美国人才发展协会（ATD）& UMU：
《2025年AI驱动的企业人才发展：聚焦AI力报告》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

《2025 年 AI 驱动的企业人才发展：聚焦 AI 力报告》由美国人才发展协会（ATD）与 UMU 联合发布，基于对全球 440 位人才发展专业人士的调研，围绕 “AI 力” 这一核心，系统分析了 AI 在企业人才发展中的应用现状、安全保障、培训配置、实际使用、影响衡量、担忧及未使用原因，为企业制定 AI 人才发展战略提供了数据支撑与行动指南。

一、核心数据与 AI 力现状

（一）关键数据总览

报告开篇呈现了 AI 在企业人才发展中的核心数据：49% 的人才发展专业人士每天至少使用 AI 一次；96% 的受访者对 AI 生成信息的准确性存在不同程度担忧；56% 的组织已制定 AI 使用政策；59% 的组织具备高级或熟练 AI 力；72% 的受访者对学习 AI 应用技能（如提示词撰写、数据素养）表现出极高兴趣；45% 的组织正在评估 AI 对人才发展中知识留存率的提升作用，凸显 AI 在企业人才发展中的普及性与潜在价值，同时也暴露了安全担忧与技能缺口等关键问题。

（二）AI 力水平：仅 18% 组织具备高级 AI 力，地区差异显著

“AI 力” 指组织在工作流程中应用 AI 工具的深度与广度，通过 AI 使用效率、概念理解、日常融入、风险讨论、工具开发、培训优先级、创新同步、伦理应用八个维度评估。结果显示：

• 整体分布
  ：59% 的组织具备高级或熟练 AI 力（高级 18%、熟练 41%），26% 处于初级水平，15% 缺乏经验，表明多数组织已入门 AI 应用，但高级能力仍有较大提升空间。
• 地区差异
  ：世界其他地区（非美日）32% 的组织具备高级 AI 力，日本为 21%，美国仅 10%，日本与美国差异具有统计学意义，反映不同地区企业对 AI 的接纳与应用深度存在差距。
• 认知与实践差距
  ：62% 的受访者认为 AI 能提升员工效率，但仅 36% 表示员工理解重要 AI 概念与定义，且不同层级认知分化 —— 超 1/3 高管认同 AI 提升效率，中层管理者降至 18%，一线员工约 25%，凸显组织需加强 AI 基础知识培训，弥合 “认知 - 实践” 鸿沟。

二、AI 安全与保障：政策与工具清单成核心措施

为降低 AI 应用风险，企业主要通过政策制定、工具规范与伦理监督构建安全体系，但仍存在明显短板：

（一）工具与政策：大型组织更完善，AI 力越高措施越健全

• 经许可 AI 工具清单
  ：59% 的组织为员工提供可使用的 AI 工具清单，无需高层或 IT 许可即可判断工具可用性。大型组织（员工超 2500 人）覆盖率达 67%，中型（100-2499 人）60%，小型（不足 100 人）仅 41%；具备高级 AI 力的组织清单覆盖率近 75%，入门级仅 25%，随 AI 力提升，工具清单的价值认可度显著上升。
• AI 使用政策
  ：56% 的组织制定 AI 使用规范，明确工作应用指导原则。政策需包含 “思维方式（AI 技能与探索文化）、目标宣言（使用愿景与安全原则）、使用场景（部署方案）、操作指南（执行路线图）、监测指标（使用审查与调整）” 五大要素。高级 AI 力组织政策覆盖率近 80%，入门级仅 23%，政策完善度与 AI 力水平高度正相关。

（二）伦理监督：普及率低，美国领先全球

仅 21% 的组织设立 AI 道德规范与咨询委员会，负责制定伦理准则、监督 AI 应用合规性。地区差异明显：美国近 1/3 组织设有此类委员会，日本 15%，其他地区 13%；高级 AI 力组织设立比例达 42%，熟练级 17%，初级 12%，入门级 10%，反映高级 AI 力组织更重视伦理风险管控，而全球多数企业仍需强化伦理监督机制。

三、AI 培训与人员配置：需求旺盛但供给不足

员工对 AI 培训需求强烈，但企业培训覆盖与人才配备仍存在较大缺口：

（一）培训覆盖：必修与选修培训普及率低，内部工具培训为主

• 必修培训
  ：仅 31% 的组织要求员工接受 AI 培训，大型组织（43%）显著高于中型（28%）与小型（14%）；高级 AI 力组织覆盖率 49%，入门级仅 19%，规模与 AI 力是影响培训强制性的关键因素。
• 选修培训
  ：27% 的组织提供 AI 选修培训，大型组织（36%）同样领先，中型（26%）、小型（14%）滞后；高级与熟练 AI 力组织覆盖率均为 36%，初级 15%，入门级 7%，高 AI 力组织更愿意提供灵活学习机会。
• 培训内容
  ：63% 的组织通过内部开发培训教授特定 AI 工具使用，60% 开展内部 AI 政策与最佳实践培训；外部培训（按需或定制）普及率低（29%、23%），反映企业更倾向于自主开发贴合业务的培训内容，外部资源利用不足。

（二）员工需求与学习方式：兴趣强烈，自主探索为主

93% 的受访者对学习 AI 应用技能（提示词撰写、数据素养、AI 伦理）表现出中等到极高兴趣，且不受职位、组织规模、地区限制。学习方式上：

• 54% 通过 “反复尝试” 自学，43% 阅读文章博客，32% 观看播客、视频或网络研讨会，29% 参加面对面或在线直播课程，自主探索是主流方式。
• 地区差异显著：美国 74% 通过反复尝试学习，日本 46%，其他地区 38%；日本 24% 从书籍杂志学习，美国仅 8%，反映不同地区员工学习习惯的分化。

（三）人员配置：超半数组织未配备 AI 相关人才

仅 34% 的组织拥有能开发新 AI 工具与应用的员工，50% 以上组织既未提升现有员工 AI 技能，也未招聘相关人才。具体措施包括：

• 技能提升
  ：35% 的组织帮助现有员工提升 AI 技能，大型组织（50%）远高于中型（26%）与小型（34%）；高级 AI 力组织覆盖率 67%，入门级仅 11%，高 AI 力组织更重视内部人才激活。
• 外部招聘
  ：10% 的组织招聘具备 AI 应用技能（提示词、伦理、数据力）的人才，11% 招聘 AI 技术技能（机器学习、编程语言）人才，高级 AI 力组织招聘意愿显著高于低 AI 力组织，人才储备与 AI 力水平呈正相关。

四、工作中的 AI 使用：聚焦通用任务，专业场景渗透不足

（一）使用频率：近半数每天使用，与 AI 力无显著关联

49% 的人才发展专业人士每天至少使用 AI 一次（每天多次 33%、每天一次 29%），且不同层级（高管至基层）、不同 AI 力水平组织的使用频率无统计学差异 —— 即使入门级 AI 力组织，仍有 29% 的员工每天多次使用 AI，表明员工会主动探索 AI 工具，不受组织政策或培训限制。

（二）应用场景：通用任务为主，专业功能待拓展

1. 人才发展特定职能
   ：

• 内容生产（50% 使用）、语言翻译（48% 使用）是主要应用场景，31% 采用自适应学习（AI 定制学习路径），37% 使用企业专有 AI（知识聊天机器人），25% 利用 AI 提供辅导反馈；
• 互动式虚拟情境模拟（18%）、游戏难度调整（10%）等沉浸式应用普及率低，反映 AI 在人才发展专业场景中的渗透仍停留在基础层面。

• 67% 用 AI 总结文档，64% 撰写 / 编辑电子邮件，59% 生产培训文档，49% 制作演示文稿，48% 翻译文档，通用办公场景是 AI 使用的核心领域；
• 高级 AI 力组织应用更深入：88% 用 AI 总结文档（熟练级 68%、初级 60%、入门级 55%），69% 翻译文档（熟练级 43%、初级 43%），工具应用深度与 AI 力正相关。

• 美国（79%）、其他地区（81%）用 AI 撰写 / 编辑邮件的比例显著高于日本（47%）；
• 日本（56%）、其他地区（75%）用 AI 翻译的比例高于美国（33%），反映不同地区对 AI 功能的需求侧重分化。

五、AI 影响衡量与担忧：量化不足，安全与准确性成核心顾虑

（一）影响衡量：多数组织未量化，生产力是主要感知价值

1. 人才发展指标
   ：不到半数组织衡量 AI 对知识留存（38%）、培训满意度（36%）、学习者参与度（40%）的影响，仅 21% 衡量员工留存率，反映 AI 对人才发展的价值尚未被系统量化。
2. 组织目标关联
   ：仅 22%-35% 的组织衡量 AI 对客户留存（22%）、营收目标（26%）、客户满意度（26%）、新产品开发（32%）、成本降低（35%）的助力，AI 与业务目标的关联度低。
3. 感知价值
   ：59% 的受访者认为 AI 提升了组织生产力，51% 认为提高培训效率，47% 认为促进技能运用与创新，生产力是最被认可的 AI 价值点，与量化数据形成呼应。

（二）核心担忧：安全与准确性成最大痛点，地区差异显著

96% 的受访者对 AI 使用存在担忧，主要集中在：

• 数据安全与隐私
  ：64% 担忧数据保密性，63% 担忧数据安全，58% 担忧版权与知识产权，数据层面的风险是首要顾虑；
• 内容准确性与伦理
  ：55% 担忧 AI 生成信息准确性，49% 担忧数据来源，42% 担忧伦理影响，40% 担忧数据偏差；
• 岗位替代
  ：仅 10% 担忧 AI 替代工作岗位，担忧程度最低。

地区差异明显：日本受访者对 AI 的担忧显著低于美国与其他地区 —— 美国 77% 担忧数据安全（日本 51%），73% 担忧数据保密性（日本 54%），69% 担忧版权问题（日本 50%）；67% 的日本受访者不担忧岗位替代（美国 38%），反映日本企业对 AI 的接纳度更高，风险感知更弱。

六、未使用 AI 的原因与行动建议

（一）未使用原因：人才、认知与隐私是主要障碍

30% 的组织尚未使用 AI 解决方案，52% 计划未来一年内启动，阻碍因素包括：

• 47% 缺乏具备 AI 实施知识的员工，37% 不清楚 AI 对业务结果的影响，34% 担忧隐私风险，30% 受预算限制，28% 员工缺乏学习时间，人才缺口与认知模糊是核心瓶颈。

（二）行动计划：从评估到落地的六步指南

报告为企业提供了 AI 人才发展的具体行动路径：

1. 评估 AI 力
   ：调研员工对 AI 的理解、使用情况与担忧，明确组织 AI 能力缺口，为政策与培训提供依据；
2. 制定使用政策
   ：参考高级 AI 力组织经验，明确允许使用的工具与资源，平衡灵活性与安全性；
3. 锁定受益领域
   ：识别人才发展流程中适合 AI 应用的场景（如内容生产、培训效率提升），优先试点；
4. 提升团队 AI 技能
   ：确保人才发展团队先掌握 AI 工具，使其具备培训全组织的能力；
5. 制定人才战略
   ：通过技能提升或外部招聘弥补 AI 技能缺口，建立长期人才储备；
6. 建立衡量体系
   ：收集基准数据，量化 AI 对人才发展与业务目标的影响，为资源投入提供商业理由。

七、总结与展望

当前 AI 在企业人才发展中已从 “可选” 变为 “必需”，但仍面临 “AI 力不足、培训覆盖低、量化缺失、安全担忧” 四大挑战。未来，随着 AI 技术迭代与企业认知深化，AI 将更深入地融入人才发展全流程 —— 从内容生产到自适应学习，从技能评估到业务目标关联。企业需以 “AI 力” 为核心，通过政策规范、培训赋能、人才储备与风险管控，构建 AI 驱动的人才发展体系，同时关注地区差异与员工需求，实现 AI 与人才发展的深度融合，最终推动组织效能提升与可持续发展。