我们正处于技术范式转移的转折点，智能体正在从被动响应指令的工具，进化为能够推理、规划并与人类深度协作的伙伴。为了释放这种潜力，组织需彻底重塑学习逻辑，从传统的知识传递转向“协同学习”（Co-learning）。它是一种深层次的人机共生关系――员工在实际工作中教导技术，同时技术也通过连续、个性化的反馈指导人类。这种双向赋能的学习模式不再是脱离岗位的额外任务，而是直接发生在工作流中，持续提升人员的技能水平与人工智能（AI）的直觉判断力。
埃森哲对全球12个国家的14000名企业员工和1100位企业高管进行调研。结果显示，尽管多数人将AI视为机遇，但仅有11%的领先组织成功构建了协同学习环境。这些先行者收获了非凡的商业回报，其员工敬业度是同行的5倍，技能发展速度提升4倍，利润增长概率也随之跃升1.4倍。
通过以下四项核心驱动因素，组织能够构建起人机协作的“飞轮效应”，在颠覆浪潮中确保业务的持续领先。
驱动因素一：以好奇心和创造力为引领
高管必须率先定义并阐明生成式AI的愿景，以坚定的决心推动配套的文化变革。领导者不仅要激发员工的好奇心，鼓励积极探索，更应确立清晰的价值愿景：员工与新技术协同进化。为此，管理层需提供实质性的资源支持，比如配置专业工具、设立专属的创新时段，并对员工的探索实践给予高度认可。
埃森哲研究显示，当高管将生成式AI界定为“创造力催化剂”而非单纯的效率工具时，员工调整工作习惯、开展人机协作的信心将提升20%。
然而，现实中领导者与员工之间存在明显的认知断层。双方在生成式AI的目标规划、领导层是否以身作则以及技术对成长的实际贡献等方面，往往难以达成共识，尤其在创新氛围的感知上，高管普遍认为组织已提供了充分支持，但员工的感受却存在16个百分点的显著落差。
要消除这些认知差距、增强变革感召力，领导者必须以身作则，直观展示自身如何利用AI提升效能，并明确告知员工：引入技术的核心目的在于赋能个体与驱动增长。通过分享真实的成功案例，领导者可以生动演绎AI如何重塑技能布局与工作模式。当员工感受到组织的信任，并拥有自主定义人机协作方式的空间时，协同学习便会从愿景变为组织的内在基因。
实践契机
在短期内，高管层需首要确保生成式AI愿景与业务成果的深度对齐，明确传达人机协作如何驱动组织增长。领导者应以身作则，分享自身使用AI的切身感悟，将AI试验从被动传授转变为主动探索。通过分级设定明确目标，并公开褒奖先行者，组织将迅速形成向心力与信心。当员工目睹同伴利用AI将数小时的任务精简至分钟级，这种直观的效能红利将促使AI试验常态化，为同伴学习模式奠定文化基础。
长期来看，协同学习须从文化号召内化为制度保障。组织需针对生成式AI的应用成果设定可量化的高管问责制度，促使领导层持续预判并引领人机合作深化。同时，应建立透明的向上反馈渠道，确保员工共建并分享生成式AI的应用体验。最终，组织需彻底更新绩效衡量标准与奖励机制，重点褒奖那些人机协作的成功范式，而非仅仅关注工具的覆盖率。把协同学习确立为企业的长期战略重点，能够推动组织形成持续进化的内生动力，从而在技术变革不断深化的浪潮中始终保持核心竞争优势。
驱动因素二：将学习融入工作
尽管自动化已将员工从部分常规工作中解放出来，但时间短缺仍在制约员工的技能升级与能力重塑。相比单一的效率提升，协同学习展现了更为广阔的前景。企业不妨通过颗粒度更细的模块化内容与即时支持，将协同学习嵌入工作流，实现高度情境化与连续性，为协同学习创造肥沃土壤。
促成转变的核心在于重塑文化，将学习视为链接员工与业务增量之间的价值纽带，而不是一项负担。无论是20分钟的沉浸式模拟训练，还是工作流中的即时提示，这种触手可及的赋能将显著提升员工的掌控感与信心。
调研显示，员工对生成式AI辅助学习的需求已从提效转向互动。他们渴望实时指导、敏捷反馈且适配个性化需求的工具，并高度关注AI在职业发展一致性与准确性上的表现。这种诉求表明员工已为协同学习做好准备――他们期待的不仅是单向培训，更是双向赋能的学习循环。
令人欣慰的是，约三分之一的企业已开始应用情境模拟与动态指导工具，将生成式AI嵌入日常任务。32%的员工已养成利用AI练习新技能的习惯，这些积极信号预示着领先组织正迈向人机演进的新蓝图。
实践契机
组织应尽快打造聚焦成长与突破的学习环境。首先，需定期评估各岗位所需的AI核心技能，跟踪团队学习进度，识别个性化需求，实现人才与岗位发展的精准匹配。在执行层面，应提供简短、针对性强的学习模块，优先培养提示工程、结果验证及负责任使用AI等基础能力。同时，引入AI个性化反馈工具，利用实时绩效数据驱动技能持续提升，让员工在实际应用中快速获得掌控感。
下一阶段，组织需支持员工向更复杂的AI应用领域挺进，甚至创设全新的“AI原生”职能以应对深度协作挑战。通过组建跨部门的学习社区，鼓励员工共享实战经验，共同提炼人机协同的最佳实践，形成组织内部的知识资产。最终，将成功的协同学习试点扩展至全组织，重塑职业晋升路径，将AI协作熟练度与岗位发展深度挂钩。这种机制化的转型将有助于员工清晰预见AI参与的职业成长蓝图，从而将协同学习转化为长期支撑组织增长的内生动能。
驱动因素三：以信任为根基
尽管高管层深信生成式AI治理架构已经建立起来，涵盖伦理、数据责任及决策机制各个方面，但员工体感呈现脱节。调研显示，员工对治理体系的信心比高管低14个百分点；超过半数（53%）的受访者直言，一旦AI应用失误，责任归属不明。
信任是协同学习生根发芽的土壤。与AI伙伴实时交互、协同学习，须建立在公平、透明、权责清晰的治理框架之上，这要求组织不仅拥有清晰的伦理标准与保障措施，更要畅通向上反馈的渠道。
当保障措施超越纸面，深入人心，员工将敢于试验、质疑甚至挑战AI的输出。此时，AI不再是冰冷、刻板的黑盒系统，而成为员工可以参与塑造、共同进化的智能伙伴。
实践契机
组织应立即行动，将信任深度植入所有AI应用。首要之举是明确指定AI产出的责任归属，建立透明的问责机制，并为员工提供问题情境下标准化的处置流程。通过邀请员工深度参与AI伦理与风险的讨论，公开监测与审计的底层逻辑，组织可以消除“技术黑盒”带来的疑虑。此外，应在工作流中嵌入简明的可解释性工具，对齐高层管理指标与一线员工感知，让员工在日常协作中快速理解并审查AI输出。
长期来看，信任的维系有赖于治理框架的动态调整，一方面匹配AI不断提高的自主水平，另一方面明晰人类在复杂AI交互中的监督责任，确保即便决策节点多元化，问责层级亦精准定点。为此，应授权本地团队根据业务场景优化治理策略，在组织的各个层级嵌入主动监督机制。建立结构化的智能体引入、评估与退出体系，构建全员参与、动态响应的治理生态，确保协同学习在高度透明与安全的环境中持续释放价值。
驱动因素四：使生成式AI顺应人的工作方式
在评估生成式AI价值的影响因素时，员工将“获取途径的可及性”放在首位。然而，在企业已部署相关工具的背景下，仅35%的员工表示对使用体验高度满意。这一断层揭示了核心挑战：组织需优化员工与AI交互的日常体验。如果员工在基础操作阶段便感到不适，那么当AI工具向更复杂、更具自主性的形态演进时，不断攀升的认知负荷将使他们失去信心。
为了弥合这一差距，AI工具设计须追求从首次交互起便直观易用，使技术自然融入工作任务中。组织需超越AI工具本身功能，转而构建全方位的支持体系，确保员工即时可用、安全快捷，从而建立起深层的操作信心。
领先的组织已意识到，只有提供流畅的人机交互体验，为员工与AI的共同重塑之旅铺平道路，才能真正释放协同学习的潜能。
实践契机
组织应立即实施以价值为引领的AI设计，重点关注生成式AI对决策质量、员工体验及业务增长的综合影响。AI设计的重心应从孤立的试点转向跨越职能和业务单元的“横向成果创造”，通过重塑合作型工作模式，确保人机协作成为创造共享价值的核心。与此同时，组织需通过定期的可用性测试与即时反馈机制，持续识别并消除人机交互中的摩擦。这种快速迭代的支撑体系将确保AI工具不仅触手可得，更能直观、丝滑地融入员工的日常工作中。
长期来看，组织需推动AI系统转型，建立具备感知力与进化力的自适应体系。为此，组织应扩展智能体功能，在赋予员工高度自主权的同时，通过透明的人工监督确保AI输出始终高度契合业务情境。AI系统能随实际需要、员工需求及业务优先级变化而持续优化。最终，通过多智能体在不同团队与职能间的无缝集成，组织能构建起一致化、智能化的全员协作生态，生成式AI在不断演进的工作流中持续释放卓越绩效。
生成式AI与智能体技术的崛起，不仅是工具的迭代，更是对学习与工作的重新定义。协同学习并非遥不可及，相反，协同学习发生在每一次精准的提示词交互、每一条即时的反馈回路，以及每一个重构的业务流程之中。
能够率先跨越传统培训范式、构建“人机互学”良性循环的组织，不仅将赢得效率的提升，更将收获员工的深度参与和对未来的坚定信心。这不仅仅是一场关于技术的竞赛，更是一次关于人类创造力与机器智能如何交响共鸣的探索旅程。当学习与工作边界消融，当人类与AI在持续的交互中共同进化，组织将焕发出前所未有的敏捷性与韧性。
卡拉莉·克洛斯（Karalee Close）
埃森哲人才事业部全球总裁
基肖尔·杜格（Kishore Durg）
埃森哲LearnVantage业务负责人
马吉德·萨克尔（Majd Sakr）
埃森哲LearnVantage首席学习官
史蒂芬·罗布列夫斯基 (Stephen Wroblewski)
埃森哲人才事业部董事总经理
莱拉·尤瑟夫（Leila Yosef）
埃森哲商业研究院资深总监
业务垂询：contact-us@accenture.cn
216.73.217.134
