洞察
视影子AI为研发数据
大多数组织都把影子AI当作安全问题来处理。我认为这是他们获得的、最诚实的研发数据，而他们却正打算将其删除。
这种模式现在已经可以量化了。Prodoscore在2026年8月对72家公司活动的分析发现，员工正在积极使用近50种不同的AI工具。使用最多的五个平台中，有三个是消费级产品，而不是IT部门配置的产品。ChatGPT覆盖的员工大约是获批企业助手的三倍，使用时长则接近五倍。
标准的解读是违规
政策失效了，采购速度太慢了，人们把数据泄露到了无人批准的系统中。所有这些都是真的，风险也是真实存在的，但这些都不是最有趣的部分。
想想这些数字究竟意味着什么。成千上万的人在无人支付报酬、无人要求的情况下，对可用于自身工作的工具进行了一次评估。他们进行了对比。他们放弃了那些没有帮助的东西。他们自掏腰包，在没有培训预算或变革管理演示文稿的情况下，采用了那些管用的东西。这是一项由唯一真正了解工作需求的人所进行的分散式采购研究。
组织花费巨资试图准确获取这些信息——供应商比拼、试点项目、指导委员会——然后制定出针对合同条款优化的决策，却在采用率停滞不前时感到惊讶。与此同时，他们其实已经掌握了关于哪些工具适合哪些任务的现成答案，而他们的本能却是将其关闭。
有两件事让这变得代价高昂，而不仅仅具有讽刺意味
第一点是，变通方法通常包含着诊断。使用未获批工具的人在精确地告诉你，获批的系统在哪里失效了。这不是员工参与度调查中的一种观点，而是付出了努力的具体行为。Workday在2026年1月的研究发现，AI节省的时间中有近40%被返工所消耗——包括纠正、重写和验证输出——并且只有14%的员工能够持续获得明显的净收益。人们不会绕过一个好用的系统。
第二点是这种应对方式所带来的教训。当对“你是怎么做到的？”这一坦诚回答会断送职业生涯时，这种做法并不会停止。它会转入地下。一旦转入地下，组织就会失去识别风险或创新的能力。最终，你管理的是一场虚构：一项描述着无人从事工作的政策，叠加在无人愿意描述的工作之上。
我不认为答案是听之任之。数据流入非托管系统是一个真正的责任风险，而应对真正责任风险的方法不是去欣赏它。
附带记录机制的特赦
答案是将组织一直混为一谈的两个问题分开。数据流向了哪里是一个控制问题，应当严格处理。为什么人们会去那里则是一个情报问题，应当贪婪地加以收集。
在实践中，这意味着实施一项附带记录机制的特赦。询问人们实际在用什么以及用来做什么；保证答案绝不会被用来针对他们；在内部公布结果，使这些发现不再是私有财产。然后将排名前几的条目视为待办事项列表，而不是违规名单。大多数组织会发现，他们免费拼凑出了一张属于自己的工作摩擦地图，这是任何咨询顾问都无法制作出来的。
这背后有一个更广泛的原则。当执行变得丰富时，组织所拥有的稀缺之物就是其员工所注意到的东西。注意力的产生最初表现为偏差——有人因为官方的方法更糟糕而选择用不同的方式做事。一个惩罚所有偏差的组织并不更安全。它只是在其未来正在到来的那一个方向上变成了瞎子。
本月我想向领导团队提出的问题不是“我们如何阻止这一切？”，而是“我们的员工学到了什么，而我们却无从得知？”