企业正积极为员工部署人工智能工具以驱动生产力增长，然而这一举措正在给管理层带来新的治理难题。
尼尔森针对7个国家1,700名董事及高级管理人员的调查显示，超过半数的高级领导者表示，在引入AI后，评估员工工作表现变得更加困难。核心痛点在于，大量产出直接汇入经理的收件箱，难以区分哪些内容源自员工本身，哪些由AI生成。因此，近一半的管理者反映，他们现在需要花费更多时间来审查和指导团队的产出。
尽管存在评估困境，管理者对AI技术的态度总体积极。94%的受访经理表示乐于使用AI改善工作体验。Monday.com市场研究和客户洞察负责人米歇尔·米勒·莱维（Michal Miller Levi）将这种热情比作2000年代初互联网普及时的“魔力”体验。
莱维向TechCrunch指出，问题的根源在于技术发展速度超越了组织适应速度。“AI对个人效率提升显著，但作为管理者，其角色不同。挑战在于AI的演进快于公司流程的调整。”
与此同时，管理者的评价标准也在发生转变。78%的受访者表示，采用AI后改变了评判团队的方式，转而更重视员工如何构建提示词、决定委托给AI的任务类型以及尝试新工作流的能力。
然而，当管理者无法清晰界定人类与AI的工作贡献时，公平性成为疑问。若管理者自身也依赖AI进行判断，风险将进一步放大。数据显示，46%的管理者利用AI辅助决策，39%的领导者使用AI起草绩效评估。
这种做法可能在审查过程中引入偏见。鉴于大语言模型（LLM）本质上是基于训练数据中人类模式的预测机器，卢森堡社会经济研究所今年早些时候的研究发现，在缺乏明确客观标准的情况下，LLM倾向于像人类一样独立评价绩效。2025年初的一篇研究论文进一步指出，AI模型可能对黑人男性候选人产生偏见，且“在不同社会群体的方向和程度上表现出明显的偏见”。莱维在被问及AI衡量绩效是否引入外部偏见时未作详细回应。
AI也在重塑管理者的日常职责。有人需负责分配任务给AI代理并检查其产出，报告称这种监督构成了新的“隐形劳动”层级。
软件管理的复杂性同样在增加。57%的管理者表示组织内流通的工具数量比以前多，约51%的管理者指出自采用AI以来，工具间的相互依赖性和集群效应增强。仅有29%的受访者认为其AI基础设施已达到完全优化和集中状态。
莱维指出，企业原本预期AI有助于精简软件堆栈，但现实是面临更多的应用、集成问题以及“影子AI”现象——即员工在公司批准系统之外自行采用工具。预计至2025年底，管理者虽希望整合工具以减少软件数量，但实际上50%以上的受访者表示使用的工具比去年更多，且这一趋势尚未停止。
随着具备自主行动能力的AI代理被广泛部署，控制需求日益紧迫。调查显示，58%的管理者预计明年AI代理的数量将超过人类员工，而46%的人担心失去对这些代理行动的控制权。
此外，35%的受访者担心因AI做出的决定而承担责任，因为LLM在很大程度上仍具有不可预测性。莱维解释道：“管理者不希望代理完全自主”，他们期望在关键任务和决策环节保留人类的参与和咨询机制。
调查结果表明，AI的采用已不仅仅是一个提高生产率的机会，更演变为一个严峻的治理问题。管理者们正处于艰难平衡技术红利与管理风险的阶段。
