企业引入AI工具提升生产力，管理者面临评估与管理新挑战
企业正积极为员工提供AI工具以提升生产力，但这给管理者带来了新的难题。根据Monday.com委托Nielsen对七国1700名总监及高管的调查，超半数高管表示采用AI后更难评估员工表现。原因在于员工成果多以AI润色形式呈现，难以区分人工与AI贡献，导致近半数经理审查和指导团队产出的时间增加。
管理者对AI充满期待，但组织适应滞后
尽管存在挑战，94%的管理者仍对利用AI改善工作充满期待，且清楚其应用价值。Monday.com市场研究负责人Michal Miller Levi将此比作2000年代初互联网兴起时的“魔力”。但她指出，AI发展速度远超企业适应能力，“AI对个人效果显著，但管理者需推动整个组织，困境在于AI演进速度超过了组织流程的适应速度”。
评估标准重构与潜在偏见风险
78%的受访者在采用AI后改变了评估方式，更重视提示词构建、任务委托决策及创新尝试能力。然而，当AI生成内容难以辨别时，公平评价成为难题。调查显示，46%的管理者用AI辅助决策，39%用AI起草绩效报告。鉴于大语言模型（LLMs）倾向于重复训练数据中的人类模式，这可能引入更多偏见。卢森堡社会经济研究所研究发现，在缺乏客观标准时，LLMs评级与人类相似；另有研究表明AI可能对特定社会群体存在显著偏见。Levi坦言，企业尚未找到处理此类外部偏见的方法。
隐形劳动增加与软件栈管理困境
AI正在改变日常管理，决定任务分配、检查产出及介入问题构成了新的“隐形劳动”。软件管理也愈发复杂：57%的管理者表示组织内流通工具增多，51%认为工具间依赖性增强且趋集中，仅29%认为AI基础设施完全优化。Levi指出，企业原期望AI缩减软件栈，但员工在批准系统外采用各种工具，导致应用数量增加、集成复杂度上升及影子AI使用等问题。“超过50%的人表示现在使用的工具比去年更多，且趋势持续。”
AI代理监督需求加剧与治理挑战
随着自主AI代理的部署，控制需求日益迫切。58%的管理者预计未来一年将监督更多AI代理而非人类员工，46%担心失去对代理行为的控制。此外，35%的受访者担忧因AI决策承担责任，因为LLMs仍具不可预测性。Levi解释称，管理者不希望代理完全自主，希望在关键任务和决策中有人参与并由AI咨询。本质上，AI采用已成为治理问题，若缺乏适当流程和基础设施，管理者将难以维持运转。