今年5月19日,谷歌在其I/O开发者大会上发布了被官方称为"25年来最重大升级"的搜索产品,并将其定位为在线搜索的未来方向。新版搜索将提供AI生成的回答、对话式查询以及基于Gemini重新设计的交互界面,全面取代用户沿用多年的传统链接列表体验。
用户的反应几乎是即时的——且相当冷淡。Reddit、X及各大支持论坛上,大批老用户纷纷表示,这个曾经熟悉无比的互联网产品如今变得难以掌控、缺乏透明度,与他们使用多年的工具大相径庭。竞争对手DuckDuckGo随后报告称,在谷歌完成此次升级之后,其无AI搜索选项的访问量明显上升。
对于CIO而言,这场反弹折射出企业持续面临的一大挑战:如何在不破坏用户习惯、工作流程和信任基础的前提下,推动依赖性系统的现代化升级。
类似的情形每天都在企业内部上演——公司重新设计内部工作流程、整合平台、引入AI辅助工具,或替换员工多年来已将日常习惯建立其上的遗留系统。管理层或许将这些举措视为必要的现代化进程,但员工和用户却往往感受到的是根本性的颠覆。这种认知落差从何而来?
Freeman Clarke的兼职CIO西蒙·拉特克利夫(Simon Ratcliffe)表示:"原因其实相当简单。人们评判系统时,很少纯粹基于技术优劣,而更多是看熟悉程度、可靠性,以及系统对日常工作习惯的支撑程度。"
熟悉感本身也是商业资产
在企业变革领域反复出现的一个核心主题是:组织往往低估了用户对"熟悉感"本身的重视程度。
在企业内部,员工会在多年甚至数十年的使用过程中,围绕某一系统形成固定的习惯和专业能力。采购团队对审批流程了如指掌;仓储人员对物流平台形成了肌肉记忆;财务团队在ERP系统中积累了大量操作技巧和非正式工作流。随着时间推移,熟悉感与工作效率已经难以分割。
卡特彼勒公司战略与变革顾问莫希特·阿胡贾(Mohit Ahuja)表示:"当某样东西运转良好时,人们就不再关注工具本身,而是直接看到结果。一旦你改变了界面或工作流,你就打断了他们多年积累的肌肉记忆。这种打断带来的感受不是进步,而是个人的失去。"
这也解释了为何即便技术上成功的系统升级,依然会引发强烈的挫败感。组织推进现代化时,往往从效率提升或功能扩展的视角出发;而用户感受到的同一变化,却是工作习惯的打断和专业能力的丧失。
Clocktower Advisors的社区与数字化工作场所战略顾问托德·尼尔森(Todd Nilson)指出,员工通常会将突如其来的工作流程变化,解读为对自己多年积累的专业价值的贬低。
"熟悉感本身就是一种专业能力,"尼尔森说,"人们对日常使用的工具建立起真正的专业技能,这种技能与他们的职业身份深度绑定。一次强制更新不仅改变了他们的工作流程,还在回溯意义上贬低了他们已经建立的能力。"
FC Centripetal的CIO委员会主席、VCLM技术顾问尼尔·尼科莱森(Niel Nickolaisen)表示,企业往往低估了变革的情绪烈度。他观察到,人们在群体层面会本能地排斥新事物,仅仅因为它是未知的。
"人类更倾向于熟悉的,而非舒适的;更倾向于舒适的,而非更好的,"尼科莱森说。
对于CIO而言,真正的挑战在于:员工抵制变革,并不一定意味着他们反对现代化本身。很多情况下,他们的反应源于不确定性、信心丧失,或对管理层推进速度超出组织吸收能力的担忧。
现代化压力持续加速
与此同时,企业领导者也面临着不可忽视的加速压力。老旧基础设施、技术债务、网络安全风险、市场竞争压力以及AI应用部署,都在驱动着现代化进程提速。问题在于,越来越多的企业试图同时推进多项变革。
拉特克利夫指出,许多公司如今将平台迁移、工作流重设计、AI功能上线和组织架构调整打包在同一个项目中推进——美其名曰提升效率。但这种方式并不奏效。
"虽然在纸面上看起来高效,但它给用户带来的是令人难以承受的不确定感,"他说。
AI相关举措进一步加剧了这一压力,因为各组织都担心在竞争对手面前显得停滞不前或技术落后。多位专家指出,与以往技术升级相比,AI驱动的变革在员工感知层面有所不同,因为它直接触及员工对自身职业价值的判断。
"过去的技术变革,改变的是工作发生的地点或处理方式,"阿胡贾说,"AI改变的,是'谁在做思考'这件事本身。"
这一区别至关重要:工作流程的调整相对容易管理,而涉及职业身份认同的冲击则截然不同。员工在适应新ERP系统时可能感到沮丧;但当他们被要求与一个看似能够复制其判断力、专业能力乃至创意工作的系统并肩工作时,他们体验到的可能更接近于焦虑。
尼科莱森表示,AI应用的快速推进正在放大这些担忧,留给组织建立信任和熟悉感的时间越来越少。他警告说,如果缺乏有效的沟通和安抚,组织非但无法加速变革,反而会加深员工的抵触情绪。
变革管理的失败,归根结底是人的问题
尽管每位专家的职业背景各不相同,但有一个观点反复出现:组织始终低估了变革中"人的因素"。
"企业最常犯的错误,是将变革管理视为事后补救,"阿胡贾说,"技术团队花18个月构建一套解决方案,却只给培训留3周时间。这笔账从来算不过去。"
问题不仅限于培训本身。许多组织至今仍将上线阶段的员工抵制视为需要克服的障碍,而非值得重视的运营反馈。
"员工在上线过程中提出担忧时,经常被贴上'抗拒变化'的标签,"阿胡贾说,"这是一种危险的误读。一线员工往往能发现架构师和顾问都未曾预料到的问题。"
尼尔森同样指出,组织经常对系统采用率指标产生误判。员工可能因为别无选择而使用新平台,同时却在暗中建立绕行方案、绕过官方流程,或对系统彻底失去投入感。
"没有实际价值的采用,只是服从;而服从是脆弱的,"尼尔森说。
更有价值的信号,往往来自员工抵制本身的性质。具体的批评意见和详细的运营问题,往往说明用户仍然保有足够的参与感,愿意去改善系统。反而是沉默,可能更为危险。
"当一线用户停止提出问题,往往意味着他们已经不再相信有人在倾听,"阿胡贾说,"到了那个时候,各种变通方案就会大量涌现,采用率数据也就成了一纸虚文。"
CIO应如何转变思路
有一个越来越清晰的论点:组织需要将现代化进程从一次性的系统部署事件,重新定义为一个长期的信心建设过程。
阿胡贾将现代化描述为"管理层紧迫性与运营现实之间的一场协商"。他倡导的方式之一,是在新旧工作流之间设置足够长的并行运行期,让员工在系统正式切换之前,对新系统建立真正的信任。
尼科莱森同样强调,在大规模过渡之前提前建立熟悉感至关重要。提前预览、试点环境、自愿测试期和分阶段推进,都有助于降低抵触情绪——因为用户有时间逐步建立信心,而不是被突然推入陌生的系统。
在一些人看来,即便如此也还不够及时——尼尔森认为,用户应当更早介入变革规划本身。
"不要先做出完整的产品再征求反馈,"尼尔森说,"在你确定解决方案之前,先讨论你想解决的问题。"
评估指标同样重要,但关键在于关注正确的指标。仅凭上线截止日期或部署完成率来评估变革成效,会让人产生失真的判断。阿胡贾建议CIO转而重点关注:员工信心水平、工作流摩擦程度、客户满意度、错误发生率,以及用户在新系统上线之后是否真正信任它。
谷歌搜索升级引发的这场反弹,其背后的深层教训与AI本身关系不大,更多指向的是组织内部推进变革的方式。成功的系统在长期使用过程中,会积累用户习惯、操作捷径、信任基础和组织知识。这些已经成为产品体验的一部分,即便管理层早已将其视而不见。
对于主导现代化进程的CIO而言,真正的挑战在于:如何在引入变革的同时,不损害那份让人们最初愿意信任和依赖这个系统的信心与稳定感。
Q&A
Q1:企业员工为什么会抵触IT系统升级?
A:员工抵触IT升级,主要不是因为技术本身变差,而是因为他们多年来围绕旧系统建立了操作习惯、肌肉记忆和专业技能。一旦系统发生变化,这些积累瞬间失效,员工会感受到能力上的丧失,甚至是职业身份认同的威胁。研究显示,人们对系统的评价更多基于熟悉度和可靠性,而非纯粹的技术优劣。
Q2:CIO在推进系统现代化时最容易犯哪些错误?
A:最常见的错误包括:把变革管理当成事后补救,技术团队花大量时间开发,却只留极短时间做培训;将员工的抵制情绪简单标注为"拒绝变化",忽视其中包含的有效运营反馈;以及仅用上线部署率等表面指标衡量成效,而忽略员工信心、工作流摩擦度等更能反映实际情况的维度。
Q3:企业应该怎样降低系统升级带来的员工抵触?
A:有效的方式包括:在新旧系统之间设置足够长的并行运行期,让员工逐步建立对新系统的信任;提前开放预览或试点环境,给用户时间适应;以及在规划阶段就让用户参与进来,先讨论要解决的问题,而不是先做出成品再征求意见。核心逻辑是把现代化视为一个长期的信心建设过程,而非一次性的部署事件。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。