2025年。30.

德勤客户访谈，2025年。事实还是虚构？人工智能在人类与工作之间模糊了界限。致谢TheauthorsaregratefultoReemJanho

,

马克·索洛

,

Bhawna

Bist

,埃里克·博克尔贝格,威廉·多彻蒂,

雷切尔·尼尔

,麦肯齐·威尔逊,

Ashley

Reichheld,布拉德·克赖特

,

Gary

Parilis

,

塔拉·马胡蒂安·莫塔齐

，并且

AdnanAmjad

对他们在那个时期内的投入、协作以及加强这项工作的努力表示感激。一份特别的感谢留给了GwenWidicus对她可靠的调研支持和细致的协调工作表示赞赏，这有助于将工作从草案推进至完成。事实还是虚构？人工智能在人与工作之间模糊了界限22人工智能与人类决策的未来随着人工智能改变决策，组织如何才能基于人类能动性和信任做出高质量决策？大卫·马隆，朱莉·杜达，斯蒂法诺·贝萨纳，玛雅·博达以不同方式？当AI参与决策时，组织如何提升投入和监管？在每个决策中，AI与人类的最佳组合是什么，既要利用足够的技术自主性提高速度、一致性和规模

,同时也要保持足够的人为能动性？人工智能具有变革人类决策的潜力。然而，组织首先应将这个过程视为战略学科，然后据此设计人机决策关系。做好这件事，AI更有可能提升人类判断力，而不是取代它。今天的警示故事可能成为明天的竞争优势。模型未训练以检测的细微差别。一家工业制造商将人工智能引入董事会以揭示风险；董事们了解到它可能被操纵以实现个人目标。这些故事不是科幻小说。它们可能每天都在发生，并且确实在发生，它们引发了一些重要的问题：本可能发生什么？科技公司推出一款旨在加速招聘的人工智能简历筛选器，却发现它悄无声息地学习过去的偏见，拒绝合格候选人。

一家零售服务机器人做出公司不愿兑现的承诺。医院里的临床医生依赖一项能够加速治疗但降低他们发现能力的条件警报工具。A人工智能与人类决策的未来23使用剪刀奔跑：人工智能与决策今天的领导者面临的选择比以往任何时候都更加嘈杂、快速和充满风

险。仪表板数量增加，数据流扩大，但领导者很少停下来质疑这些信

息的来源或是否可以信赖它们。

1

在一项2023年Oracle的研究中，8

5%的企业领导者后悔或质疑他们过去所做的决策。此外，72%的这些领导者表示，数据量之大以及他们对数据的缺乏信任阻止了他们做出

决策。任何

决无选择。2许多人将人工智能视为解决方案。在我们2026年全球人力资本趋势调查中，60%的高管现在定期使用人工智能来支持他们的决策。Gartner预测，到2027年，一半的商业决策将通过人工智能代理进行增强或自动化。

3甚至董事会也开始使用人工智能来辅助决策。

4

但是，AI在决策中的应用可能正在超越组织监管。作为一种根本性的新技术，AI带来了独特的挑战。•

建立决策与后果之间清晰的职责链条，这在“黑盒”算法以及模型数据可能存在的偏见或不准确性面前可能颇具挑战。

5随着组织扩大AI辅助决策，许多人发现AI放大了现有缺陷而不是解决

问题。德勤的“高影响力决策智能”研究显示，高质量的决策是一项可以学习、改进和扩大的学科。然而，在该研究中，超过一半的组织（57

%）处于低决策成熟度，很少有组织教授决策技能或提供必要的工具来支持决策。13

高度成熟的组织更有可能同时做到这两点，并且使决策策略明确。

14人工智能正在重塑组织决策，无论组织是否做好准备。为了提高决策质量并降低风险，组织应首先将决策能力作为一个独立的技能进行磨炼，然后有意设计人与人工智能作为决策者相互作用的模式。•组织缺乏必要的道德框架或努力将它们付诸实践10•

保险公司不愿为企业的AI应用提供保险，因为潜在风险的规模和不确定性较大。

11•跟上人工智能领域复杂且不断变化的法规要求12我们的调查数据显示，尽管存在风险，人工智能和决策的问题仍在浮现：近三分之二（64%）的受访者认为这对他们的当前成功非常重要

,还有类似比例的人正在采取措施解决这一问题。然而，只有5%的人认为自己在这方面处于领先地位（见图1）。•人们对人工智能做出的决策感到较少拥有感6

并且更有可能在将决策委托给人工智能时表现出不诚实。

7•管理人员未准备好成为“AI的监管者”。8

并且许多高管缺乏足够的AI素养以参与监督9•

人工智能代理在速度和规模上与人类截然不同，模糊了监管并加剧了对传统控制的压力。人工智能与人类决策的未来24图1组织表示，解决人工智能对决策的影响至关重要，但只有5%的组织在这方面取得了显著进展。百分比回答问题“处理人工智能对决策和领导的影响的重要性，包括相关技能和人类能力、决策权、问责制体系和平衡人与机器行为的能力如何？”和“贵组织在处理这

一

问题的道路上处于何种位置？”的受访者64%认为……的重要性

…

…

...

with

62%

having

eforts

underway

...并且5%取得了巨大进步提升决策领域的学科水平无论是否启用AI，那些将决策视为一门严谨学科的机构始终优于同行。15

仅仅把决策视为一种能力就是一个不错的起点。一个简单的例子：难以逆转或不可能逆转的决定——单向门——需要系统性的决策，而容易逆转的决定——双向门——可以迅速做出。

16

此框架有助于团队迅速进行可逆转的赌注，同时使不可逆转的行动受到更高的审查。I'msorry,

butthetext

providedappearsto

be

incomplete很抱歉，我无法理解您提供的乱码文本。请您提供清晰、a''""!机构可以利用决策框架来分类选择并预先指定每个类别的负责人、数据、限制因素和速度（见图2）。亚马逊的一扇门对与两扇门对模型提供了Ⅲeg4p

betweenⅢosewho

recognizewhoare

making

realprogressin来源：德勤2026年全球人力资本趋势调查数据分析deloittei59%人工智能与人类决策的未来25元素定义问题含义风险特征潜在的后果和可逆性更高的风险：更大的谨慎和咨询频率•O

en

made

或

one-o频繁：进行实验或自动化的机会一

：定制分析和明确的领导呼吁紧急性与重要性时间敏感性vs.

战略价值•路线如下：立即执行、安排、委派或忽略时间范围后果的时机将关键绩效指标、资金和风险与时间范围对齐：

现在赢versus为未来做准备确定性/风险/不确定性已知与可预测的未知与真正的未知数•

已知/可量化：模型风险•不确定：使用自适应剧本混乱程度（Cynefin）

一个明显的因果关系如果环境是

…

…明确：使用最佳实践复杂：采用专家分析复杂：探感应混乱：采取稳定行动创建选项与承诺•扩大或限制未来的选择扩大：当作实验对待•承诺：视同资本投资护栏关键vs.寻求价值敏感度、规范或特殊程度的程度要求决策者(i.e.,

证书)•

固定栏：使用规则和审计•寻求价值：运用创新的风险-收益计算法deloittei设计决策严谨与诚信大多数组织仍然将决策视为会议和仪表盘的副产品，而不是值得明确设计和关注的对象。为了增加严谨性和完整性，请考虑以下建议：•

浮现出那些重要的决策。

决策的严谨性和诚信始于揭示重要决策 ,明确负责人和输入，并在工作流程中明确这些结构。麻省理工学院关于智能选择架构的概念在这里很有用：与其试图预测一个单一的“正确”答案，领导者应该有意塑造决策发生的环境，以便更好的选择更容易且更可靠地做出。

17•

鼓励基于稳健的决策和文化。

一个强大的决策基础（即数据和假设）对决策卫生至关重要，尤其是在人工智能领域。定义构成适合决策的证据，以及如何使用这些证据。人工智能的进展。建立重视坦诚、证据和决策质量而非政治或等级的规范。设计决策权和治理架构德勤关于组织设计的研究发现，许多组织对决策权缺乏清晰的认识。1

8

人工智能可能会加大这里的压力，进一步混淆决策权。为了达到清晰度，组织可以采取以下措施：

•

现代化人工智能决策权。

大多数组织已经承认人类需要

在

关于人工智能做决策的循环——由人类监督结果。他们也在努力让人类参与其中。

在通过确保人与AI迭代工作，来回传递任务。在界定谁做什么时，采用以人为中心的决策权模型（例如，经典的RACI项目管理工具，包含四个关键责任：负责人、责任者、咨询者和知情人）。注释：

一个

一个用于辅助决策的概念框架，由IBM全球服务部的DaveSnowden于1999年创建。

Cynefin是威尔士语中“栖息地”的意思。

CognitiveEdge，2010年7月11日。来源：德洛伊分析。图2决策框架的要素人工智能与人类决策的未来设计以增长决策能力这是一种讽刺：许多组织在教授人工智能如何做决定的同时，却假定人类已经知道如何做。以下实践可能会有所帮助：•

将决策视为领导力发展努力的关键基础。人工智能赋能的决策正成为现代领导者定义中的关键要素，而且这是可以学习的。例如，在领导力发展项目中，领导者可以学习如何构建和测试假设来指导决策

,并将其与数据处理能力相结合，以便领导者能够用数据来质疑不确定性。为了加速一线判断，BAE系统推出了一个基于案例的学习项目，将领导者置于现实、高模糊性的场景中。团队在压力下练习做决策，测试信任哪些信息以及如何构建假设，然后根据明确的标准进行总结。重复训练增强了严谨性而不减慢速度，早期反馈显示跨职能协作更好，决策更快、更自信。

25•

培训管理者管理人工智能。

管理技能现在包括管理机器和人员：界定代理自主权、评估模型输出以及知道何时进行干预可能是大多数人需要掌握的新技能。26

这个问题可能会随着组织的扁平化和控制跨度增加而变得更加困难。

27DBS银行通过其PURE原则（有目的的、不出所料的、尊重的、可解释的）和由高级委员会监督的责任AI/数据使用框架来强化决策的完整性。这些标准指导着面向员工工具有如iGrow等人工智能平台的使用，该平台大多数员工都在使用，帮助领导者就学习和流动做出透明的、基于数据的决策。通过将清晰框架与治理和培训相结合，DBS加速了日常决策，同时保持了强烈的人类监管。

28设计用于评估人工智能性能可以是一第一步。19

挑战在于他们假设了静态的权威。在人工

智能领域，权利需要更加动态，将超权、升级路径和系统内工程化的共识规则纳入其中，以便人类和代理可以协调决定权、何时以及基于何种基础作出决策。Atlassian，例如，认识到人工智能领导和人类领导决策之间的边界不清正在造成瓶颈。他们没有制定僵化的规则手册，而是将决策权视为一个不断演变的过程，定期重新审视人工智能应该处理哪些常规任务，以及人类需要在哪些高风险决策中介入。团队对自动化的内容以及需要人类判断的内容有了清晰的认识。这种透明的方法建立了信任。

20•

现代化人工智能治理。

人工智能在决策中的作用应纳入现有治