各行业 AI 采用率差异揭示了其他行业可借鉴的经验

当前关于人工智能在工作场所的叙事，很大程度上由硅谷主导。但把科技行业当作一座孤岛，会忽视技术采用的实际趋势——科技只是率先行动的行业。

随着生成式 AI 和自动化工具日趋成熟，当前正在重塑软件工程和产品管理的变革，必将逐步渗透到医疗、教育、零售和制造业。如今采用率的差异并不意味着非科技行业正在落后，而是反映了不同行业吸收新工作流程的速度不同。对于科技行业之外的领导者和团队而言，这种速度差异提供了一份实用蓝图，说明 AI 采用将如何展开，以及机会在哪里。

TripleTen 近期的调查数据凸显了当前经济不同部门的采用曲线有多么悬殊（见图 1）。

图 1：AI 采用曲线在各行业依然陡峭，但非科技行业的采用率正在上升。

来源：TripleTen，2026 年

尽管科技行业一马当先，金融业显然位居第二：48% 的金融从业者被要求使用 AI 聊天机器人，32% 被要求自动化部分工作流程。这表明，一旦出现明确的用例，知识型工作整合 AI 的速度有多快。

相比之下，医疗（18% 被要求使用聊天机器人）和教育（25%）等行业的初始接触率较低。由于这些宽泛的行业类别涵盖了各类专业实操人员、临床或教学人员以及后台行政人员，全面普及不可能一蹴而就。将自动化工具整合到合规要求繁重或面向人员的运营中，需要更为审慎的节奏，较低的数值正反映了这一点。

在所有受访行业中，79% 的员工表示曾被要求学习至少一项此前不具备的技能。审视当今科技领域所需的具体能力，可以预见到哪些技能组合可能向其他行业转移（见图 2）。

图 2：各行业劳动力正在学习新技能。

来源：TripleTen，2026 年

尽管其中一些听起来像是局限于科技领域的细分技能，但许多技能将转化为各行业的一线工作——从管理患者后勤的医院系统，到处理行政报告的学区。

有一项技能获得的关注低于其应有的程度。只有 30% 的管理者和企业主认为判断 AI 输出是对是错是绝对必需的，这使其在七项技能中位列第六。随着 AI 工具进入更多行业，正是这项技能能在错误引发问题之前将其发现。这也是工作经验最能发挥作用的地方：要识别错误答案，你需要知道正确答案是什么样子。

早期采用 AI 能带来明显的职业优势：TripleTen 的调查数据显示，当管理者从员工那里学到一项新技能或自动化流程时，这些由员工主导的 AI 创新中有 88% 成为了公司的标准做法。

在率先采用AI的行业中，那些能识别重复性行政任务并利用AI工具将其简化的员工，在塑造组织政策方面拥有发言权。随着医疗网络、教育机构和零售运营开始更广泛地部署AI软件，懂得如何验证输出、编写提示词并自动化日常任务的员工将占据强大优势。成为能够精简行政开销的人，意味着更有可能获得留任、晋升和薪资增长的机会。

TripleTen的AI战略与赋能负责人Ana Riabova表示：“人人都在谈论节省时间，但早期采用AI的真正收获在于扩展你实际能做的事情。走在前列的人正用它来处理过去不得不交给别人的事务。无论你资历深浅，这都不重要。你保留自己的核心技能，但突然间，你不再被这些技能所局限。”

如果非科技行业吸收这些工具的速度更为渐进，员工面临的挑战就在于获得优质的学习资源。员工在培训上的自付投入因行业而异，差异显著：

去年，近一半的医疗和教育工作者在职业发展上没有自付任何费用。此外，科技工作者积极利用更多种类的学习渠道（见图3）。

图3：职业发展努力与AI采用曲线相呼应。

来源：TripleTen，2026年

科技工作者使用AI聊天机器人作为学习工具的可能性几乎是所有工作者的两倍（48%对27%），并且是科技行业以外工作者（21%）的两倍多，他们有效地利用AI来加速获取其他技能。

然而，当问及员工最信任谁来教他们一项新的工作技能时，他们选择的是目前正在从事该工作的人（31%）。选择官方认证项目的人较少（19%），选择AI工具的人占16%，选择大学教授的人仅占6%。

各行业AI采用率的差异，并不是一个关于谁成功、谁失败的故事。它更像是一条时间线，展示技术如何在一个经济体中扩散。科技和金融行业如今正在检验AI整合的具体机制。对于医疗、教育、零售和制造业的从业者来说，当前阶段提供了一个宝贵的窗口，可以观察哪些技能能带来真正的生产力提升——从而在这些能力成为行业标准期望之前就将其建立起来。

本内容由TripleTen制作。它并非由《麻省理工科技评论》编辑团队撰写。

在AlphaGo对阵围棋冠军李世石十年之后，当今的AI仍然没有触及当年那场胜利所依赖的机制。