各行业 AI 采用情况揭示其他行业可借鉴之处
AI adoption by industry shows what other sectors can learn
TripleTen 的调查显示,AI 采用进度因行业而异:金融业有 48% 的员工被要求使用 AI 聊天机器人,医疗和教育行业分别为 18% 和 25%。各行业 79% 的员工被要求学习至少一项新技能,而员工提出的 AI 创新有 88% 成为公司标准做法。随着 AI 工具扩展到更多行业,验证输出、编写提示词和自动化常规任务是员工可培养的能力。
当前有关人工智能在职场应用的叙事,很大程度上由硅谷主导。但把科技行业视为孤岛,就会忽视技术采纳的实际趋势——科技行业只是最先受到影响的行业。

随着生成式 AI 和自动化工具日趋成熟,目前正在重塑软件工程和产品管理领域的变革,势必会逐渐渗透到医疗、教育、零售和制造业。如今各行业的采纳速度不同,并不意味着非科技行业落后,而是反映了各行业吸收新工作流程的速度各不相同。对于科技行业以外的领导者及其团队而言,这种速度差异为了解 AI 如何逐步落地以及机遇所在提供了实用蓝图。
各行业的 AI 采纳情况
TripleTen近期的调查数据凸显了当前各经济领域的采纳曲线差异之大(见图 1)。
图 1:各行业的 AI 采纳曲线仍然陡峭,但非科技行业的采纳率正在上升。

来源:TripleTen,2026 年
科技行业虽领先,但金融业明显位居第二:48% 的金融从业者被要求使用 AI 聊天机器人,32% 的人被要求将部分工作流程自动化。这表明,一旦明确了适用场景,知识工作就能迅速融入 AI。
相比之下,医疗行业(被要求使用聊天机器人的比例为 18%)和教育行业(25%)的初期接触程度较低。这些宽泛的行业类别涵盖了各类专业的一线从业者、临床或教学人员以及后台行政职员,因此,全面普及本就不可能一蹴而就。在合规要求严格或直接面向人的业务中整合自动化工具,需要采取更审慎的步调,这也体现在较低的数据上。
员工被要求学习的 AI 技能
在所有受调查行业中,79% 的员工表示,自己被要求学习至少一项此前不具备的技能。观察当下科技行业所需的具体能力,可以预见哪些技能组合可能会转移到其他领域(见图 2)。
图 2:各行业的员工都在学习新技能。

来源:TripleTen,2026 年
这些技能中有些听起来似乎是科技行业专属的小众技能,但其中许多都能应用于各行业的一线工作——从医院系统管理患者流程,到学区处理行政报告,皆是如此。
有一项技能受到的关注不足。只有 30% 的经理和所有者认为,判断 AI 输出正确与否是绝对必备的技能,在七项技能中排名第六。随着 AI 工具进入更多行业,这项技能能够在错误引发问题之前将其识别出来。这也是工作经验最能发挥作用之处:要发现错误答案,就得知道正确答案是什么样。
及早采用 AI 如何助力职业发展
及早采用 AI 能带来明确的职业优势:TripleTen 的调查数据显示,当经理从员工那里学会一项新技能或自动化流程时,这些由员工推动的 AI 创新中有 88% 会成为公司的标准做法。
在较早采用 AI 的行业中,能够识别重复性行政任务并利用 AI 工具提高效率的员工,可以参与制定组织政策。随着医疗网络、教育机构和零售企业开始更大范围地部署 AI 软件,懂得如何验证输出、编写提示词以及自动化处理日常任务的员工将拥有显著优势。能够精简行政事务的人,留任、晋升和加薪的机会也更大。
TripleTen 的 AI 战略与赋能负责人 Ana Riabova 表示:“大家都在谈节省时间,但率先采用 AI 真正带来的好处,是拓展你实际能做的事情。领先的人会用它处理过去必须交给别人的工作。无论你资历深浅,都不重要。你保留了自己的核心技能,但突然之间,不再受限于这些技能。”
AI 资源鸿沟:谁来支付培训费用,员工如何学习
如果非科技行业以更渐进的方式引入这些工具,员工面临的挑战就在于如何获得优质的学习资源。员工自费参加培训的金额因行业而异,差异显著:
- 科技:平均 $1,758(13% 的人花费 $0)
- 金融:平均 $1,664(24% 的人花费 $0)
- 医疗:平均 $990(45% 的人花费 $0)
- 教育:平均 $883(42% 的人花费 $0)
近一半的医疗和教育从业者去年没有自费参加职业发展培训。此外,科技从业者积极使用种类更多的学习渠道(见图 3)。
图 3:职业发展投入与 AI 采用曲线相呼应。

来源:TripleTen,2026
科技从业者使用 AI 聊天机器人作为学习工具的可能性几乎是所有从业者的两倍(48% 对 27%),也超过科技行业以外从业者的两倍(21%);他们有效地利用 AI 加快掌握其他技能。
然而,当被问及最信任谁来教自己一项新工作技能时,员工选择了目前正在从事这项工作的人(31%)。选择官方认证项目(19%)、AI 工具(16%)或大学教授(6%)的人则较少。
结论
各行业的 AI 采用率差异,并不意味着有些行业成功、有些行业失败。相反,这反映了技术在经济体系中的扩散进程。如今,科技和金融行业正在测试 AI 融合的运作机制。对于医疗、教育、零售和制造业的员工而言,当前阶段提供了一个宝贵的观察窗口,让他们能够了解哪些技能能切实提升生产力,并在这些能力成为行业标准要求之前着手培养。
本文由 TripleTen 制作,并非由 MIT Technology Review 编辑团队撰写。
来源:MIT Technology Review · AI · technologyreview.com