导读:你的员工可能已经在向人工智能透露他们在部门例会上绝口不提的隐忧。单凭“心理安全感”无法弥合这一鸿沟,而你的 AI 采用率仪表盘也无法反映出这一真相。
作者:Khalid Kark(《Second Opinion》专栏作者)

[图片 1:Yumu / Unsplash ]
作为一名领导者,你可能已经花费了数年时间,引导你的管理团队在组织内营造“心理安全感(Psychological Safety)”。毕竟,当员工觉得可以放心地质疑上级、及早汇报坏消息,并在隐患演变成高昂代价之前坦诚指出那些令人不适的问题时,组织将从中受益匪浅。
1986 年的“挑战者号(Space Shuttle Challenger)”航天飞机灾难已成为管理学上的经典警示。在发射前,工程师们曾对固体火箭助推器中使用的 O 型密封圈提出过担忧。然而,在发射进度的重压之下,管理层否决了他们的警告。升空仅 73 秒后,七名宇航员不幸遇难。这一惨痛教训至今依然适用:当人们因害怕而不敢发声,或迫于压力而选择顺从时,组织就会错失那些内部早已察觉的关键风险信息。
然而,人工智能(AI)正在引入一个大多数领导者尚未考虑到的复杂变量。你的员工现在拥有了另一个倾诉与探讨的渠道。新兴研究表明,员工可能更愿意向一台机器而非人类领导者提出质疑;与此同时,另一批研究则对我们关于“心理安全感”本身的固有假设提出了挑战。
将这两点结合起来看,你如今需要管理的已不仅仅是人与人之间的心理安全感,而是横跨“人与机器”的心理安全生态——而这两者向你反映出的组织健康状况,可能截然不同。
心理安全感之所以备受推崇,自有其充分的理由:当团队成员能够坦承错误、质疑假设并挑战权威,且无需担心这些行为会在绩效考核中遭到秋后算账时,团队的整体表现确实会更加出色。但这里往往存在一个认知误区:人们常以为心理安全感与问责制(Accountability)处于同一个调节旋钮的两端,提高了安全感,标准和要求就会随之降低。事实并非如此。最强大的团队往往两者兼备:成员既感到足够安全,敢于互相提出建设性质疑;又具备足够的责任感,能够高标准地交付成果。
研究人员针对五种不同的工作场所环境(涵盖医院护士、知识工作者,以及跨越 229 家零售门店的四年销售数据)进行了调研,发现心理安全感与绩效表现之间并非简单的线性关系。在心理安全感极高、却缺乏对等问责制的情况下,日常常规工作的绩效反而可能出现下滑;而建立集体问责制则能显著缓冲并扭转这种下滑趋势。可见,问题并不在于员工感到“过于安全”,而在于这种安全感在独立运作时,缺失了团队所需的另一项关键要素。
一篇较新的概念性研究论文进一步解释了其中的原因。心理安全感降低了人们畅所欲言的人际交往风险(这正是管理者所期望的),但仅有安全感,并不能自动建立起让团队保持敏锐度所需的专业纪律——例如会前充分准备、发言前深思熟虑,以及严肃对待团队的共同规范。这种纪律性,必须源于严格的问责制。
航空业为此提供了一个恰当的类比。“静默驾驶舱(Sterile Cockpit)”规则旨在消除飞机处于关键飞行阶段时的非必要交谈,但绝不禁止关乎飞行安全的紧急质疑。如果发现异常,机组人员依然必须立即发声。在这里,发生改变的并不是允许多少心理安全感存在,而是决策权、操作纪律和问责制的执行力度变得更为严密。
在你的 AI 试点项目和早期探索实验中,团队需要最大限度的坦诚。一名初级工程师如果对某个底层模型或供应商的宣传口径存疑,应当拥有充分的机会把话讲出来。而一旦决策进入生产环境部署、安全事件响应或面向客户的实际交付阶段,问责制就必须相应收紧。此时,心理安全感并未降低,而是问责制的权重显著提升了。
在这一领域,IT 领导者还需要审视并打破另一组惯性假设:认为包容性领导(即领导者平易近人,并重视员工的意见、将其转化为实际行动)能够建立心理安全感,进而认为心理安全感能让员工安心地接受 AI,并最终水到渠成地推动 AI 的普及应用。然而,实证研究揭示的真相要复杂得多。
近期的一项研究发现,包容性领导确实能够提升团队的心理安全感,但心理安全感本身并不能显著预测员工对 AI 的信任程度。真正起到决定性作用的,是个体对“不确定性”的容忍度(Tolerance for uncertainty)。这一点至关重要,因为引入 AI 本身就是一个高度充满不确定性的事件:底层模型的能力每隔几个月就会发生迭代,系统输出的结果可能自信满满地给出正确答案,也可能一本正经地胡说八道(产生幻觉),而且 AI 对现有岗位、工作流程乃至个人职业生涯的长期影响依然不够明朗。员工实际上是被要求围绕一个行为具有“概率性(Probabilistic)”而非“确定性(Deterministic)”的系统,去行使自己的专业判断。
另一项针对韩国企业员工的研究则发现,AI 的引入与员工心理安全感的下降存在关联,而心理安全感的降低又进一步关联到更高的员工抑郁倾向。推行道德领导力(Ethical leadership,即领导者对正在发生的变革保持透明与公正)能够缓解这种负面影响,但无法将其彻底消除。尽管受限于不同国家、样本规模和研究方法,这两项研究都不能被视为放之四海而皆准的绝对定论,但它们共同向 CIO(首席信息官)们抛出了一个不容忽视的重要课题。
健康的企业文化或许能帮助员工消化 AI 带来的颠覆性冲击,但这并不必然意味着他们会信任这项技术本身。这是两个维度截然不同的问题:
一个是组织管理问题:员工是否相信自己有权利对身边正在发生的变革提出质疑?
另一个则是心理与技术素养问题:当手中的工具输出具有概率性时,员工能否保持高效工作?他们是否清楚何时应该信任它、何时质疑它、何时验证它,或者干脆忽略它?
解决第二个问题,依靠的绝不仅仅是再发起一场企业文化宣导活动,它需要的是扎实的 AI 素养(AI Literacy)、独立的批判性判断力,以及在高度不确定性下从容作业的能力。
2026 年在中国开展的一系列基于特定场景的实验发现,在处理认知与分析类任务时,相比于人类领导者,员工更愿意向“算法领导者(Algorithmic leader)”表达自己的担忧与异议。感知到的公平性(Perceived fairness)与心理安全感是造成这一差异的重要原因。当然,这并不意味着员工希望让机器人来当自己的老板——在涉及强烈情绪波动的场景中,这种效应便不复存在——但在技术与分析型工作领域,这一发现极值得技术高管深思。背后的原因其实非常符合人性:算法不会在下一次部门例会上让你当众难堪,不会在高层管理团队面前贬低你的专业声誉,更不会因为你在六个月前曾质疑过它最得意的重点项目而对你怀恨在心。
现在,不妨设想一下,当生成式 AI(Generative AI)和代理式 AI(Agentic AI)深度融入日常办公后,企业内部正在发生怎样的场景:在你公司的某个角落,一名工程师可能会在对话框里直接告诉 AI 助手,目前拟议的系统架构存在严重缺陷,并详细列出原因,甚至与大模型一起推演了三种替代方案;然而一个小时后,当他走进会议室,看到一位资深高管正在力挺最初的那套设计方案时,他却选择了沉默并点头附和。
针对架构隐患的专业担忧确实存在过,只是整个组织从未真正接收到这一信号。并不是 AI 压制了不同的声音,而是你现有的管理体系将其挡在了门外。
你实际上是在一个“缺乏心理安全感的组织架构图”内部,部署了一个“极具心理安全感的聊天机器人”——而你的 AI 采用率监控仪表盘(Adoption dashboard)永远不会向你揭示这其中的微妙差异。在后台数据看来,这两类员工都是极为成功的 AI 高频用户:一位利用 AI 切实加速了业务交付,另一位则将 AI 当作了全公司唯一能让他放下戒备、说出真实专业看法的树洞。两者的 Token 消耗量与使用频次看起来一模一样,但背后折射出的组织健康度却天差地别。
我们花费了大量时间去探讨“员工是否足够信任 AI”。现在,我们或许需要投入同样多的精力去反思另一个问题:员工对周围的管理者是否抱有足够的信任,以至于愿意把他们早已告诉过 AI 的真话,当面向人类复述一遍?
面对这一信任悖论,技术领导者可以从以下三个具体维度着手破局:
第一,保持心理安全感的恒定,同时根据项目阶段动态调整问责力度。在战略规划会、架构评审、AI 试点和早期探索实验中,要积极鼓励尖锐的建设性质疑,在决策成本变得高昂之前,让提出异议的代价降到最低。而一旦项目进入正式执行阶段,就要果断收紧决策权并明确交付预期,但同时绝不能关闭针对合理的安全隐患、伦理争议或运营风险的反馈通道。
第二,停止仅仅通过主观情绪问卷来衡量心理安全感,转而审视“异议是否真正改变了决策”。不妨在团队内部盘点几个具体问题:有哪些重大技术项目,是因为有人质疑了核心假设而得以重新设计的?有哪些 AI 试点,是因为有人及早暴露了潜在风险而被缩减规模、推迟或果断叫停的?有哪些高管层的既定决策,是因为向下好几个层级的基层员工挑战了主流观点而发生改变的?如果整个团队里没有人能回忆起哪怕一个这样的真实案例,那么再做一次全员敬业度调查也毫无意义。
第三,搭建一条结构化的桥梁,让员工向 AI 提出的合理担忧能够顺畅传递至人类的决策系统中。需要明确的是,这绝不意味着要去后台审查员工与 AI 的私人对话记录——那种做法只会制造监控恐慌,彻底扼杀残存的坦诚。正确的做法是设计一套低摩擦的机制,让员工无需从头组织语言就能将疑虑向上同步:例如设立匿名风险升级通道、打通“从提示词对话到项目复盘(Prompt-to-retrospective)”的工作流、建立可疑 AI 输出结果的快速标记机制,或者提供一条能够将 AI 探讨记录一键转化为架构评审或投资委员会评估议题的结构化路径。
这项机制设计的核心衡量标准非常简单:当一名员工在与 AI 的交互中发现了一个关键业务或技术隐患时,他能否仅通过一次主动的常规操作,就将这一隐患无缝推入组织的正式决策流程中?在未来的企业里,真正致命的风险信号,将越来越频繁地率先浮现在那个对话框里。
本文的探讨绝非为了否定心理安全感的价值,而是旨在打破“心理安全感可以孤立起效”的迷思,并提醒管理者切勿将“人际信任”与“对 AI 的信任”混为一谈。如今,AI 正在你的组织内部催生出“第二套对话体系”:一套发生在正式会议、绩效评估和 Teams 语音通话中;而另一套,则悄然发生在员工与机器的私密交互里。
摆在 CIO 面前真正严峻的问题,从来不是你的员工是否信任 AI,而是 AI 是否已经在不知不觉中,变成了员工倾诉那些“组织最急需听到的刺耳真话”的唯一场所。
专栏简介:《Second Opinion》(第二意见)致力于为技术领导者提供基于实证研究的深度视角,协助其做出最关键的战略决策。专栏作者 Khalid Kark 拥有 25 年作为资深顾问、研究员和企业运营者的丰富经验。在充斥着各种概念噪音的企业级技术市场中,本专栏旨在剥离表象,为您提取真正的核心信号。
Psychological Safety (心理安全感):由哈佛商学院教授 Amy Edmondson 提出的组织行为学概念,指团队成员共同抱有的一种信念——在团队中提出新想法、提出问题、表达担忧或承认错误是安全的,不会因此受到羞辱、排斥或惩罚。
Sterile Cockpit Rule (静默驾驶舱规则):航空安全管理的核心准则,规定在飞机起飞、降落等关键飞行阶段(通常指低于 10,000 英尺时),机组人员严禁进行任何与飞行操作无关的交谈,以确保高度专注,但任何与安全隐患相关的警告必须立即报告。常被借用于企业高风险 IT 变更与事故响应管理中。
Probabilistic vs. Deterministic Systems (概率性系统与确定性系统):传统软件工程属于“确定性系统”,即给定相同的输入,必然严格遵循预设代码逻辑产生完全相同的输出;而以大语言模型(LLM)为代表的现代 AI 属于“概率性系统”,其输出是基于统计概率预测生成的,相同输入可能产生不同结果,因此要求使用者具备更高维度的验证与判断能力。
Prompt-to-Retrospective Workflow(从提示词到复盘工作流):一种新兴的敏捷与 AI 协同机制。指员工在日常使用企业 AI 助手进行代码调试或架构探讨时,一旦通过提示词(Prompt)交互发现了深层系统缺陷,可将该段人机对话脱敏后直接一键导出,作为团队迭代复盘会(Retrospective)的正式议题输入。
本文深刻地揭示了生成式 AI 时代一个极易被忽视的组织盲区:当后台仪表盘显示员工的 AI 活跃度与 Token 消耗量一路走高时,这未必代表生产力的全面跃升,反而可能是组织沟通渠道阻塞的信号——基层技术骨干正在把本该在架构评审会上提出的尖锐批评,倾倒给毫无威胁感的 AI 聊天框。
对于 CIO 与 CDO 而言,破除这一“信任悖论”需要双管齐下:
1、将心理安全感与阶段性问责解耦:借鉴“静默驾驶舱”法则,在架构设计与 AI 试点期鼓励“零成本试错与质疑”;而在生产上线与合规安全上则执行严格的问责纪律,做到宽严相济。
2、打通“人机对话”向“组织决策”的回流机制:严守不监控私人对话的伦理底线,同时在企业 AI 平台中嵌入“一键转交架构评审”或“匿名风险提报”功能,将沉淀在员工与 AI 私密交互中的高价值技术洞察,转化为改进企业系统的真实推力。