很多企业谈到 AI 培训，第一反应是教员工“怎么用某个工具”：怎么写提示词、怎么生成一份周报。这当然有用，但远远不够。员工真正缺的，往往不是操作步骤，而是判断力：什么时候可以相信 AI 的输出，什么时候必须核对，哪些数据绝不能输进去。AI 素养的核心不是“会用”，而是“用得明白、用得放心”。
那么，企业应该如何系统地提升员工的 AI 素养，而不是办几场讲座就算完成任务？本文将介绍AI 素养包含哪些能力、欧盟《AI 法案》对它提出了什么要求、员工“普遍在用但培训不足”的现状，以及如何按岗位分层设计培训并一步步落地。
什么是 AI 素养？它为什么不只是“会用工具”？
AI 素养（AI literacy）是指员工理解 AI 能做什么、不能做什么，并能在工作中负责任地使用它的一组知识和能力。它更像“读写能力”，而不是“软件操作技能”。 工具会不断更新，但判断 AI 输出、识别风险的能力可以长期迁移。
“素养”这个词本身就有提示意义。过去我们讲媒介素养，强调的不是会不会看电视、刷手机，而是能否追问一条信息“是谁生产的、为什么这样说、遗漏了什么”。AI 素养也是同样的思路：AI 生成的内容看起来流畅、自信，但它可能编造事实、遗漏关键条件，也可能放大训练数据里的偏差。员工需要的是面对这样一个“很会说话的同事”时，保持清醒的能力。
欧盟《AI 法案》对 AI 素养的定义也体现了这一点：它是让相关人员能够在知情的基础上部署 AI 系统，并意识到 AI 的机会、风险和可能造成的伤害的技能、知识和理解（来源）。
在企业里，可以把 AI 素养拆成四个层次：
- 会用。 知道 AI 适合做哪些事，能把任务描述清楚，能把 AI 嵌入自己的日常工作。例如，让 AI 根据会议记录整理出待办清单和负责人。
- 懂局限。 明白 AI 会“一本正经地出错”（常被称为“幻觉”），知道它不了解企业内部的最新情况，也不能替人承担结果。
- 会判断。 能核对关键事实和数字，能识别输出中的偏差和遗漏，知道哪些结论必须由人确认。例如，AI 起草的报价单，价格、折扣和交期必须对照系统核实后才能发给客户。
- 守边界。 有数据安全意识，知道客户信息、合同、财务数据、员工个人信息不能随意输入未经批准的工具，也知道出了问题该找谁。
很多培训只覆盖了第一层。后三层才是企业风险和价值真正所在的地方。
欧盟《AI 法案》对员工 AI 素养提出了什么要求？
欧盟《AI 法案》第 4 条专门规定了 AI 素养义务，并已于 2025 年 2 月 2 日开始适用。它的意义不只在于合规，更在于第一次以法律形式明确了：企业让员工使用 AI，就有责任让员工具备相应的理解。
根据 EUR-Lex 上的法规原文，第 4 条要求 AI 系统的提供者（开发 AI 的一方）和部署者（在业务中使用 AI 的组织）采取措施，尽其所能确保员工以及代表其操作和使用 AI 系统的其他人员具备足够的 AI 素养；在这样做时，要考虑这些人的技术知识、经验、教育和培训背景，AI 的使用场景，以及 AI 将作用于哪些人群。法案第 113 条规定，第 4 条所在的第一章自 2025 年 2 月 2 日起适用（来源）。
此后，规则有过一次调整。欧盟委员会的《AI 素养问答》说明：2026 年 7 月中旬生效的《数字综合法案》（Digital Omnibus on AI）修订了第 4 条，AI 素养仍然是提供者和部署者的义务，但不再要求达到某个特定的或“足够”的水平，也不要求企业保证每个员工都达到某种程度；由各成员国市场监管机构负责的监督和执法则从 2026 年 8 月 2 日开始（来源）。
同一份问答还澄清了几个企业最关心的问题（来源）：
- 不需要证书。 企业可以在内部记录开展过的培训和指导活动。
- 没有统一格式。 法规没有规定必修课程或固定形式，但只让员工阅读工具的使用说明，在很多情况下是不够的。
- 日常使用也在范围内。 例如，员工用聊天机器人撰写广告文案或翻译文本，也应被告知幻觉等具体风险。
- 内容应按风险调整。 问答建议至少考虑四点：让员工对 AI 有基本了解；明确企业是开发者还是使用者；识别所用 AI 系统的风险；再根据员工的背景和使用场景设计具体措施。
- 不只适用于欧盟企业。 只要 AI 系统投放到欧盟市场、在欧盟使用，或其使用影响到欧盟境内的人，相关规则同样适用。
对于没有欧盟业务的企业，这条法规并不直接适用。但它提供了一个清晰的参照：AI 素养不是“锦上添花”的福利课，而是企业使用 AI 时应尽的基本责任。
员工已经在普遍使用 AI，培训跟上了吗？
现实情况是，员工使用 AI 的速度远远快于企业培训的速度。多数员工是在没有系统指导的情况下，靠自己摸索学会用 AI 的。
几项大型调查都反映了这一落差：
- 使用普遍，培训稀缺。 微软与领英的《2024 年工作趋势指数》调查了 31 个市场的 31,000 名知识工作者，75% 的人已在工作中使用 AI，78% 的 AI 使用者自带工具上班，但只有 39% 的使用者从公司获得过 AI 培训（来源）。
- 需求很强，满足不足。 BCG 2026 年 6 月发布的《AI at Work》调查了 11,749 名白领员工、经理和高管：74% 的一线员工已是 AI 的常规使用者，比上一年高出 23 个百分点；88% 的受访者认为未来五年需要大幅提升技能，但只有 36% 觉得自己得到了足够的培训，这一比例与 2025 年持平；只有 33% 的一线员工认为领导层就 AI 做了清晰的沟通（来源）。
- 规则缺位，就会“偷偷用”。 BCG 2025 年覆盖 11 个国家、10,600 多名员工的调查发现，54% 的人表示即使未经授权也会使用 AI 工具；而接受过 5 小时以上培训、尤其是有面对面指导和辅导的员工，成为常规使用者的可能性明显更高（来源）。
- 管理者自己也没准备好。 Gartner 2025 年对 114 名 HR 负责人的调查显示，只有 8% 认为本企业的管理者具备有效使用 AI 的技能；只有 14% 的企业为管理者提供了把生成式 AI 融入日常工作的支持（来源）。
需要说明的是，这些调查的受访者以大中型企业的白领员工为主，中小企业和生产一线的情况可能有所不同。但趋势是一致的：工具已经进了办公室，理解和规则却还没跟上。
这种落差带来的不只是效率损失。员工独自摸索时，可能把客户名单粘贴进个人账号的聊天工具，或把 AI 编造的条款写进合同；也有人担心被看作“偷懒”，干脆不说自己在用。沉默的使用比公开的使用更危险，因为企业既看不到风险，也学不到经验。
不同岗位的员工需要学什么？
AI 素养培训不能“一套课件讲到底”。不同岗位接触 AI 的方式不同，承担的责任不同，培训重点也应该不同。分层的原则是：职责越大，越要懂判断与风险；越接近一线，越要贴近具体任务。
下表给出一个分层框架，可作为设计课程的起点：
| 岗位层级 | 学习重点 | 典型业务场景 | 判断与安全重点 | 建议形式 |
|---|---|---|---|---|
| 管理层 | AI 能力边界、投入与风险取舍、如何带团队用 AI | 判断哪些流程值得引入 AI，审阅 AI 辅助的经营分析 | 对 AI 参与的决策承担最终责任；制定使用规范 | 短时研讨会、同行案例交流 |
| 业务骨干 | 把 AI 嵌入本部门流程，设计提示词模板，评估输出质量 | 销售提案、采购比价、财务对账、客户投诉分析 | 识别错误和偏差，建立“人工复核”节点 | 实战工作坊、带着真实任务来上课 |
| 一线员工 | 常用工具的正确用法，知道能做什么、不能做什么 | 回复客户咨询、整理工单、门店排班、制作商品描述 | 不输入敏感数据，关键信息必须核对，遇到异常及时上报 | 短视频微课、现场演示、上岗前必修 |
| 技术人员 | 模型原理与局限、系统集成、权限与日志、评估方法 | 搭建内部知识库问答、对接 ERP 和工单系统 | 数据权限、隐私保护、输出监控与回退机制 | 专题技术培训、项目实践 |
表格只是参考，具体内容应根据行业、所用工具和风险程度调整。例如，餐饮连锁的一线员工更需要了解 AI 排班和订货建议，批发分销的业务骨干则更需要学会用 AI 处理大量询价和订单邮件。
这里有一个常被忽略的群体：管理层。管理者如果自己不会用、不懂风险，就很难判断下属的 AI 产出是否可靠，也很难给团队安全感。 因此，管理层的培训不应只是“听一场趋势报告”，而应包括亲自动手完成几项真实任务。
如何系统地开展员工 AI 素养培训？分步指南
AI 素养培训最好被当作一个持续运行的项目，而不是一次性活动。先摸清现状，再分层设计，用真实任务练习，用规范和带头人巩固，最后用数据持续改进。
第 1 步：摸底现状。 先了解员工在用哪些 AI 工具、用来做什么、遇到过什么问题，以及大家对 AI 有哪些担心。可以用匿名问卷加几场小范围访谈。匿名很重要：只有员工不担心被追责，才会说出自己私下在用哪些工具。这一步的产出是一份“使用地图”和“风险清单”。
第 2 步：设计分层课程。 按前面的表格，为不同岗位设计不同的学习内容和时长。所有人都要上的是一门“基础必修课”，内容包括 AI 的基本原理、常见错误类型、数据安全红线和公司规范；在此之上，再为各岗位增加专项内容。
第 3 步：用真实业务场景练习。 培训素材应来自员工的日常工作，而不是通用案例。例如，让客服人员用 AI 起草十条真实投诉的回复，再互相找出其中的事实错误和语气问题；让采购人员用 AI 比较三家供应商的报价，再对照原始单据核验。让员工亲眼看到 AI 出错，比讲十遍“要注意核对”更有效。
第 4 步：制定清晰的使用规范。 规范要回答几个具体问题：哪些工具经过批准可以使用；哪些数据不能输入（如客户身份信息、合同全文、未公开的财务数据）；哪些输出必须经过人工复核才能对外使用；出了问题向谁报告。规范要短、要具体，最好配上正反例子，并在培训中逐条讲解。
第 5 步：培养内部 AI 带头人。 在每个部门找一两位用得好、愿意分享的员工，作为“AI 带头人”。他们负责收集本部门的好用法、回答同事的日常问题、把一线遇到的问题反馈给管理者。同事之间的示范和答疑，往往比外部讲师更能消除顾虑。
第 6 步：持续评估和更新。 定期看几类指标：参训覆盖率、员工对 AI 的信心变化、AI 辅助任务的质量和效率，以及数据安全事件和差错记录。同时保留培训记录，便于复盘，也能在需要时说明企业做过哪些工作。课程内容建议至少每半年更新一次。
推进过程中还要留意培训的语气。只强调“不能做什么”，员工会更沉默；只强调“效率提升多少”，员工又会担心“效率提升之后是不是要减人”。比较好的方式，是坦诚地讨论 AI 会如何改变每个岗位的工作，并让员工参与规则的制定。 这也是让人愿意公开使用、愿意分享经验的前提。
关于员工 AI 素养培训的常见问题
没有欧盟业务的企业，也需要关注《AI 法案》第 4 条吗？ 如果 AI 系统不投放到欧盟市场、不在欧盟使用，也不影响欧盟境内的人，这条法规并不直接适用。但它提出的思路，即根据岗位和风险让员工理解所用的 AI，对任何企业都有参考价值。
AI 素养培训需要多少小时？ 法规和调查都没有给出统一标准。BCG 的调查显示，接受过 5 小时以上培训、并有面对面指导的员工更可能持续使用 AI，设计基础课程时可以把它作为一个参考，再根据岗位增加专项内容。
员工担心 AI 会取代自己，培训时如何处理？ 不要回避这个问题。可以坦诚说明企业引入 AI 的目的、哪些工作会发生变化，并把节省下来的时间与员工的新职责、新技能联系起来。员工看到自己的成长路径，才更愿意投入学习。
没有培训部门的中小企业，应该从哪里开始？ 从一份简短的使用规范和一门基础课开始，再找一位用得好的员工作为带头人。先覆盖最常用的工具和风险最高的数据，比追求完整的课程体系更实际。
参考资料
- Regulation (EU) 2024/1689 (Artificial Intelligence Act)，EUR-Lex，2024 年 6 月
- AI Literacy - Questions & Answers，European Commission，2026 年 10 月更新
- AI at Work Is Here. Now Comes the Hard Part，Microsoft & LinkedIn，2024 年 5 月
- AI at Work: Strategy Matters More Than Tools，BCG，2026 年 6 月（调查幻灯片）
- AI at Work 2025: Momentum Builds, But Gaps Remain，BCG，2025 年 6 月
- Gartner Research Finds Only 8% of HR Leaders Believe Their Managers Have the Skills to Effectively Use AI，Gartner，2025 年 10 月
