美国工人为何成为全球最大的AI怀疑者？原因远不止失业恐慌

根据Salesforce与YouGov联合开展的全球调查，该调查覆盖四大洲逾1500名办公室职员，结果显示，美国工人对AI持怀疑态度的比例比全球平均水平高出43%。受访者普遍认为，自己的日常工作以脑力劳动为主，而非体力或任务型劳动。

超过半数的美国工人自认是AI怀疑者，这一比例远高于全球平均水平。

尽管美国工人普遍对AI持怀疑态度，IDC的研究却发现，大多数美国政府领导人相信，到2030年，公共部门将由人类与AI智能体协同工作。事实上，目前已有超过80%的美国政府机构在使用AI智能体。那么，为何超过半数的美国工人对AI抱持怀疑，而政府在AI采用方面却走在各行业前列？这种怀疑情绪的根源，远不止对失业的担忧。

斯坦福大学的类似研究发现，全球范围内对AI的乐观情绪在上升，但焦虑感也在同步增长。研究表明，泰国、新加坡等南亚国家对AI整体收益持有更高的乐观预期。Salesforce的研究也显示，印度的AI信任度与使用率均超过80%，而美国两项指标均徘徊在50%左右。值得一提的是，印度在全球初创独角兽企业数量上排名第三（131家），仅次于排名第一的美国。

为何美国、英国、法国等发达经济体的AI怀疑情绪，明显高于新兴经济体？全球多项研究显示，新兴经济体中有高达90%的人期待从AI中获益，并将生成式AI与AI智能体视为推动职业发展的重要途径。

在发达经济体中，AI被更多地与岗位替代联系在一起。或许，那些全球最成功AI公司的CEO和高层领导者——他们均来自美国——应该停止反复强调AI将冲击办公室职员这一叙事。这种论调缺乏想象力，忽视了AI、尤其是AI智能体的全面价值——它本可以将办公室职员从繁琐事务中解放出来，让他们专注于更具价值、更有成就感的工作。

美国办公室职员的顾虑集中在员工体验、培训不足以及采用AI技术的准备程度上。在AI工具或试点项目失败的原因中，排名前三的分别是：输出内容过于泛化、培训不到位，以及对输出结果缺乏信任。

美国办公室职员无法依赖概率性输出高效完成工作。生成式AI与AI智能体解决方案必须提供更具确定性的输出，以确保信任度与治理标准符合现有业务流程和规范操作要求。

试点体验不佳，往往根源于数据基础建设的投入不足——缺乏可信、高质量的数据与元数据，而这些正是AI实现更强治理合规性、更精准上下文理解和更确定性输出的关键支撑。推动AI在企业中的大规模落地，需要在构建坚实的数据基础上持续投入。

AI试点失败并非AI怀疑情绪的唯一来源。研究表明，成功推动AI采用，不仅在于部署新工具，还在于为员工营造一个安全的空间，让他们得以学习和探索这些强大的新兴技术。活跃的AI用户比未采用者反映更多试点挫折，这一现象并不令人意外。

成功的AI试点需要具备以下要素：可信赖的数据、系统的员工培训、高层的推动支持、现代化且高度互联的技术架构，以及鼓励实验与持续学习的企业文化。

实现AI价值的最佳路径，就是真正去使用AI。与此同时，更广泛的AI采用也需要在数据质量与可访问性上加大投入。一项针对首席数据官的调查显示，半数AI智能体采用者将数据质量与检索问题列为部署的主要障碍。

Salesforce的研究从中识别出500个成功的AI试点案例，并归纳出被称为"AI最强团队"的关键特征：在培训完备度、系统集成度、输出可信度以及AI方案个性化等方面表现突出的群体中，76%的工人转变为积极的AI倡导者，63%成为日常用户。

美国的AI怀疑情绪在全球几乎无出其右。这有力地提醒企业领导者：在引入强大AI解决方案时，必须清晰表达自身的价值取向。价值观，才能创造真正的价值。

您推动AI更广泛采用与应用的价值主张是什么？是否真的致力于通过AI为员工、客户、合作伙伴和社区创造价值，让所有人都能聚焦于更具意义、更有回报的工作？在共同描绘一个更美好未来的愿景上，我们每个人都还有很长的路要走。

Q&A

Q1：为什么美国工人对AI的怀疑程度比其他国家更高？

A：根据Salesforce与YouGov的全球调查，美国工人对AI持怀疑态度的比例比全球平均高出43%，超过半数美国工人自认是AI怀疑者。其原因不仅限于对失业的担忧，还包括AI试点体验不佳、培训不足、输出结果可信度低等问题。相比之下，印度等新兴经济体的AI信任度与使用率均超过80%，而美国仅约50%。

Q2：美国AI试点项目失败的主要原因有哪些？

A：美国工人反映，AI工具或试点失败的前三大原因分别是：输出内容过于泛化、培训不到位，以及对输出结果缺乏信任。深层原因在于数据基础建设投入不足，缺乏高质量、可信赖的数据与元数据，导致AI无法提供足够确定性的输出来支撑实际业务流程。

Q3：成功推动企业AI采用需要哪些关键条件？

A：根据Salesforce对500个成功AI试点的研究，关键要素包括：可信赖的数据基础、系统的员工培训、高层领导的推动支持、现代化且深度集成的技术架构，以及鼓励实验与持续学习的企业文化。满足这些条件后，76%的工人会转变为积极的AI倡导者，63%成为日常用户。