为什么员工 AI 培训如今已是一项治理义务，而不只是良好实践

三大转变使员工 AI 培训从一项可选的投入变成了治理上的必需。如今，监管要求明确规定了能力方面的义务。对于那些在未确保员工理解 AI 局限性的情况下就部署 AI 的雇主，AI 出错所带来的法律责任可能落到其头上。而在每一个主要的 AI 治理框架中，包括欧盟《人工智能法案》、NIST AI RMF、ISO 42001、APRA（澳大利亚审慎监管局）的 AI 指南，都出现了"人在回路"（human-in-the-loop）的要求，它们要求处于回路中的人真正具备实施有意义监督的能力。

欧盟《人工智能法案》对此有明确规定：高风险 AI 系统的部署方必须确保被指派操作或监督 AI 的员工具备必要的能力、培训与权限。ISO 42001 第 7.2 条要求组织识别 AI 相关岗位的能力要求，并采取措施以获得所需的能力。OAIC（澳大利亚信息专员办公室）2024 年 10 月的 AI 指南强调，组织应就 AI 使用所带来的隐私义务对员工进行培训。APRA 2026 年 4 月关于 AI 的行业函指出，若缺乏足够的 AI 素养，董事会与高管便无法充分监督 AI 风险。

不同员工群体需要了解的内容

有效的 AI 培训会因岗位而异。一刀切的做法注定失败，它要么用与工作无关的细节把一线员工压得喘不过气，要么让高管因理解不足而无法实施监督。

全体员工需要理解：本组织的 AI 政策以及哪些工具已获批准；哪些内容可以、哪些不可以输入 AI 工具（尤其是敏感数据和个人数据）；AI 输出需要经过核验，未经审查不得提交给客户或用于决策；如何报告涉及 AI 的隐患或事件；以及在其岗位上使用 AI 所适用的基本法律义务。

经理和团队负责人还需要额外掌握：了解与本团队工作相关的 AI 局限性和失效模式；如何审查 AI 输出的质量与准确性；如何管理对 AI 使用心存顾虑的团队成员；以及团队中的 AI 监控如何带来职业健康与安全（WHS）义务，尤其是社会心理危害风险。

技术人员（开发人员、数据科学家、IT 人员）需要：本组织的 AI 开发与部署标准；包括训练数据来源在内的数据治理义务；偏见测试与公平性评估方法；模型监控与事件响应流程；以及适用于他们所负责的每个 AI 系统的具体监管框架。

高管和董事会成员需要：适用于本组织 AI 使用的监管格局；针对 AI 风险的治理架构与问责机制；用于 AI 风险监督的关键指标；以及他们应就 AI 治理向管理层提出的问题。

各司法管辖区的监管培训要求

在欧盟，欧盟《人工智能法案》第 4 条要求所有提供方和部署方采取措施，确保员工在其岗位所需的范围内具备足够的 AI 素养。对于高风险 AI（附件三），部署方必须确保负责人工监督的人员就具体系统接受充分的培训。这些都是法律要求，而非愿景式的表述。

在澳大利亚，虽然法律上（截至 2026 年 5 月）尚无专门针对 AI 的培训要求，但若有文档记录的员工培训，《隐私法》中"合理措施"抗辩就更容易成立。职业健康与安全（WHS）义务包括确保工人经过培训以安全地开展工作；当 AI 带来社会心理风险或安全风险时，培训就是注意义务的一部分。受 APRA 监管的实体面临模型风险管理方面的要求（CPS 230、APRA 2026 年 4 月的 AI 行业函），这些要求隐含地要求管理 AI 风险的人员具备相应能力。

在美国，虽无联邦层面的 AI 培训要求，但 EEOC（美国平等就业机会委员会）的指南以及纽约市第 144 号地方法（NYC Local Law 144）的偏见审计要求，都暗示参与 AI 招聘决策的员工需要理解相关工具的用途与局限性。FTC（美国联邦贸易委员会）曾指出，员工对 AI 局限性认识不足，是导致误导性 AI 营销宣称的原因之一。

构建切实可行的培训项目

从培训需求分析入手：将正在使用的每个 AI 工具与使用或监督它的员工群体一一对应，并明确每个群体需要了解的内容。优先处理高风险 AI，也就是那些最直接影响个人、承担最大法律敞口的系统。采用分层的方法：面向全体员工的简短基础模块（30 分钟，涵盖政策、已获批工具、数据规则和事件报告）；面向技术和管理人员的岗位专属模块；以及面向董事会的战略层面简报。将培训设为新员工的强制要求，并每年更新一次，或在部署重要的新 AI 工具时更新。记录培训完成情况，这是采取了合理措施和治理成熟度的证据。在可能的情况下，将 AI 相关考量整合进现有的隐私、数据保护和 WHS 培训中，而不是另起炉灶创建完全独立的项目。

延伸阅读：经合组织人工智能原则

相关阅读

延伸阅读：经合组织人工智能原则