已用却未察:克罗地亚生成式人工智能的扩散与治理准备度差距

《TECHNOLOGY IN SOCIETY》:Used but Unseen: Generative AI Diffusion and the Governance Readiness Gap in Croatia

【字体: 大 中 小 】 时间:2026年09月27日 来源:TECHNOLOGY IN SOCIETY 12.9

编辑推荐:

   • 生成式AI的使用比正式培训和战略更为引人注目。 • 培训预示着正式/发展中的AI战略。 • 可见性差距揭示了劳动力治理方面的挑战。 • 许多员工无法评估组织的AI活动。 • 证据来自一项加权的克罗地亚成人调查。 **引言** 生成式人工智能(GenAI)——一类基于大

  

• 生成式AI的使用比正式培训和战略更为引人注目。
• 培训预示着正式/发展中的AI战略。
• 可见性差距揭示了劳动力治理方面的挑战。
• 许多员工无法评估组织的AI活动。
• 证据来自一项加权的克罗地亚成人调查。

**引言**

生成式人工智能(GenAI)——一类基于大语言模型、能够响应自然语言提示生成文本、代码、图像及其他内容的系统——以前所未有的速度从新奇事物转变为职场必备工具(Dwivedi等人,2023;Mollick,2024)。与早期需要专门基础设施和技术专长才能部署的企业AI不同,ChatGPT、Gemini和Microsoft Copilot等GenAI工具可通过标准网页界面对非专业人员开放,使个人无需组织授权或支持即可开始尝试(Storey等人,2025)。自2022年底这些工具公开发布后的几个月内,跨多个经济体的调查显示,工作成年人的个人层面采用率显著增长,主要集中在知识密集型任务上,其增长速度超过大多数可比较的技术转型(Bick、Blandin和Deming,2024)。然而,在欧洲企业中,采用模式仍然高度不均:即使在创新率较高的国家,整体AI采用率也低于预期,成本、数据质量和缺乏专业知识成为持续存在的障碍,且在企业规模和国情背景方面仍存在显著差异(Fernandez和Uriarte,2026)。

组织层面的故事比单纯的扩散率所显示的更加复杂。个人采用——员工自主尝试工具,往往不被管理者知晓——并不会自动产生构成有意义的组织能力的结构化部署、共享能力和治理基础设施(Berente等人,2021;Mollick,2024;Storey等人,2025)。因此,员工个人使用GenAI与其组织对此采取的措施之间的差距,不仅是企业效率的问题,也是一个劳动力和治理问题:中等经济体的员工是否获得了负责任使用AI所需的能力发展和组织可见性。

这一差距对没有专门AI团队、专业资源或既定治理模式的GenAI探索型组织最为关键。为考察这一问题,我们借鉴IT同化理论,该理论解释了技术如何从初始采用过渡到组织常规、劳动力能力和战略安排(Cooper和Zmud,1990;Fichman和Kemerer,1997;Liang等人,2007;Zhu、Kraemer和Xu,2006)。从这一视角来看,GenAI准备度被视为一组相关条件——领导层关注、有组织培训、运营使用和战略正式化——用以表明个人探索是否正获得组织支持并具有可治理性。在GenAI语境下,这提出了三个实证问题:报告领导层关注的组织是否更有可能提供有组织培训?有组织培训是否与跨单位的运营GenAI使用相关?培训与运营使用是否与更正式的战略方向相对应?

最新研究进一步表明,GenAI采用的战略挑战因路径依赖惯性和在异质性内部网络中对齐采用战略的困难而加剧(Seifdar和Amiri,2025)。这一更广泛的准备度差距涉及两个核心维度。第一是能力差距:组织可能在结构化培训广泛实施之前就已报告战略兴趣或运营使用。第二——也是较少被认可的——是可见性差距:相当一部分受雇成人,包括活跃的GenAI用户,无法报告其组织是否有正式/发展中的AI战略、是否提供培训或是否跨单位使用AI。本文认为,这两者都是组织准备度差距的维度。培训有限指向能力发展薄弱。可见性有限指向治理问题:如果非正式AI使用难以被察觉,组织也可能难以了解哪里需要培训和指导。

本研究使用全国加权的克罗地亚成人调查(N=510)中的受雇子样本(N=313)来考察这些问题。克罗地亚提供了一个具有分析价值的中等欧盟数字化转型背景:一个拥有成熟数字基础设施但组织AI成熟度不均的欧盟经济体,其特征类似于欧洲大多数既非采用前沿也非数字排斥的经济体(Arroyabe等人,2024;European Commission,2025;Kergroach和Héritier,2025)。Fernandez和Uriarte(2026)对34个欧洲国家的跨国分析证实,塑造AI采用的结构性条件——人力资本专业化、创新能力和金融行业发展——在欧洲大陆上仍然不均,而克罗地亚的格局使其处于大多数这些条件正在发展而非成熟的欧洲经济体之中。来自此类情境的证据相对于其政策和管理的现实意义而言过于稀缺。大多数早期关于企业GenAI的实证研究都来自大型、资源丰富的或技术行业的公司(McElheran等人,2024),使得在更具代表性的组织环境中准备度动态如何展开的问题在很大程度上未被解决。

借鉴IT同化理论(Cooper和Zmud,1990;Fichman和Kemerer,1997;Liang等人,2007;Zhu、Kraemer和Xu,2006),我们将领导层关注、有组织培训、运营使用和AI战略概念化为理论预期应呈正相关的准备度条件。同化理论认为这些条件应呈正相关,因为管理层注意力、劳动力能力、运营部署和战略方向共同支持新技术嵌入组织实践。我们使用加权逻辑回归模型检验了从这一框架中推导出的六个假设。分析展示了这些准备度条件在员工报告中如何相关,以及观察到的模式是否与IT同化理论一致。

本研究做出了三点贡献。第一,它提供了一个中等欧盟背景下GenAI准备度条件如何分布不均的实证说明,显示正式/发展中的AI战略和有组织培训比其他条件更少被报告,指出能力发展和治理正式化是组织GenAI准备度最弱的可见要素。第二,借鉴组织信息可见性文献(Leonardi,2014;Leonardi和Treem,2020;Schnackenberg和Tomlinson,2016),本研究识别出可见性差距——五分之一到五分之二之间(含活跃GenAI用户)的受雇成人无法报告其组织的AI治理活动——并认为这一差距不仅仅是测量不便,而是一种现有AI准备度框架未能直接捕捉的治理条件。当组织内部的AI活动不可见时,员工相互学习的机会减少,管理者也难以获得关于哪里需要培训和指导的微弱信号。第三,本文通过将GenAI准备度与负责任的AI治理和中等欧洲数字化转型的更广泛辩论联系起来,表明培训与交流基础设施是负责任AI采用的社会条件,而不仅仅是提高企业效率的管理工具。

本文其余部分按以下顺序展开。第2节阐述理论框架并推导假设。第3节描述数据和方法。第4节呈现结果。第5节讨论研究结果。第6节总结。

**章节片段**

**IT同化与组织准备度模型**

组织技术采用研究长期以来一直区分技术的初始获取与其更深层次地融入组织常规、流程和战略(Rogers,2003)。IT同化理论将此描述为一个分阶段的过程,技术从初始引入和采用,经过适应、接受、常规化,最终融入组织实践(Cooper和Zmud,1990)。这一进程并非自动发生:组织

**数据和样本**

本研究使用2025年10月在克罗地亚收集的横断面调查数据,由Valicon d.o.o.公司使用其专有的Valicon在线面板收集。

**描述性统计**

表2报告了GenAI准备度指标的加权流行率估计值,针对每项指标在具有明确回答的受雇受访者中单独计算。32.8%的受访者报告了领导层关注,36.6%报告了运营使用。有组织培训较为少见,报告率为16.8%,而正式或发展中的AI战略报告率仅为13.1%。相比之下,广义战略导向——也包含非正式想法——的报告率为38.6%。这一模式表明

**讨论**

结果表明,GenAI使用与支持所需组织条件之间

存在明显差距。领导层关注与有组织培训和运营使用强烈相关,有组织培训是正式或发展中的AI战略最强的预测因素。这一模式符合IT同化理论的基本逻辑:管理层注意力和人力资本投资对于新技术从个人探索过渡到组织实践至关重要(

**结论**

本研究考察了克罗地亚受雇受访者如何报告组织GenAI准备度的四个可见条件:领导层关注、有组织培训、运营使用和战略正式化。研究发现,GenAI使用与支持和使用所需的组织条件之间存在明显差距。正式或发展中的AI战略在具有明确回答的受访者中报告率仅为13.1%,有组织培训为16.8%。运营使用更为常见,达

**CRediT作者贡献声明**

Nikolina Dragi?evi? Rogge:撰写——审阅与编辑、撰写——初稿、可视化、监督、方法论、获取资助、正式分析、概念化。Aco Mom?ilovi?:撰写——审阅与编辑、撰写——初稿、验证、方法论、调查、数据整理、概念化。Rebeka Danijela Vlahov:撰写——审阅与编辑、验证、方法论、正式分析

**未引用参考文献**

Bick等人,2024;Bresnahan等人,2002;Brynjolfsson等人,2025;Treem等人,2020。

**数据可用性声明**

本研究的基础调查数据由研究所在国的商业研究提供商通过专有的在线面板收集。由于商业机密原因,数据不公开。研究工具和代码可在合理请求下从通讯作者处获取。

**伦理声明**

本研究使用通过商业在线面板收集的二手数据。参与是自愿且匿名的。作者未收集或处理任何个人可识别数据。根据适用的国家指南,对匿名化调查数据进行的二次分析不需要机构伦理审查。

**写作过程中生成式AI和AI辅助技术的声明**

在准备本工作期间,作者使用了Claude(Anthropic)来支持概念发展、编辑修订和图表创建。使用该工具后,作者审阅并编辑了所有必要的内容,并对发表文章的内容承担全部责任。

**利益冲突声明**

? 作者声明,他们没有已知的竞争性财务利益或个人关系可能会影响本研究报告的工作。

**致谢:**

本文由欧盟——NextGenerationEU在IIP-581-2025呼吁下资助。

Aco Mom?ilovi? | Nikolina Dragi?evi? Rogge | Rebeka Danijela Vlahov
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号