GPT-6 在本周正式发布，全网都在讨论员工会不会被 AI 取代，于是很多公司想赶着做一次「员工 AI 使用与信任调研」。如果这份问卷只问两个笼统问题——「你是否在工作中使用过 AI」和「你是否信任 AI」——结果大概率会高估采纳率，也答不出真正该改什么：所谓「员工不信任 AI」，很多时候其实是工具没开通、公司没说明规则、或者员工不知道自己被允许用。
正确的做法是把一个复合问题拆成四层证据分别测量：组织是否授权并提供了工具（可用性）、员工在具体任务中的实际使用行为（使用）、员工对什么对象建立信任（信任）、以及员工在哪些地方主动回避使用（边界顾虑）。四层各自有不同的题型、选项和分母，任何一层都不能用另一层的题目代替。测量之前，先写下要服务的决策，再决定用哪几层，而不是把四层一次性全塞进同一份问卷。
先决定要回答的是基线、采纳驱动还是治理准备
「大家用不用 AI」听起来是一个问题，落到管理决策上其实是三类不同的问题。写问卷前先对号入座，避免用一套问卷回答三个不同的问题：
| 业务问题 | 需要回答的证据问题 | 对应层级 | 常见的偷懒写法 |
|---|---|---|---|
| 要不要为全员开通某个 AI 工具 | 当前真实使用率与准入障碍有多高 | 可用性 + 使用行为 | 用「听说过这个工具」当「用过」 |
| 开通了但没人用，卡在哪里 | 采纳的驱动与阻碍是什么 | 使用行为 + 边界顾虑 | 把组织没说明规则误归因为员工观念保守 |
| 要不要把 AI 嵌入考核与业务流程 | 员工对结果质量与责任划分怎么看 | 分对象信任 | 用一个「综合信任分」代替对结果、管理、岗位的区分 |
| 数据安全与合规准备是否到位 | 员工是否知道边界并实际遵守 | 边界顾虑 + 实际规避行为 | 只问「是否担心」，不问「是否做过什么」 |
这一判断也决定了调查口径。比如只想建立「使用率基线」，就应该让行为题覆盖所有员工并以全体员工为分母；若想解释「为什么不同岗位使用率差这么多」，则要保证样本里每个岗位类型都有足够数量做分组比较，而不是平均分摊几百份问卷。
四层证据，每层有自己的分母
把「员工 AI 采纳」当作一个测量对象时，可以用以下四层组织题目，每一层都先写清它回答的问题与统计分母：
- 可用性与授权（能否用）：公司是否提供或允许使用相关工具、员工是否知道可以用、工作设备上是否真的能访问。这一层是组织事实，答案偏「是」还是「不知道」，直接决定后续结论的性质。
- 实际使用行为（用没用）：用具体场景清单配频率作答，例如近 7 天或近 30 天在资料检索、文字润色、草稿撰写、数据分析、会议纪要、代码编写、翻译等任务中使用过哪些。分母是全体目标员工。
- 分对象信任（对什么信）：把信任对象拆成「工具输出本身」「公司对 AI 的使用与管理方式」「AI 对我岗位与晋升的影响」三个对象，用同一把尺子分别打分。
- 边界顾虑与规避（哪里不敢用）：先列顾虑清单（数据外泄、出错责任、被替代、显得偷懒、上级未认可等），再用行为题确认是否因此真的回避过某些任务。
这里最容易犯的错误是混层：把「你信任 AI 吗」当成使用行为的解释变量直接回归。只有当信任问题按对象拆分、行为问题按任务与频次记录时，两者之间的关系才是可解释的。
示意算例：同一个团队，三个口径给出三种采纳率
以下为示意数据，用于展示口径如何改变结论，不代表问卷派或任何真实组织的调查结果。假设某内容与运营团队共 120 人，在 2026 年 9 月 GPT-6 发布后做内部调研：
| 测量口径 | 示例题目要点 | 肯定人数 | 占比（分母 120） |
|---|---|---|---|
| 笼统自报使用 | 「你是否在工作中使用过生成式 AI？」 | 73 | 61% |
| 具体场景 + 近 30 天 | 勾选近 30 天实际用过的任务场景（至少 1 项） | 43 | 36% |
| 频率口径（每周至少一次） | 最近 30 天使用频次为每周 1 次及以上 | 17 | 14% |
同样是这个团队，39 人（33%）表示「不确定公司是否允许或是否已开通工具」，31 人（26%）在顾虑题里选择了「担心数据外泄或不合规」，而把担忧对象换成「怕用错担责」时是 24 人（20%）。这些数字说明：如果把 61% 直接写成「员工已在积极使用 AI」，就漏掉了三分之一的人其实处在「想用但不知道允不允许」的灰色地带；把 26% 的合规顾虑简单归结为「员工保守」，也解释不了为什么另有 20% 的人怕的是责任归属。
读者可以自行验证：这类结论的错误几乎都出在分子与分母错配——用「用过的员工」当分母去算「高频使用率」，或把「听说过」放进「使用过」的分子。写分析计划时先把每个百分比的分母钉死，再谈比例。
信任要按对象拆：对工具、对公司、对岗位是三件事
一份 2024 年 10 月开展的、基于美国全国概率样本的 Pew 调研显示，受访员工中 52% 对 AI 未来在工作场所的使用感到担忧，32% 认为长期会减少自己的工作机会；只有约十分之一的人每天或每周数次在工作中使用 AI 聊天工具，55% 表示很少或从不使用。这不是说员工整体抗拒工具，而说明「担忧」和「使用」是两个并存的状态，需要分开测量。Pew 在同一报告里还发现，用过 AI 的员工更认可它能加快速度（40% 认为极/非常有帮助），认可它能提升质量的只有 29%，提示人们对「效率」与「质量」的信任本来就不是一回事。
受此启发，信任题不应只问一个对象。可以设计成三个对象各一道同意度量表：
- 「AI 工具生成的结果，在需要事实准确的任务中我可以直接使用」（对工具输出的信任）；
- 「公司对哪些数据能喂给 AI、由谁负责核对，规则是清楚可信的」（对治理的信任）；
- 「使用 AI 不会让我在未来的绩效评价或晋升中处于不利位置」（对岗位影响的信任）。
三个对象在同一批人身上的剖面往往不同。治理规则不清楚时，即便个人相信工具质量，也会因为怕担责而不用；反过来，如果担心的是岗位影响，再多培训也解决不了，需要的是绩效与分工规则层面的沟通。把三者压成一个「AI 信任指数」，等于删掉了决策者最需要的差异信息。
顾虑题要落到「实际回避行为」
只问「你担心什么」会收集到一串泛泛而谈的焦虑。更可靠的做法是两类题配合：先让员工勾选顾虑（多选），再问「过去一个月，你是否因为上述顾虑，主动放弃过用 AI 完成某类任务」，并让选择了「是」的人用开放题描述具体是什么任务。这样得到的不是态度清单，而是可追踪的行为缺口，后续培训或规则修订都能对应到具体任务类型。
把顾虑拆成组织原因与个人原因是分析时的关键一步。组织原因包括没开通、没说明数据规则、没有明确谁对输出负责；个人原因包括不会用、觉得不可靠、怕丢工作。只有当组织原因被排除后，把剩余差异解释为个人观念才有依据。NIST 在其生成式人工智能风险管理资料中也强调，生成式 AI 可能自信地产生错误内容，组织需要对人机交互、输出验证与人类监督做出安排——这些治理动作本身就应该出现在调研的选项里，作为「公司做了什么」的核查项，而不是只在态度层面打转。
什么时候值得补一层 AI 访谈
问卷适合回答「多少人、在哪些任务、多久一次、担心什么」；当需要知道「他们具体是怎么决定用或不用的」时，可以在问卷后对典型人群做少量 AI 访谈。适合访谈的信号包括：顾虑集中在说不清的责任归属；某个岗位的使用率与全公司差异极大；或问卷开放题里反复出现「怕显得偷懒」这类不便明说的社会赞许压力。AI 访谈的追问可以用来还原一个真实的工作场景——什么任务、在哪个环节停下来、改用了什么替代方式——这些细节问卷很难预先把选项写全。方法与取舍可参考问卷与 AI 访谈如何组成混合研究。
无论用哪种方式，都要先界定清楚调查覆盖的是哪些员工：是全员、某条业务线，还是已经开通工具的人群？人群定义不同，结论的适用范围就不同，招募与配额也要跟着变，详见目标样本人群如何定义。
示例题目：把本组问题直接用于你的调研
下面是一组可以直接放进问卷的示例题目，题型与选项均可再按组织语境调整：
- 可用性（单选）：「目前你所在岗位是否可以使用公司提供或允许的生成式 AI 工具？」选项：可以使用且我清楚规则／可以使用但我不确定规则／不确定是否允许／明确不允许。
- 行为频率（多选 + 频次）：「过去 30 天，你在以下哪些工作场景中使用过生成式 AI？可多选，并挑出使用最频繁的一个。」场景选项：资料检索与信息整理／文字润色或改写／内容草稿撰写／数据分析或表格处理／代码编写／会议纪要或总结／翻译／其他。
- 分对象信任（量表，1–5）：「针对下面三种说法，请分别打分，1 表示完全不同意，5 表示完全同意。」量表项为上述对工具输出、对公司规则、对岗位影响的三句陈述。
- 规避行为（单选）：「过去 30 天，你是否曾因为担心数据安全、出错担责或其他顾虑，主动放弃用 AI 完成某类任务？」选项：经常／偶尔／几乎不／我没有用过 AI。选「经常」或「偶尔」的进入开放题：「请举例说明是什么任务、你的顾虑是什么。」
问卷的题序会影响回答。Pew 的问卷方法资料指出，先问的问题会为后面的问题提供语境；因此应先问行为与经历，把态度和担忧放在后面，避免让员工在回答行为前先被引导到「公司很重视 AI」的框架里。选项本身也要先做一轮小范围试访，确认「不确定公司是否允许」这类选项真的会被读懂，而不是被当作敷衍选项随手勾掉。
在问卷派中如何落地这套调研
问卷派可以把上面的设计变成可执行的调研：用场景清单与分支逻辑搭建行为题（用过的人进入信任量表，没用过的人进入准入与顾虑题），按行业、岗位类型与是否已开通工具设置样本筛选与配额；对开放题与访谈记录做归纳时保留原文可回查。测量「真实使用」比统计「宣称使用」更需要严格筛选受访者，相关方法可参考筛选题如何判断受访者合格。
本文配套的员工生成式 AI 使用与信任调研问卷模板已包含上述维度与代表性题目，可直接用 AI 生成问卷后按组织语境修改。无论工具多智能，把「会不会用、用没用、信不信、敢不敢」四层分清楚，结论才不会把组织接入问题误报成员工意愿问题。
员工 AI 使用与信任测量的参考来源
- Pew Research Center — U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace
- Pew Research Center — About 1 in 5 U.S. workers now use AI in their job, up since last year
- NIST — Artificial Intelligence Risk Management Framework: Generative AI Profile (AI 600-1)
- Pew Research Center — Writing Survey Questions
- TechWeb — GPT-6 Astra 正式发布（本周背景事件报道）