当AI要求员工交出经验，谁来保护他们的护城河？
TREE NEWS 报道， MIT在2025年发布的《The GenAI Divide》报告显示，约95%的企业生成式AI试点未能产生可衡量业务回报，仅约5%进入生产环境。主要障碍并非技术，而是组织关系重构没有跟上。行业研究将这一现象概念化为”上下文税”——企业AI系统中因上下文不足或管理不当导致的效率损耗，以及员工在本职工作之外额外付出的、用于整理和提交AI所需上下文的隐性劳动。
这个概念首先是一个组织问题。企业为了让AI变聪明，需要员工把隐性经验——客户为什么翻脸、这笔账通常哪里出问题、这份合同第三条到底在防什么——编码成知识库、提示词和Skill模块。但在权利、责任、风险和收益四个维度上，这种额外劳动全部失衡。
交不出与不愿交
企业上下文分两种：系统数据可通过API打通，但人身上的经验只有从业者自己知道。员工交不出来，原因有三：经验本身碎片化、直觉化；经验发生在线下场景；或员工缺乏将经验结构化为AI输入的能力。比交不出更棘手的是不愿交。
第一层是恐惧。上下文交出去后，自己变得可替代。上海政法学院教授王倩指出，企业通过让员工”记录工作流程””进行知识管理”，实际上在提炼员工的工作经验、决策思路和沟通话术，形成标准化、可复用的技能模块。企业获得知识留存、效率提升、降低个体依赖、形成数字资产四重收益，但劳动者的贡献没有对应的权利保障。
帝国理工学院和微软研究院的FAccT论文引用”知识萃取主义”概念，指出AI甚至可以跳过员工主动提交，直接从交互行为模式中推断隐性知识——谁和谁经常协作、谁在哪个节点做了什么决策——员工自己都不知道这些信息被记录了。
信任坍塌的数据
企业级AI公司Writer联合Workplace Intelligence发布的覆盖美欧2400名知识型员工的报告显示：29%的受访员工承认做过破坏公司AI战略的事，在1997年后出生的群体中升到44%。与此同时，60%的高管表示计划裁减不会或不愿使用AI的员工。员工行为分析平台ActivTrak追踪2023到2025年超千家企业、4.43亿小时数据，结论是AI落地后员工工作量不降反增，周末加班增多，协作沟通时长增加34%，多任务处理时间增加12%。
降税路径与市场影响
行业先行者尝试三条路径：一是系统数据彻底打通，减少手动搬运；二是让上下文采集嵌入自然工作流，如飞书豆包助手每日自动抽取工作记忆、钉钉悟空在安全沙箱内继承权限、Anthropic将Claude Tag部署到Slack频道；三是建立正向激励机制，让贡献经验可追踪、可量化、与绩效挂钩。
对投资者而言，95%的试点失败率意味着企业AI软件存在显著定价偏差。销售AI生产力工具的公司受益于”必然转型”的叙事，但组织摩擦表明采用曲线将比共识预期更慢、更粘。赢家可能不是最激进的AI厂商，而是解决上下文问题的公司——通过无缝系统集成、工作流嵌入式采集，或真正奖励知识贡献的激励机制。
更深层的风险在法律。现行劳动法框架对职务作品和职务发明有明确规则，但”把一个人十年的谈判经验训练成AI可复用的技能库”不在任何现有法律条文的射程之内。世界经济论坛预计到2030年全球约9200万个岗位将被替代，其中归因于AI和信息处理技术的约900万个。立法速度能否追赶圈地速度，仍是未知数。
投资者要点
- AI软件采用将慢于共识：95%的试点失败率反映组织阻力而非技术局限，企业AI厂商的收入预测可能需要下调。
- 关注解决上下文问题的公司：通过无缝集成或激励机制降低上下文税的企业可能捕获持久价值。
- 劳动与监管风险被低估：随着知识萃取成为法律和政治议题，激进推行AI驱动裁员的企业面临声誉和监管敞口。
- 信任缺口才是真正瓶颈：丰田1951年的创意提案制度之所以成功，是因为终身雇佣回答了”交出经验我能得到什么”。今天大多数企业没有答案。
