大型企业生成式AI使用的复杂度：实地证据

一项针对大型企业后台员工的研究，分析了2025年8个月内近4000名员工在15个职能领域的713564条提示和模型回应，发现资深员工对生成式AI的使用更复杂，战略、数字创新和项目管理职能的复杂度最高，但复杂度不随时间或培训提升。

该研究首次基于大规模内部数据量化了不同职能和资历员工在AI使用上的复杂度差异，并挑战了‘培训即可提升AI使用水平’的普遍假设，对企业的AI推广策略具有直接参考价值。

资深员工的领域知识能与生成式AI能力互补，从而形成更有效的提示和交互；战略等职能因天然需要全局思维，其员工更易产生复杂的使用模式。而复杂度缺乏时间上的改善，可能源于习惯固化或培训内容未针对复杂使用设计。

企业若依赖生成式AI提升后台效率，需调整培训设计，并针对不同职能定制AI工具；产品团队可开发引导复杂交互的功能，比如提供提示模板或情境建议，以帮助员工突破使用瓶颈。

• 开发面向战略、数字创新等部门的AI使用复杂度评估工具，帮助企业识别高潜力员工。
• 设计内置在AI工具中的复杂度引导功能，如动态提示优化或案例推荐。
• 为HR系统提供培训效果追踪模块，关联AI使用复杂度与培训记录。
• 推出针对资深员工的AI高级用法工作坊，结合具体业务场景。

• 研究中的‘复杂度’具体如何度量，是否包含提示长度、推理步骤或工具调用？
• 研究样本是否仅限于特定行业或公司文化，结论外部效度如何？
• 未观察到培训的持久影响，是否与培训内容或强度有关？
• 是否考虑了员工岗位级别与AI使用权限的混杂效应？