AI就绪度差距：2026年企业学习领域警示

2026企业学习觉醒号 目录 执行概要 当我们开始这项研究时，我们提出了一个简单的问题：企业组织为即将到来的事情准备好了吗？答案很明确。也很不舒服。 大多数组织在人工智能领域行动迅速。他们部署了工具。宣布了计划。签署了合同，并以五年前看似不可能的速度建立起了系统。在外部衡量标准上，他们看起来已经准备好了。 这项研究明确指出，我从企业领导者那里持续听到的是，差距不在于技术获取。差距在于人类能力。组织加速了部署，但没有为人们提供跟上步伐所需的基础设施。这并非批评，而是一种结构性现实。而且这个差距正在扩大。 组织内部的人每天都在感受到这一点。技能需求的变化。新工具。加速的变化。为这一刻未准备好的学习系统。 这里是我所坚信的：人工智能的准备工作与您部署了多少工具无关。它与您的人员能否在周围工作变化时获取、适应和应用技能息息相关。技能是真正的准备单位。不是执照。不是完成率。不是培训人数。 没有这样的智慧，人工智能系统就像盲人摸象。没有数据的代理商就像没有燃料的法拉利。 缩小这一差距需要将学习融入工作，而不是与之分离。使能力实时可见的技能智能。与个人和企业共同演变的经验，不是一次性的，而是持续不断的。 那些引领这一变革的组织不会是那些在人工智能领域行动最快的。它们将是那些构建使用该技术的基础设施的组织。 这是这项研究的主要内容。 Alessio Artuffo，Docebo 首席执行官 《AI就绪度差距：2026企业学习的警钟》 方法论 这项跨行业研究调查了美国、英国、加拿大、法国、德国和意大利企业层面的2000名受访者。 在此次调查中的1,000名学习者目前在非L&D或人力资源职位上工作，职位级别在副总裁以下或相当。 1,000名学习领导者被定义为那些在某些程度上负责学习和发展的专业人士，包括但不限于首席人才官（CPO）、首席学习官（CLO）、人力资源专业人士、学习和开发管理员以及经理级别或以上的领导者。 个人贡献者（无直接下属）经理（有直接下属）总监或高级总监 学习项目经理 / 培训与发展经理首席人力资源官（CHRO）人事部总监/高级总监学习与发展总监或高级学习与发展总监首席人力资源官（CPO）副总裁或人力资源/人事部门负责人培训管理员 / 学习管理员首席学习官（CLO）副总裁或学习与发展主管其他客户教育领导者（副总裁、总监、主管）合作伙伴赋能领导者（副总裁、总监、负责人）销售赋能领导者（副总裁、总监、负责人） 企业学习：人工智能准备差距 企业学习一直以规模运作，支持不同角色、地区和层级的员工，同时也服务于客户和合作伙伴。鉴于这种复杂性，我们预计这项研究将揭示熟悉的挑战：可扩展性、衡量、治理，以及学习行业长期存在的问题。 相反，我们揭示了所有问题的根本原因，一个在内部学习中最清晰呈现的问题。 尽管人工智能的普及程度越来越高，但准备不足的差距正在扩大。组织机构设定了雄心勃勃的AI目标，并在新工具和自动化方面进行了大量投资。然而，学习者们仍在培养将AI真正应用于日常工作的信心、清晰度和情境技能。 这是人工智能准备度差距：抱负与能力之间的脱节。 广泛采用，有限变革 人工智能在学习对话中无处不在。近79%的学习领导者表示，他们已经利用人工智能进行内容生成、评估和推荐等任务。 然而，接纳并没有转化为变革。 学习领导者表示，他们所在的组织尚未利用人工智能从根本上重新定义其工作流程。 91% 哪个词最能描述您组织中学习策略下当前人工智能的成熟度？ 机构陷入了运行试点项目的困境，这些案例仍然孤立，导致效率逐步下降。没有系统性的改变，仅靠AI的采用是无法达到准备的。 压力达到人工智能流利程度存在于每个行业和职能，但大多数组织都陷入了“表面波”。他们拥有高水平的个人实验（人们使用人工智能工具完成孤立的任务），然后又回到了五年前就已经存在的精确的运营工作流程。 他们将工具访问与转换混为一谈。要进入“潜流”，在哪里创造真正、持久的价值，组织必须超越个体技能并从根本上重新设计工作流程。如果你没有明确的权利作出决定、数据透明度和管理模型，那么你的组织实际上还未真正为人工智能做好准备。 马克斯·伯恩哈特校长，努力智慧 对技能的需求，落后的能力 除了广泛采用之外，企业在学习领域对人工智能的紧迫性也是不容否认的。对于许多学习和人力资源领导者来说，这不仅仅是一个未来的计划，而是一种当下的压力。 当今领导者面临的前两大挑战是人工智能的采纳与熟练运用，以及技能发展。 人工智能应用和熟练度 技能 商业转型 技术现代化人员编制限制 监管压力 其他 这种紧迫性体现在优先事项上；领导者将提升技能和再培训，以及人工智能流利度列为2026年三大学习优先事项。 提升/再培训 领导力 人工智能流利度 管理者能力 入职 约束/合规 客户/合作伙伴赋能 其他 表面上，这表明了与时代的契合。组织意识到技能的重要性，尤其是与人工智能相关的技能。他们正相应地给予优先考虑。 但是数据揭示了一种更深的紧张。 学习领导者预计，到2026年，成为一个基于技能的组织将是企业学习的一项重大转变。为数不多的领导者也预计，在他们的组织中实现人工智能集成将在不久的将来发生。 所以虽然领导者们认识到技能和AI熟练度的意义重大，但很少有人预期到实现技能真正融入学习运作结构所需的结构性改变。 技术采用方式的转变成为基于技能的组织人工智能整合学习交付模式劳动力转型 这可能是部分原因在于基础设施问题。传统平台是为了跟踪完成情况而建立的，而不是技能。因此，学习领导者将技能映射列为他们期望从平台获得的五大能力之一，这并不奇怪。 因此，他们努力映射不断发展的技能，整合来自多个系统的数据，并将学习与可衡量的业务绩效联系起来。关于这一点，稍后详细说明。 给领导者感受到的压力与他们期望之间的脱节问题，再加上，学习者在希望取得的成果和他们的培训提供的成果之间，日益拉大的差距。 未来12至18个月内，学习者与领导者都将优先考虑的技能是人工智能素养及应用技能。 人工智能素养和AI应用技能沟通与合作批判性思维和问题解决领导力和人员管理创新和创造力特定角色技术或功能性技能数字化转型技能面向客户或合作伙伴的技能数据素养与分析合规性和风险管理销售或商业技能变革管理与适应性 学习者的调查显示，他们接受的培训并不能帮助他们充分理解或在其角色中使用AI，其中五分之一的学习者甚至没有接受过任何AI培训。 85% 您是否接受过帮助您理解或在工作岗位上使用人工智能的训练？ 这是人工智能准备度差距：尽管对人工智能技能的需求很高，但培训并未始终转化为与角色相关的能力。 而且，不仅仅是人工智能流畅度技能受到需求。 人类技能比以往任何时候都更需要。 超出人工智能流畅度，当前学习领袖们最优先考虑的技能是： • 领导力与人事管理• 沟通与合作• 批判性思维与问题解决• 创新与创造力 这些人类能力与人工智能流利的并驾齐驱揭示了一个重要的真理：人工智能可能会改变工作工具，但人类仍然是竞争优势。 随着人工智能重塑工作方式，组织正在加大力度培养那些能够对人工智能进行情境化、指导和有效应用的人为技能。 那么，我们如何从AI意识过渡到AI准备就绪？从实验到企业级转型？ 如果紧急程度高且采用范围广泛，是什么阻碍了组织的发展？ 组织们谈论了很多关于AI转型的话题，但很少有人明确阐述工作本身是如何变化的，以及这将对技能意味着什么。这导致焦虑和不安全感。 同时，组织将AI准备和技能发展视为两个不同的讨论话题，而实际上它们是同一件事。如果你正在重新构想如何使用AI完成工作，你也在重新定义你的劳动力所需的技能。 挑战在于，大多数公司尚未清楚地了解等式的两边：未来工作需要的技能或他们目前拥有的技能。最终，技能转型是数据转型。 直到组织承诺构建可信赖的、可执行的技能数据，并将其直接与实际商业问题联系起来，技能将始终是组织转型的辅助举措而非驱动力量。 Koreen Pagano，人才重新连接公司首席执行官暨联合创始人，涌潮合作社联合创始人 什么阻碍了企业转型？ 我们的研究指出，有五个结构性障碍阻碍了变革： • 内容相关度不足• 个性化差• 集成度低• 时间紧迫• 商业一致性不足 这些代表了阻碍基于技能的学习有效扩展的系统摩擦点。 内容无上下文 今天的学习往往缺乏针对目标、支持和与实际情况相关的上下文，以转化为实际表现。首先，66%的学习者表示他们没有感觉到他们的管理者或组织给予他们充分的支持来学习。近60%的人感觉学习计划并没有考虑到像他们这样的人。 你感觉你所在组织的培训计划是否考虑到了像你这样的人？ 培训可以理解，但并不实用。尽管75%的学习者表示培训适合他们当前的知识水平，但与实际工作的相关性仍然是更大的问题： 57%的人表示培训与他们的角色关联不大（它没有解决他们日常所需的实际技能）。 不到一半（44%）的人非常清楚地理解学习如何有助于他们的职业发展。•57%对训练是否能提升他们表现不是非常有信心。 你对接受到的培训能帮助你在工作中表现更好的程度有多自信？ 这意味着组织在实用应用和技能培养方面偏离了目标。换句话说，传达的内容必须超越清晰度，达到连接能力的地步。 没有背景、应用和可见的技能提升，学习变成了一种孤立的活动，而不是人工智能准备和持续表现的动力。 这种内容与主题的相关性缺失与个性化密切相关。当学习内容没有根据学习者的角色、技能水平或现实世界的挑战进行定制时，即使是内容最清晰的部分也可能感觉与实际应用脱节。 今天大多数人工智能培训都集中在通用素养或基本工具概述上，虽然这是一个有用的起点，但它还不够具体或操作性强，无法真正改变人们的工作方式。所缺失的是基于技能数据的、针对特定角色和用例驱动的培训。 遗憾的是，大多数组织缺乏一种统一的方式来理解员工实际拥有的技能或随着工作不断演变他们需要开发的技能。没有这种清晰度，提供相关、激励人心且具有影响力的学习变得几乎不可能。 Sandra Loughlin 首席学习科学家，EPAM Systems 个性化仍然是表面化的 是的，个性化对于内容的相关性至关重要，但许多学习者仍未能实现这一承诺。 • 79%的学习者表示他们的学习体验并没有完全个性化。• 63%的学习领导者表示他们的组织目前并没有完全个性化学习。• 49%的领导者将有限的个性化和定制视为技术障碍。 您在您的学习技术基础设施方面面临哪些障碍？ 有限的个性化或定制化 不足的集成 缺乏自动化 过时的用户体验 不够完善的数据报告 不够具有可扩展性 其他 学习和人力资源领导者将规模化的个性化学习列为顶级四项平台功能之一，然而许多系统无法根据技能、表现数据或职业路径动态调整。 没有完全个性化的学习体验，人工智能培训只能提高意识，却无法建立信心。即使内容被定制，如果与实际工作发生的地方的系统工具脱节，它也会失去影响力。 学习处于工作的流程之外 学习者对有限整合的挫败感居第二位：78%的人表示他们很少在已经使用的工具中接受学习。超过三分之一的 学习领导者认同此观点。 您在使用学习工具时最感到沮丧的是什么？ 非个性化 与其他工具的集成有限 内容过时 难以导航 运行缓慢或不稳定 搜索功能差 其他 当学习被迫脱离工作流程时，它会与生产效率竞争，而非促进其发展。如果学习与日常工作流程脱节，AI能力就无法成长。 学习者与领导者都手头时间不多。 时间压力加剧了这些问题。 • 56%的学习者表示，他们每天没有足够的时间来完成学习。• 64%的领导者难以找到时间来实施它。 时间不足 信息过多 不相关 没有支持或指导 难以找到 其他 时间预算 技术限制 人员编制 管理机制 利益相关者支持 其他 除了安排问题，时间还代表了一个设计问题。当学习融入工作系统，与实际任务相一致，并针对即时技能差距进行个性化时，它就成为了绩效的一部分，而非额外的负担。 然而，为了让这种集成得以实现，领导者必须将学习从一项倡议提升为战略