一句话看懂：The Next Web 报道了一项覆盖 25 个国家、800 多名职场学习与发展（L&D）从业者的调查，发现多数团队用 AI 只换来更快的培训内容生产，却难以证明工作绩效和 ROI 的改善。问题不在培训本身，而在目标、考核与数据基础没有对齐。
事件核心：发生了什么
这项年度《AI in Learning & Development Report》显示，75% 的受访者认为 AI 带来的最明显影响是内容创作更快，只有 11% 提到在岗绩效改善。培训本应以提升绩效为目标，但只有 35% 的 L&D 团队持续测量绩效，72% 的团队则持续测量参与率和完成率。超过五分之一的受访者把“缺乏公认的成功指标”列为证明影响的最大障碍。
组织约束同样明显：73% 因领导要求而使用 AI 的 L&D 团队，在试点新工具时仍需部门或跨部门许可；53% 的受访者把证明影响的障碍归结为组织问题，包括指标缺失、数据或测量工具难以获取，相关数据分散在学习管理系统、HR 系统、问卷工具和 AI 视频平台中。
为什么重要
这组数据揭示了企业 AI 落地的普遍症结：当组织只考核使用量、不定义业务结果时，团队会自然转向最容易展示的产出，比如更快的课件生成，而不是行为改变和绩效提升。如果 AI 只是加速内容生产，而不能连到可衡量的业务指标，ROI 差距就不会因为多几场培训而消失。
对用户/开发者/创作者的影响
对企业采购和内部平台团队来说，选型时应优先看 AI 工具能否与现有数据系统打通、能否输出可验证的效果指标，而不只是功能数量。对开发者和 AI 应用厂商，这意味着评估、埋点和数据集成能力可能比模型能力更影响续约。对内容创作者和培训设计者，使用 AI 提效的同时需要提前约定“成功”的定义，否则产能提升很难转化为职业价值证明。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是企业是否会调整 AI 使用的考核方式，从 token 用量转向绩效指标；二是数据集成和评估工具是否会成为企业 AI 采购的硬性要求；三是约三分之一已报告绩效提升的团队，其自由试点和用 AI 评估工作的做法能否被复制。目前公开信息显示，调查反映的是 L&D 从业者视角，尚不能直接推断其他职能的普遍情况。
来源：The Next Web
