56%的核心员工没吃到AI红利：不到四成有培训资源

普华永道2026年9月29日发布的全球职场调查显示，56%的受访者属于承担日常交付工作的“核心员工”，其中不到四成认为自己能获得所需学习与发展资源，AI领先员工则接近八成；两组每天使用生成式AI的比例分别为11%和51%。这道差距涉及的既是工具使用，也是员工能否通过工作积累新技能。

IT Pro的报道介绍，调查覆盖近5万名、来自48个国家和地区的劳动者，并引述普华永道全球劳动力负责人Pete Brown的警告：“There is a real risk that the global workforce is starting to move at different speeds.” 对普通员工来说，企业引入AI之后，值得关注的是谁能获得练习时间、参与新任务，以及让学习成果得到认可。

四类员工，机会差在哪里

调查用两个维度划分员工：一是受访者所感受到的技能市场需求和替代难度，二是AI对其工作质量、创造力、技能及雇主价值带来的收益。TNW的报道列出四类员工的占比：领先员工14%、AI进取者18%、专业骨干11%、核心员工56%；领先员工中，29%表示未来一年非常或极有可能更换雇主。各组占比经过四舍五入，不能把分类当作个人能力排名。

• 领先员工：技能需求高，也较多感受到AI收益。超过半数每天使用生成式AI，接近八成认为能取得所需学习资源；这一组也有较明确的换工作意向。
• AI进取者：技能相对没那么稀缺，却积极借助AI改善交付；他们每周使用AI的比例在四组中最高。
• 专业骨干：拥有雇主看重、较难替代的专业能力，但实际参与AI工作的程度较低。技能价值高，并不意味着已经获得相应的AI经验。
• 核心员工：承担稳定的日常交付，自述的AI收益较低；约十分之一每天使用生成式AI，不到四成认为能取得所需学习资源。

公开结果没有为中间两组列出可直接对照的培训资源和离职比例，因此不能凭使用频率推断他们获得了多少培训。四组之间更清楚的区别是：有些员工同时拥有高需求技能、经常使用AI，并能获得学习支持；人数最多的交付群体在这几方面都处于较弱的位置。

工具普及了，培训资源却收紧

从整体趋势看，AI使用增长没有带来同等幅度的学习支持。过去一年，更多受访者在工作中用过AI，每天使用生成式AI的人也增加；与此同时，认为自己能获得所需学习与发展资源的人减少。课程是否开放，只能说明培训有了入口，尚不能说明承担日常交付的员工有时间练习，或能把新技能用在岗位任务里。

这也是核心员工容易被忽略的原因之一。他们负责维持现有服务和运营，管理者若只要求交付量，同时把学习安排在原有任务之外，员工能够接触新流程的时间便很有限。调查呈现的是群体差异，并未证明工作量是培训差距的唯一原因；但它使学习时间、任务分配和考核方式成为需要一起检查的条件。

使用频率也不能单独代表职业安全。经常使用AI的人更可能表示对工作保障有信心，但岗位性质、技能需求和管理支持也可能影响这一回答。把工具使用次数当作培训成效，可能掩盖员工只是在重复原有任务，尚未获得更有价值工作的情况。

员工争取培训资源，可以问到具体任务

对员工而言，“需要培训”最好对应一项可以实际参与的工作。与直属经理讨论时，可以核对以下条件，弄清课程、工具和岗位机会是否接得上：

• 现有职责中，哪些任务允许使用AI？完成后有哪些判断和复核仍由员工负责？
• 练习能否安排在工作时间内？团队是否提供适用的工具、数据和遇到问题时的指导？
• 学习后的新能力会进入哪些任务、绩效评价或岗位发展讨论？评价标准是否认可质量改进，而不只计算原有交付量？
• 如果AI输出不准确，由谁复核、如何纠正？员工是否知道可以向谁寻求支持？

这些问题的作用，是把一次培训报名与真正获得学习资源区分开来。员工可以据此说明自己已经掌握的工作内容、希望尝试的任务，以及为完成任务需要的时间和指导；是否获得AI收益，最终仍要看这些条件能否进入日常工作。

管理者需要重排交付、学习与认可

对管理者，培训覆盖率之外，还要检查机会落在了谁身上。若新工具试用和流程改进总由少数人负责，而核心员工继续承担全部原有交付，团队的AI使用率即使上升，新能力也可能集中在同一小群人手中。

• 列出承担日常交付、参与AI试用和负责流程改进的人员，检查机会是否长期集中；让熟悉原流程的人参与识别可改进的步骤。
• 明确工具辅助的步骤，以及仍需员工判断、复核和承担责任的部分，再调整岗位职责与交接方式。
• 为学习留出排期。若培训增加而交付要求不变，就需要说明时间从何而来，避免把练习转移到工作时间之外。
• 检查绩效标准是否认可有效试验、知识分享和质量改进，同时保留对准确性的要求。

领先员工可能因能力受到市场欢迎而流动；核心员工则可能在维持业务运转时错过学习和创新机会。下一轮岗位调整能否为日常交付团队留出学习时间、分配有实际价值的新任务，将决定更多员工能否从AI投入中获得能力上的收益。

相关阅读：

• Meta首批数据中心学员毕业：四周培训后真的有岗位等着
• NGC 4698的核心转了90度：哈勃拍到罕见错位星系
• 新加坡承诺不让劳动者独自应对技术冲击：再培训是第一道防线