员工为何隐瞒 AI 使用：组织信任缺失的代价

毕马威与墨尔本大学对超过 4.8 万名受访者的全球研究显示，57% 的员工承认在工作中隐瞒了自己使用 AI 的行为。南加州大学马歇尔商学院对 604 名美国在职 AI 用户的独立调查则发现，30.3% 的受访者曾故意向同事或雇主隐瞒与 AI 相关的知识、工作流或技巧。两位作者埃里克·阿尼西奇与杰斯琳·布劳沃斯在《哈佛商业评论》中文版撰文指出，这一现象的本质是员工对组织的信任缺失，AI 正在对组织文化进行压力测试。

知识囤积的 AI 变体

知识囤积在组织中并不新鲜。过去的研究多关注员工对坏消息、道德问题、运营风险的隐瞒，而 AI 带来的是对「解决方案」的隐瞒。当个人摸索出的工作流创新能把一项三小时任务压缩到二十分钟，且这些知识便于携带、易于保密时，沉默在经济上会产生实实在在的代价。

历史上，生产力提升会通过共享系统、标准化流程和正式工具自动扩散；而 AI 让许多最有价值的提升来自个人实验——某位员工发现了可在短时间内生成可交付成果的提示词组合，或找到了绕过官方流程瓶颈的方法。这些知识更难被组织捕获。

信任是最强的预测变量

研究显示，组织信任是预测员工是否会隐瞒 AI 知识的最强因素之一。信任度处于最低四分位的员工，隐瞒 AI 知识的可能性几乎是最高四分位员工的近四倍（47% 对 14%）。心理安全感也呈现类似模式（45% 对 17%）。即使控制了工作不安全感、组织创新能力、年龄、性别、行业、职位级别、是否有正式 AI 政策等变量，组织信任仍然是显著的预测指标。

更值得注意的是，Anthropic 的一项研究显示，69% 的专业人士提到了在工作中使用 AI 所面临的社会压力。员工隐瞒 AI 行为的原因高度集中：

声誉成本：担心被认为能力不足，专业贡献被贬低为「电脑做的」。
工作量成本：效率提升被当作有待填补的空闲产能，而非可再投资的红利。
可替代性成本：企业 AI 系统可记录提示词与工作流，所学知识有被提取并转移给替代者的风险。

领导者可以做什么

两位作者为管理者给出五项建议。

明确边界：消除 AI 使用的模糊地带，告诉员工哪些用法被鼓励、哪些是禁区以及灰色地带如何处理。
不要过度索取：建立关于 AI 节省时间如何使用的明确规范，如用于更深入的分析、更高价值项目或职业发展，否则员工会理性地隐藏收益。
奖励知识传播：以团队为导向的薪酬与学习氛围可减少知识隐藏；奖励可复用工作流、同行采用率与质量改进，而非只奖励个人 AI 生产力。
将实验合法化：参考 3M 的「15% 原则」与谷歌的「20% 时间」，把 AI 实验从「偷工减料」转变为经批准的工作类别，如 Anthropic Claude Code 团队的「支线任务」机制。
把公开分享视为贡献：限制分享成本——发现者只需演示一次，由公司负责记录、分发与支持，发现者保留功劳。

真正决定 AI 回报率的是信任

斯坦福数字经济实验室对 51 个企业 AI 应用案例的研究显示，AI 应用中最困难挑战的 77% 与技术本身无关，其中之一就是赢得持怀疑态度团队的信任。AI 劳动力转型公司 Section 的 CEO 格雷格·肖夫直言：问题不在于缺乏 AI 投资回报率，而在于「投资回报率被员工自己攥在手里」。

当员工不信任组织会公平对待他们所分享的内容时，公开分享就会被隐藏取代。领导者若只盯着 AI 采用率，就会漏掉那个更关键的问题——员工是否有安全感与动力，去分享自己摸索出来的东西。