AI 与员工沟通，最该担心的是什么？

最该担心的不是效率，而是信任。香港中文大学 2026 年的三项实验（近 700 名参与者）发现，当晋升、绩效等 HR 决策由 AI 而非人做出，员工的组织承诺更低、离职意向更强、报复情绪更高。研究者称之为组织去人性化——员工感到自己被当成数据点的一个功能组件，而不是有独特特质的个人。效率报表会显示沟通更快更省，但员工的去留决定往往在那之后才显形。

欧盟 AI 法案对员工告知有什么硬性要求？

欧盟《人工智能法案》（Regulation (EU) 2024/1689）第 26(7) 条规定：雇主在职场部署高风险 AI 系统之前，须告知员工代表与受影响员工，他们将受到该高风险 AI 系统的影响。用于招聘、绩效管理、任务分配等就业与员工管理的 AI，被列在 Annex III 的高风险类别中。需要注意的是，经 2026 年数字综合简化法案（Digital Omnibus）推迟后，这些高风险义务的实际可执行时点从 2026 年 8 月延至 2027 年 12 月（独立系统）/ 2028 年 8 月（嵌入产品的 AI），但义务本身没有取消。

为什么已经用了 AI，还要专门告诉员工？

两个原因。一是法律：第 26(7) 条的告知义务是雇主责任，不告知本身就是合规缺口。二是信任：CUHK 的研究把去人性化的根源归为三点——共情缺失、透明度缺失、控制感缺失。员工一旦觉得自己被一个看不懂、问不响、改不了的算法决定去留，就会产生被物化的感受。主动、清楚地说明 AI 在什么环节参与、人在哪里拍板，是直接对冲这种感受的最低成本动作。

员工真的会去看 AI 的决策依据吗？

不一定，而且这恰恰是陷阱。哈佛商学院 Alex Chan 的工作论文（《Preference for Explanations》，2,512 名参与者）显示，约 80% 的人想要 AI 的风险评分，但只有约 46% 想看评分背后的推理依据；当奖金与结果挂钩时，回避解释的比例又高了约 20 个百分点。也就是说，人会在利益或道德不适时主动避开解释。所以可解释 AI 不是把依据摆出来就完事——组织还要设计激励机制，让人有动力去追问为什么。

HR 和组织该怎么部署 AI 与员工沟通？

四条可落地的原则。第一，披露：在涉及员工的环节清楚说明 AI 参与了什么、人在哪里负责，把告知写成默认动作而非例外。第二，人在回路：绩效、去留、薪酬等攸关决定，最终落点必须是人，AI 只做分析与建议。第三，为可解释做设计：不只是给出结论，还要让员工能看懂依据、能提问、能对结果提出异议。第四，混合模型：AI 接管高量低风险的沟通（初筛、通知草稿），把人的精力留给需要共情与判断的关键对话。CUHK 的研究结论很直接——只要 AI 只做辅助、不握最终决定权，去人性化效应就会被大幅削弱。

AI 与员工沟通：效率之下的去人性化

核心结论

AI 正在越来越多地接管组织与员工之间的沟通——绩效反馈、通知、排班乃至去留决策，正从管理者手里转移到算法。香港中文大学 2026 年的三项实验（近 700 名参与者）发现，当 HR 决策由 AI 而非人来做出，员工的组织承诺更低、离职意向更强、报复情绪更高，研究者称之为「组织去人性化」。与此同时，欧盟《人工智能法案》第 26(7) 条已要求雇主在职场部署高风险 AI 前告知受影响员工；微软 2026 工作趋势指数显示，86% 的员工把 AI 输出当起点而非终点，而组织因素（文化、管理者支持）解释了 AI 影响的 67%。结论很清楚：用 AI 与员工沟通不是能不能的问题，而是怎么用才不会把信任谈崩——披露 AI 的存在、关键决策保留人在回路、为「可解释」做设计，而不是假设透明会自动发生。

关键数据

香港中文大学（Choi Sungwoo 等，2026）：三项情景实验、近 700 名参与者。当晋升 / 绩效决策由 AI（而非人）做出，参与者的组织承诺更低、离职意向更强、报复情绪更高——研究者称之为「组织去人性化」。
欧盟《人工智能法案》第 26(7) 条：雇主在职场部署高风险 AI 系统前，须告知员工代表与受影响员工；用于招聘、绩效管理、任务分配的 AI 属 Annex III 高风险。
微软 2026 工作趋势指数（20,000 名 AI 用户、10 国、万亿级 M365 信号）：49% 的 Copilot 对话服务于分析、决策与问题解决等认知工作；86% 把 AI 输出当起点而非终点。
哈佛商学院 Alex Chan 工作论文《Preference for Explanations》（2,512 名参与者）：80% 想要 AI 的风险评分，仅约 46% 想看推理依据；奖金与结果挂钩时，回避解释的比例高约 20 个百分点。
微软同报告：组织因素（文化、管理者支持、治理）解释 AI 影响方差的 67%，个人能力仅 32%——部署方式比工具本身更决定结果。

关于 AI 和管理的关系，市面上常见两种叙事：一种说 AI 会替管理者做决定，另一种说 AI 只是帮手、人还是主角。两种说法都把一个更具体、也更棘手的问题挡在了外面——当组织开始用 AI 直接对员工说话，沟通这件事本身发生了什么变化。

把镜头从「谁做决定」移到「谁在跟员工说话」，结论就变了。绩效反馈、排班通知、晋升沟通、甚至「你被优化」的那句话，越来越多地由系统生成、由算法推送。表面上看，沟通更快、更一致、更不容易出错；但沟通从来不只是信息传递，它同时传递着「组织把你当人看」这个信号。当这个信号的发射端从人变成机器，员工收到的就不只是内容，还有一种被物化的感受。

一、AI 正在接管你与员工的每一次对话

先说清楚范围。这里说的「AI 与员工沟通」，不是指给员工发一封系统自动生成的节日问候，而是指 AI 实质性地参与那些本来由管理者承担的、带判断色彩的对话：绩效反馈的措辞、晋升结果的说明、排班与任务分配的通知、以及越来越常见的、由算法辅助做出的去留决策。这些沟通有一个共同特征——它们影响着一个人怎么看待自己在组织里的位置。

微软 2026 工作趋势指数给出了一组背景数字：在受调查的 20,000 名 AI 用户、10 个国家、万亿级 Microsoft 365 信号中，49% 的 Copilot 对话服务于分析、决策与问题解决这类认知工作；86% 的人把 AI 输出当作起点而非终点。这说明 AI 已经深度嵌入知识工作，包括管理者用来准备和生成与员工沟通内容的工作。当管理者用 AI 起草绩效反馈、用 AI 生成一对一谈话提纲，沟通的效率确实上去了，但「谁在跟我说话」这个感知，也在悄悄模糊。

问题在于，效率视角看不到信任视角。一份由 AI 生成的、措辞无可挑剔的绩效反馈，和一份由直属上级亲口说出、带着对这个人具体了解的评价，对员工来说分量完全不同。前者传递「系统处理了你」，后者传递「你的上级看见了你」。组织如果用 AI 把后一种沟通也标准化、自动化，省下的是管理者的时间，付出的可能是员工对组织关系的感知。

二、去人性化不是比喻，是测出来的

如果「AI 沟通让员工感觉不好」只是直觉，可以慢慢讨论。但香港中文大学商学院 Choi Sungwoo 教授 2026 年的研究把它摆在了数据上。这项研究题为《AI in Human Resource Management: A Driver of Organisational Dehumanisation and Negative Employee Reactions》，与香港理工大学的 Shin Hyejo、澳门大学的 Kim Hyunsu 合作，用三项基于情景的在线实验、近 700 名参与者，于 2026 年 6 月 19 日发表。

实验让参与者设想自己的晋升或绩效评估由 AI 系统、或由人类管理者做出。结果高度一致：当决策者是无形的 AI，参与者的组织承诺更低、离职意向更强、报复情绪也更高。研究者把这种现象命名为「组织去人性化」（organisational dehumanisation）——员工感到自己被降格为组织里一个功能性的零件，像机器上一颗螺丝，独特的特质、情绪和个性被大幅忽略。原因很具体：AI 缺乏理解社会规范、个人处境和伦理关切的能力；AI 的决策过程对普通人而言难以理解；于是员工既看不懂，也参与不进那个直接影响自己职业生涯的过程，产生无力感和被排除感。

研究还发现一个反直觉的「文化悖论」：越是协作型、以人为本文化的公司，员工对 AI 做 HR 决定的抵触反而越强。因为在这样的组织里，员工天然期待管理方重视协作、支持和人际关系，而冰冷的算法决策与这种期待形成刺眼的落差，被感知为一种背叛。这对很多高喊「我们很重视人」的公司是个警告——你嘴上越强调人，用 AI 替人做决定时员工越觉得被冒犯。研究者给出的解法不是放弃 AI，而是混合模型：AI 提供信息，人掌握最终决定权。

三、法律已经先到一步：欧盟 AI 法案第 26(7) 条

就在组织还在权衡「要不要告诉员工 AI 参与了决策」时，法律已经把这件事变成了义务。欧盟《人工智能法案》（Regulation (EU) 2024/1689）第 26(7) 条明确规定：雇主在职场部署高风险 AI 系统之前，须告知员工代表与受影响员工，他们将受到该高风险 AI 系统的影响。把招聘、绩效管理、任务分配等就业与员工管理类 AI 列入 Annex III 高风险，意味着这类系统的部署者（即雇主）从一开始就有告知责任。

这里有个时点的细节，容易让人误判紧迫性。经 2026 年通过的「数字综合简化法案」（Digital Omnibus on AI），Annex III 高风险义务的实际可执行时点从原定的 2026 年 8 月推迟到 2027 年 12 月（独立 AI 系统）、2028 年 8 月（嵌入产品的 AI）。但推迟的是「强制生效时间」，不是「义务本身」。而且，法案第 50 条的透明度义务（告知人们正在与 AI 交互）自 2026 年 8 月起已经适用。对 HR 来说，正确的读法不是「还能再拖两年」，而是「合规时钟已经在走，且告知本身就是低风险、高回报的动作，没必要等被罚才做」。

更深一层，这条义务的底层逻辑值得组织记住：它把「员工有权知道自己正被 AI 影响」写进了法律。这恰好对应了 CUHK 研究里「透明度缺失导致去人性化」的机制。法律和技术研究在这里指向同一件事——不告知，本身就是对信任的侵蚀；而告知，是组织用最低成本对冲突感做对冲。

AI 没有删掉沟通，它只是把沟通从人手里接走。员工感受到的，是另一端不再有人。组织要警惕的，不是 AI 说错了什么，而是员工不再相信有人在为那个决定负责。

四、为什么「讲了 AI」还不够：人会主动回避解释

很多组织以为，只要「披露了 AI 参与」，透明就算完成了。但透明能不能真正发生，取决于人愿不愿意去看。哈佛商学院 Alex Chan 助理教授的工作论文《Preference for Explanations: Case of Explainable AI》（Working Paper 26-028，2025 年 11 月，2026 年 2 月更新）用 2,512 名参与者做了一个贷款审批实验：约 80% 的人想要看 AI 的风险评分，但只有约 46% 想看评分背后的推理依据。更关键的是，当参与者的奖金与贷款是否还款挂钩时，他们回避解释的比例又高了约 20 个百分点；当被告知解释可能涉及种族或性别偏见时，回避率进一步上升到约 23%。

Chan 的结论直白得有点扎心：人不是理性的信息处理器，而是有策略、有动机、有时会「故意无知」的行动者。当知道 AI 为什么这么判断会让自己道德上不舒服、或者会动摇一个有利可图的决定时，人会主动把解释关掉。这对「可解释 AI」是个根本提醒——把推理依据摆在界面上，不等于员工就会看、就会懂、就会信服。组织如果只做到「提供了解释的入口」，却不对激励机制做设计，透明就是个摆设。

微软的数据从另一个角度补上了这一笔：组织因素解释了 AI 影响方差的 67%，个人能力只占 32%。换句话说，员工怎么对待 AI、会不会去追问、能不能从中获益，更多由组织文化和机制决定，而不是由员工个人觉悟决定。把「可解释」变成一个被激励、被支持的行为，是管理者的责任，不是员工的自觉。

五、怎么部署 AI 与员工沟通，才不把信任谈崩

结论先放这里：问题不在用不用 AI 沟通，在于怎么用。下面四条是组织现在就能落地的动作。

披露写成默认动作。在涉及员工的任何环节，清楚说明 AI 参与了什么、人在哪里负责、最终结果由谁拍板。把告知做成标准流程的一部分，而不是出了事才补的免责声明。对 HR 来说，这意味着员工在进入 AI 参与的评估、排班或沟通流程前，就知道自己正被 AI 影响——这既是第 26(7) 条的要求，也是最便宜的信任投资。

关键决策保留人在回路。绩效、去留、薪酬这类攸关决定，最终落点必须是人，AI 只做分析与建议。CUHK 的研究给出了量化的底气：只要 AI 只做辅助、不握最终决定权，去人性化效应就会被大幅削弱。把「人做最终决定」写进流程，而不是让 AI 的推荐直接变成通知。

为可解释做设计，而非假设它自动发生。不只是给出结论，还要让员工能看懂依据、能提问、能对结果提出异议。更重要的是，设计激励机制让人有动力去追问——否则就会掉进 Chan 实验里的「故意无知」陷阱：员工想要结论、回避理由，组织却误以为自己已经透明了。定期做沟通复盘，看员工到底有没有真的理解 AI 参与到了哪一步。

采用混合模型，把人的精力留给关键对话。AI 接管高量、低风险的沟通——初筛、通知草稿、排班建议；把管理者从重复劳动里解放出来，去处理真正需要共情与判断的关键对话。Choi 教授的原话是：AI 在人力资源管理中最有价值的，是处理那些量大但不那么关键的任务（比如初筛），从而让人类管理者聚焦更复杂、更高风险的决策。这恰恰是「降本」和「保信任」可以同时实现的地方。

回到组织的两张网。AI 改变了信息流动的方式——沟通越来越多地由系统生成和推送。组织如果不同步重画利益分配网络，也就是不明确「谁为员工的信任体验负责、这项责任算谁的绩效、披露与可解释由谁在什么节奏落地」，那么第二张网会默认按当期效率结算，而当期效率永远支持「能自动就别让人说」。等员工的离职率和抵触情绪在报表上显形，组织要付的，是远比那点沟通成本重要得多的代价。

关注公众号，获取 AI 时代 HR 变革一手分析