超越平均化的礼貌：领导者应如何推动 AI 辅助的组织沟通（学术论文研读）

在企业组织内部，人际沟通占普通员工日常工作的 50%。而对于管理者来说，这一比例高达 80%。当员工使用 AI 辅助沟通时，大模型（LLM）可以输出更礼貌、表达更得体的文本内容。然而，一旦接受者怀疑某段文字是 AI 生成的，其信任度便会降低，甚至会认为这段关系变得表面化、缺乏真诚。因此，将 AI 引入企业沟通，可能让沟通变得更高效、更相互尊重。但是如果缺乏有效管理，就可能损害组织内部的信任。

那么，领导者如何引导 AI 的应用，既能改善工作场所的沟通质量，又能维护人们对沟通本身的信任？发表于 Journal of Leadership & Organizational Studies 期刊的论文《人工智能与职场沟通：承诺、风险与政策建议》，把 AI 与职场沟通的讨论视角从“效率”转到了“关系与信任”。作者指出，AI 并非单纯提升沟通效率的工具，而是深刻改变沟通本质的“副驾驶（copilot）”。

论文核心观点一览：

• AI 能提升内容的得体程度，但并非万能：AI 辅助生成文字，可以减少一些不必要的摩擦和误解，但仍需要使用者来保证沟通的真实感和信任。

• 领导者必须确保员工掌握“方向盘”：AI 可被用于辅助沟通，但最终的判断与表达必须由员工自己把控。

• 从“套话礼貌”迈向“真诚尊重”：AI 倾向于生成通用、平均化的礼貌表达，而领导者的关键任务，是引导员工利用 AI 强化尊重性、个性化的沟通。

1. 领导者的角色：鼓励和引导员工使用 AI 改善沟通

AI 在职场沟通中的潜力与优势

论文指出，已有研究表明 AI 生成的内容可能比人类回答更具同理心。在 AI 的辅助下，人际互动中的信任感和亲近感也可能得到提升。更重要的是，AI 为我们打破职场沟通中的负面循环提供了可能，例如缓解一些因激烈讨论而引发的、带有攻击性的回复。它创造了一个“暂停”和“反思”的缓冲地带，让我们有机会选择更具建设性的表达方式。

尽管 AI 有诸多优势，但员工们基于 AI 素养、技术开放程度、个人沟通习惯和使用态度的差异，使用 AI 改善沟通的能力参差不齐。这可能导致“强者愈强”，拉大员工之间的表现差距。

领导者在引导员工使用 AI 时的角色

领导者应主动鼓励员工广泛地使用 AI，以提升团队和组织整体的沟通水平。同时，研究建议领导者优先选择使用透明度更高的工具，并推动工作流程的透明化，让 AI 的使用有据可循。

2. 确保使用者在 AI 辅助中的“主导权”

虽然 AI 能让沟通变得更礼貌，但在使用过程中也伴随着一系列风险。

发送方面临的风险:

• 技能退化（De-skilling）：当员工过度依赖 AI，盲目地将关键沟通任务完全外包给 AI 执行，可能会导致自身沟通能力的退化。这与“数字失忆症”或“用进废退”的原理一致。

• 关系肤浅化：完全由 AI 生成的互动内容，缺乏真实的人性温度和判断考量，不当使用可能导致人际关系变得表面化。

接收方面临的风险：

信任降低：当接收者得知沟通内容有 AI 参与生成时，他们可能会贬低信息本身的价值，产生不信任感。在以下情境中，AI 的介入尤其容易引发负面反应：

• 创造性工作等与个人身份强相关的任务

• 探讨“为什么”而非“怎么做”的高层次话题

• 涉及关键决策的工作内容

明确人在 AI 辅助沟通中的“主导地位”

为应对上述风险，领导者需要建立清晰的规则，确保人在 AI 辅助沟通过程中的主导权：

• 内容审阅：制定明确规则，要求所有由 AI 辅助生成的内容，都必须经过发送者本人的审阅和校对。

• 提供选项，而非最优解：引导 AI 工具提供多种沟通方案供用户选择，而非直接给出一个“标准答案”。这能促使用户主动思考，承担更多责任。

• 设置敏感预警：为涉及敏感话题或充满情绪的内容设置自动提醒，提醒员工需要更谨慎地处理。

• 提供可调整选项：提供预设选项或调整参数，让员工作为用户可以自定义 AI 生成内容的语气、正式程度和复杂性，从而增加自主感。

3. 深层反思：使用 AI 辅助沟通的“双环学习”

AI 倾向于生成平均化、程式化的“礼貌”用语（politeness）。然而，真正高质量的沟通是“尊重”（respectful communication），需要承认并回应对方独特的情境、需求和身份。过度依赖 AI，可能导致沟通停留在肤浅的礼貌层面，无法深入对内容的探讨。

这背后是两种不同层次的学习模式：AI 直接生成的内容属于“单环学习”，打磨高质量沟通内容则是一种更深层次的“双环学习” 。二者的区别在于，个人和组织在学习如何沟通时，是根据反馈“只改动作”，还是“连同背后的思维模式一起反思”。

单环学习（Single-loop Learning）：只改变行为

单环学习的特点是，在不改变根本假设或思维模式的前提下，调整具体行为来暂时解决问题。单环学习能直接改变输出内容，但停留在表面的修正。例如：

• 员工在邮件里的语气太生硬，通过 AI 建议改成更礼貌的措辞，但并没有反思“为什么我会习惯用命令式的语气”。

• 销售人员发现客户抱怨回复慢，于是借助 AI 模板快速生成回应，但并没有思考“我们是否真正理解客户的需求”。

双环学习（Double-loop Learning）：改变思维模式

双环学习的特点是，不仅调整行为，还会反思和改变背后的假设、价值观和思维框架。其思考过程是：发现问题 → 追问“为什么会这样” → 检查原有的信念和目标 → 必要时重新设定。双环学习能推动组织或个人“思维模式的转变”，带来更深层次的改进。例如：

• 员工在发邮件时语气生硬，不仅用 AI 润色文案，还在使用 AI 的过程中进一步反思：“我的沟通风格是否缺乏尊重？”于是调整了自己的职场沟通观念。

• 客户抱怨回复慢时，销售团队不仅用 AI 提高回复效率，还反思：“是不是我们内部的审批机制太繁琐，导致客户迟迟收不到回应？” 最后推动业务流程重新设计。

为什么在 AI 场景下要强调“双环学习”？

论文提出，如果团队仅仅使用 AI 追求表面的“礼貌”，虽然沟通摩擦看似减少，但真实的关系信号也被隐藏了，长此以往反而会引发信任危机。

当领导者引导团队采取双环学习，就是将 AI 作为反思组织沟通的契机。例如，通过“元沟通”（Meta-communication），让团队成员复盘并讨论他们真正期望的互动方式，从而理解每个人的偏好与价值观，建立更深层次的信任。同时，在企业文化层面，可以在员工入职培训中就强调人际沟通能力的重要性。

4. 如何让 AI 在组织沟通中落地

这篇论文的重要启发在于，领导者面临的问题不是 AI 是否要被引入组织沟通，而是 AI 如何进入组织沟通。要将 AI 从一个简单的效率工具，转变为提升组织沟通质量与信任的“副驾驶”，领导者需要在战略布局上推动一场变革。

重新定义使用者与 AI 的关系

AI 不仅是一个技术变量，更是一个能力变量。组织整体评估的不是 AI 单独的产出，而是人机协作的综合成果。这意味着，员工的 AI 素养（AI Literacy）正在成为组织的核心竞争力。

更进一步，不同层级的员工和管理者，其验证责任也不同：一线员工需要验证 AI 生成内容的准确性与适切性；管理者要验证的则是员工提交的整体成果，以及员工是否以合理、合规且创造价值的方式使用 AI。

领导者需要推动以下认知转变：

• 信任与验证（Trust and Verify）：避免将 AI 的输出未经验证和判断就直接用于商业决策和关键业务。使用者必须对最终结果负责，保持对 AI 生成内容的判断力，主动验证其准确性与适切性。

• 工作过程透明：在提交关键工作成果时，应主动说明 AI 的使用情况并附上与 AI 的互动过程。例如，员工主动提交使用大模型时撰写的提示词（Show me your prompt）。这不仅是确保可控的工作透明性，更有助于复盘与改进协作流程。

建构式地使用大模型

AI 最大的价值不在于一次性提供直接可用的答案，而在于作为一个“脚手架”，激发和深化我们的学习。UMU 秉持“建构式地使用大模型”的理念，将大模型输出的内容视为“参考答案”，而非“标准答案”。这意味着：

• 在面对复杂问题时，AI 可以提供不同角度的思路和逻辑结构。但最终的判断、反思与决策，必须由人来主导。

• 每一次与 AI 的互动，都可以成为一次学习机会——既提升解决问题的能力，也培养员工在真实业务中使用 AI 的信心。

UMU 致力于帮助组织在 AI 时代构建更高效、更个性化的沟通新范式。UMU 出品的 AI 力系列课程，通过案例化演练和实时反馈，帮助学员在实际业务场景中练习“验证性使用”。最终，组织收获的不仅是一次次孤立的 AI 产出，更有员工整体 AI 素养的持续提升，以及组织沟通文化的提升。

UMU ALT 团队由来自清华大学、北京大学、中国人民大学、康奈尔大学、佛罗里达大学等全球知名高校的博士组成，专注于深入解析 AI 与组织、管理、人力资源等领域的交叉研究。我们系统梳理大量相关学术论文，提炼其中的研究方法与核心洞见，并将其转化为企业可实际应用的知识资源。欢迎关注 AI 力论文研究合集。同时，我们结合学术成果、行业领袖建议及最佳实践访谈，推出了📖《发展大模型时代的 AI 力》在线系列课程。该课程旨在帮助企业全面理解 AI 技术演进对组织架构、管理模式及员工能力所带来的深远影响，助力组织构建面向未来的 AI 竞争力。欢迎点击文末“阅读原文”，深入了解课程内容，或📖 联系 UMU 专属顾问，开启您的 AI 转型之旅。

参考文献：

Van Quaquebeke, N., & Gerpott, F. H. (2024). Artificial intelligence (AI) and workplace communication: promises, perils, and recommended policy. Journal of Leadership & Organizational Studies, 31(4)，375-381.