ADKAR 复盘：AI 转型为何卡在落地

「试点成功、规模失败」的怪圈

几乎所有卡在落地的企业，都经历过同一个剧本：选一两个高光场景，配精锐小组，三个月交出漂亮 POC；高管拍照、内网表扬；然后——没有然后了。试点经验没有扩散，工具没有进日常，三个月后一切回到原样。

这不是中国特有的现象，是全球通病。Prosci 在历轮变革管理基准研究中反复指出：变革成败的分水岭，从来不是工具多先进，而是「个人是否真正走过变革」——也就是有没有人愿意、并且有能力用新方式工作。当组织把 AI 当成 IT 项目来管（立项、采购、上线），而不是当成人的变革来运营，规模失败几乎注定。

更隐蔽的一层是：很多一号位自己也没走完变革。他们愿意为 AI 拍板预算、愿意在战略会上讲愿景，却不愿动自己的决策方式和管理节奏——这恰是 ADKAR 第二关 Desire 的缺失。变革如果只要求别人变、不要求自己变，落地率必然止于个位数。

ADKAR：个人变革的五道闸门

ADKAR 是变革管理机构 Prosci 提出的个人层面变革模型，由 Jeff Hiatt 在 2006 年的著作《ADKAR: a model for change in business, government, and our community》中系统阐述。它把「一个人为什么能发生改变」拆成五个递进阶段，每个字母是一道闸门：

• A — Awareness（认知）：知道为什么非变不可。不是「公司有 AI 战略」这种口号，而是清楚看到自己业务的具体痛点与不变的成本。
• D — Desire（意愿）：产生参与和支持变革的真实意愿。知道要变，不等于想变；意愿来自「变了对我有什么好处、不变有什么代价」的理性计算。
• K — Knowledge（认知如何变）：知道新方式长什么样、自己要学什么。培训解决的是这一层。
• A — Ability（能力）：真正具备把知识变成日常行为的能力。这要靠陪跑、练习和容错，不是听一堂课。
• R — Reinforcement（巩固）：用机制把新行为固化，防止退回旧习惯。没有这一层，变革会在压力下反弹。

模型最关键的一条纪律是：这五关是顺序的，前一道不通，后一道就立不住。一个连「为何要变」都没被说服的业务一号位（Awareness 弱），给他再多的培训（Knowledge）也没用；一群被强制要求用新工具但旧 KPI 不变的人（Reinforcement 缺失），会在考核季悄悄退回老办法。

把失败映射到 ADKAR：卡在 D 与 A

回到开头那两个数字——80% 说赚、12% 投产，麦肯锡口径约 6% 落地率。如果用 ADKAR 当透视镜，会发现绝大多数组织根本没倒在 Awareness，而是倒在 Desire 和 Ability。

Desire 缺位：一号位和中层「不愿变自己」。技术部门把 Awareness 做得很足（发布会、内训、看板），但 Desire 几乎没人负责。业务一号位的绩效里没有「AI 落地」这一项，晋升也不看「带团队完成转型」；中层则更现实——AI 往往意味着自己的协调、汇报、进度追踪职能被接管，等于动了自己的权力结构。当变革的受益者是公司、成本是个人，Desire 自然起不来。这正是「试点成功、规模失败」的结构性根源：试点小组有强烈 Desire（被看见、被奖励），规模化要动所有人的奶酪，意愿归零。

Ability 缺位：员工「不会变」。即便意愿有了，Knowledge 不等于 Ability。一场全员 AI 培训讲完工具用法，不等于员工下周就能把 AI 写进日常 workflow。Ability 需要陪跑——把新工具拆成具体任务、在真实工作里反复练、允许前几周笨拙。多数企业把 Ability 简化成「发个教程、办个培训」，然后困惑为什么没人用。本站此前梳理的「88% 未投产」，绝大部分不是不会用工具，而是没人为 Ability 这一段配时间和教练。

一个反直觉的判断：AI 转型真正的瓶颈，从来不是模型够不够强，而是组织有没有把 D 和 A 当成正经工程来做。技术可以采购，意愿和能力买不来。

越过 Ability 的真实样本

同样是「规模落地」，少数组织确实跨过了 Desire 和 Ability 的门槛，共性很清楚：

把 AI 指标绑进管理者绩效。当「带团队用 AI 提效」成为一号位考核项、晋升硬杠杆，Desire 就不是靠动员，而是靠制度。字节把绩效评估从现金奖金转向股权绑定（详见本站对字节绩效变革的梳理），本质是把「长期行为」和「个人收益」焊死——这类机制一旦用于 AI 落地，Desire 立刻从软倡议变硬约束。

用陪跑替代培训。跨过 Ability 的企业，普遍把「一次性培训」换成「嵌入工作流的教练式陪跑」：HRBP 跟着业务跑前几周，把 AI 写成具体任务清单，允许试错。这与本站此前梳理的「AI 落地失败、原因在组织没变」结论一致——组织不变，Ability 无从沉淀。

建信任架构而非硬推。麦肯锡关于 6% 落地率的反思，指向的是「AI-First 信任架构」：先把数据权限、决策边界、复核机制搭清楚，再谈规模。信任架构解决的是 Reinforcement 的前提——人在新流程里知道边界在哪、责任归谁，才敢持续用。

三个绕不开的风险

用 ADKAR 推 AI 落地，有三道最容易踩的坑：

• 变革疲劳。一年到头战略无数，员工对「又要变」早已脱敏。ADKAR 的 Awareness 若每次都靠新口号，边际效用递减。解法不是少变，而是把 AI 变革和员工真实痛点绑定（用他自己的低效场景讲为什么要变），而非和公司宏大叙事绑定。
• 把变革管理当培训。这是最常见的错位：砸钱做全员 AI 培训，以为 Knowledge 到位就万事大吉，忽略 Desire 和 Ability。培训覆盖的是 K，落地的命门在 D 和 A。
• 指标错配。用「采购了多少licenses、办了多少场培训」衡量变革进度，等于在测 Awareness/Knowledge，而真正的关口 Desire/Ability 无人度量。当 KPI 本身量错了对象（详见本站对 KPI 物理失效的梳理），落地率必然失真。

HR 一号位的可落地框架

把 ADKAR 落到组织运营，HR 不是「变革的助手」，而是「变革管理的产品经理」。具体分工：

1. CEO/一号位做 Awareness 的源头。为何要变的叙事必须由业务一号位用真实痛点讲，而非 IT 部门讲技术。变革的紧迫感来自业务成本，不是来自 AI 趋势。
2. COE 把 Desire 做成制度。把「AI 落地」写进管理者绩效与晋升标准，让「变」成为理性选择。同时设计 Reinforcement 机制——季度复盘、最佳实践沉淀、反向问责（不变的有代价）。COE 从「写制度的人」升级为「设计变革产品的产品经理」。
3. HRBP 做 Ability 的陪跑者。不用一次性培训，而是把 AI 写成具体任务、嵌入业务工作流、陪跑前几周。HRBP 从「培训组织者」变成「行为改变的教练」。
4. 管理者做日常 Reinforcement。在每个考核周期把新行为纳入复盘，表扬用新方式拿到结果的人，让旧习惯失去土壤。Reinforcement 不是 HR 的事，是一线管理者的日常。

一句话总结：AI 转型能不能落地，不取决于模型，取决于组织有没有把「人愿不愿意变、会不会变」当成一门正经工程。ADKAR 给的不是一个工具清单，而是一面镜子——它照出大多数企业停在 Desire 和 Ability 的真相，也照出 HR 一号位真正该补的那块能力。这正是 AI重构HR三支柱：COE/SSC/BP的智能化路径 在变革管理这条线上最具体的落点。