一句话看懂：O’Reilly 委托 Censuswide 对 2000 名英国员工调查发现，只有 24% 的人会核实 AI 给出的答案，而 39% 已因不准确或不合适的 AI 回答采取过行动。问题被归为培训与信任缺口，而非 AI 技术本身。
事件核心：发生了什么
学习公司 O’Reilly 委托调研机构 Censuswide，对 2000 名英国员工进行了工作场景中使用 AI 的调查。结果显示，AI 聊天机器人已成为不少人处理工作事务的首选，甚至优先于询问同事或上级；但仅 24% 的受访者会在采纳 AI 答案前进行核实。39% 的员工表示，曾依据不准确、不完整或不合适的 AI 回答采取行动，说明“先用了再说”的情况并不少见。
培训端的情况同样不乐观：过去一年中，35% 的员工完全没有获得任何 AI 相关指导或培训，只有 16% 的人接受过与自身岗位相关的 AI 培训。O’Reilly 国际业务高级副总裁 Alexia Pedersen 将这一状况概括为“员工采用 AI 的速度快于组织的培训与治理”。她明确表示：“这是培训和信任问题，不是 AI 问题。”
为什么重要
这组数据把企业 AI 落地的薄弱环节从模型能力转向了组织能力。当前大模型和企业 AI 应用正快速嵌入日常办公流程，但核实习惯、权限边界和责任归属并未同步建立。当员工把 AI 输出当作事实依据直接执行，错误会通过邮件、报告、决策一路传导，纠错成本远高于在使用前多问一句。
对 AI 行业而言，这意味着企业采购和推广的瓶颈不只是模型准确率或推理成本，而是配套的培训体系与验证流程。缺乏治理的“野蛮采用”积累风险后，可能引发更严格的内部审批，反而拖慢 AI 工具在组织内的扩散。
对用户/开发者/创作者的影响
普通用户需要把“核实”变成固定动作，尤其是涉及数字、法规、医疗、财务和对外沟通的内容；AI 回答只能作为草稿或线索，不能直接当作结论。开发者与企业 IT 团队在设计 AI 应用时，应把引用来源、置信度提示、人工确认节点做进产品流程，而不是指望用户自觉核查。创作者使用 AI 生成素材时，同样要对事实性表述和版权边界做二次确认。
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。
对企业管理者来说，更现实的投入是岗位化培训和明确的使用规范，而不是单纯升级模型。Pedersen 的建议也是“不要放慢 AI 采用，而是用培训、核实习惯和可信的专业知识来补上缺口”。目前公开信息显示，调查仅覆盖英国员工，结论推广到其他地区需谨慎。
值得关注的后续
一是企业是否会把 AI 培训纳入常规入职与年度学习，并出现可量化的核实率指标；二是 AI 产品是否内置更强的溯源与校验功能，降低人工核实的门槛；三是监管或行业规范是否会就“AI 生成信息的核实责任”给出更明确的要求。
来源：TechRadar
