R

R02 变革管理计划模板

创建 2026-06-07 更新 2026-06-11 1 条双链 组织采纳 专题 AI 整理

为一个真实的 AI 部署写一份能落地、能被高管签字、能在三个月后复盘对照的变革管理计划——本节给出一套填空式模板，骨架用 Kotter 八步，但每一步都被 AI 特有的三个摩擦点（数据未就绪、流程未定义、模型会漂移）重写过。本节的视角不是”教你做变革管理”，而是”把一个被验证过无数次但从未被严格证明的旧框架，改造成对抗 AI 部署具体失效模式的工程检查表”。

[!warning] 先读这一句再往下填 如果你打算把 Kotter 八步原封不动套到 AI 部署上，请直接跳到本节最后的「§7 模板自带的陷阱」。那一节解释了为什么照抄会失败——它不是结尾彩蛋，是这份模板存在的理由。

§0 为什么是 Kotter 而不是别的框架——以及为什么 Kotter 不够

变革管理有三个被反复引用的框架，选错框架会让整份计划从第一页就跑偏。先做一次框架级辨析，挡掉两个常见的默认错误。

框架回答的问题适配 AI 部署的强项致命短板
Lewin 解冻-转变-再冻结（约 1947）组织如何完成一次状态切换”解冻”阶段对早期心理阻力管理有用”再冻结”假设变革是一次性事件——而 AI 模型会漂移、数据会变、能力边界每季度移动，永远无法再冻结
Kotter 八步（1996）组织需要按什么顺序做哪些动作步骤化、可检查、自上而下，适合企业内部推行八步必须按顺序的整体模型从未被独立验证（Appelbaum et al., 2012, Journal of Management Development）；线性假设与 AI 持续迭代冲突
ADKAR（Hiatt, Prosci, 1998/2003）个体员工需要经历什么心理过渡A(Awareness)/D(Desire) 直接对应员工对 AI 的恐惧偏个体，对”数据治理""模型部署”等系统级技术就绪问题无话可说；大规模证据全来自 Prosci 自家研究，存在利益冲突

本模板的选择与赌注：用 Kotter 八步做组织骨架（因为它给出可签字、可排期的组织动作序列），在每一步里嵌入 ADKAR 的个体过渡检查（因为组织动作落不到个体心理就是空转），并用 Lewin 的”持续解冻”思想替换掉 Kotter 第八步隐含的”变革完成”假设。三个框架不是三选一，是组织层用 Kotter、个体层用 ADKAR、节奏层用 Lewin的分工组合。

[!note] 接受反方 + 标注边界（业界对手：Bernard Burnes 的涌现变革论） Burnes（2020 等多篇）主张计划式变革模型（Kotter/Lewin 都属此类）已经过时，组织应采用涌现变革（emergent change）——变革不可被预先编排成八步，而是在复杂适应系统中持续涌现。我接受他对的部分：AI 部署的不确定性确实高，把它当成”按八步走完就结束”的项目是错的。但我坚持的边界：一个转型 PM 站在选型会和高管面前，需要一份能排期、能问责、能签字的计划，纯涌现论给不出这个交付物。本模板的做法是——用 Kotter 的骨架满足”可治理”需求，用 Lewin 持续解冻 + 模型监控回路满足”持续涌现”需求。这是工程上的折衷，不是理论上的胜利。

§1 填空式模板（八步 × AI 重写）

下面是可直接复制进项目 wiki 的模板。每一步分三栏：Kotter 原意 / AI 特有的重写 / 你要填的空。把它打印出来，逐格填，填不出来的格子就是你这次部署的真实风险敞口。

第 1 步 建立紧迫感（Create urgency）

项内容
Kotter 原意让组织感到”不变不行”，制造改变的张力
AI 重写紧迫感不能建立在”别人都在用 AI”的 FOMO 上——那会复制业界的”试点地狱”。紧迫感必须锚定在一个可量化的业务痛点上，且该痛点的解法恰好落在 AI 当前能力边界之内
填空• 本次部署解决的具体业务问题：（不是”提升效率”，是”客服一线工单平均处理时长 8.4 分钟，目标压到 5 分钟”这种带数字的）
• 不做的代价（每月损失/风险）：
• 为什么这个问题现在 AI 能解、去年不能：______

[!danger] 反例（confirmation-bias 砍除点 #1） 早期版本的这份模板把”竞品已上线 AI 功能”列为合法的紧迫感来源。这是 bias。IDC 分析师 Ashish Nadkarni（2025, CIO.com 报道）直言：“大多数 PoC 的启动并非因为强有力的商业案例”——FOMO 驱动的 GenAI 项目审批门槛低于常规 IT 项目，正是它们后来死在生产门口的原因。补入的反例：没有量化痛点的紧迫感是假紧迫感，它会让你跳过第 5 步的障碍排查。

第 2 步 组建引导联盟（Form a guiding coalition）

项内容
Kotter 原意找一群有权力、有信誉的人组成变革核心
AI 重写AI 部署的引导联盟必须跨三个传统上不对话的层：业务侧（懂痛点）、IT/数据侧（懂数据就绪度）、安全/合规侧（懂模型风险）。少任何一层，计划会在该层悄悄断裂
填空• 业务赞助人（C-level，承诺预算与排期）：
• 数据/平台负责人（对”数据是否 AI-ready”负责）：
• 安全/合规接口人（对模型输出风险负责）：
• A04 组织 AI Literacy 建设 §4 Change Champion 网络的第一批种子倡导者（一线、非职级筛选）：

[!note] 这里链入 A03，不是装饰 引导联盟是自上而下的权力结构，但权力结构推不动一线采纳（仅 28% 员工知道如何使用公司 AI 工具，WalkMe 2025）。真正让采纳扩散的是自下而上的同伴网络——69% 的员工主要通过同伴而非正式培训学习 AI（来源：Iternal.ai 综合引用，部分引自 BCG/行业调查）。所以第 2 步必须同时启动两条线：联盟（治理）+ A04 组织 AI Literacy 建设 §4 的 Change Champion 网络（扩散）。详见 A04 的”Champion Network Flywheel”设计。漏掉 Champion 网络的引导联盟，是只有方向盘没有轮子的车。

第 3 步 形成战略愿景（Form strategic vision）

项内容
Kotter 原意一个清晰、可传达的未来图景
AI 重写AI 愿景的最大陷阱是愿景与能力边界脱钩——画一个”AI 自动处理一切”的图景，而模型只能做到 L2 辅助（参见 p307 - Copilot 到 Autopilot 光谱 的 L0–L4 分级）。愿景必须明确标出”这次我们到光谱的哪一层”
填空• 一句话愿景（员工能复述）：__
• 本次目标自动化层级（对照 p307 - Copilot 到 Autopilot 光谱）：L（多数企业首战应锚定 L2–L3，把 L4 自治留给”错误成本极低 + 可自动验证”的窄场景）
• 明确不做什么（防止愿景膨胀）：____

第 4 步 招募变革志愿军（Enlist volunteer army）

项内容
Kotter 原意让足够多的人主动参与，而非被动服从
AI 重写”志愿军”在 AI 语境下=愿意在真实工作流里试用、报 bug、容忍不完美输出的早期用户。他们对应 Rogers 扩散曲线的 Innovators(2.5%)+Early Adopters(13.5%)。关键是别把他们的体验当成全员体验——这正是 Moore 鸿沟在组织内部的再现
填空• 首批志愿用户来自哪个团队/场景（一个利基场景，建参考案例）：
• 他们的 ADKAR-Desire 从何而来（个人收益是什么）：
• 如何防止”志愿军成功”被误读为”全员可推”：______

[!warning] failure scenario #1（鸿沟在组织内的再现） 本步的结论”靠志愿军建参考案例”会在以下场景失效：当组织试图把志愿军（远见者）的成功直接推给早期多数（实用主义者）时。Moore（Crossing the Chasm, 1991）的核心洞察是这两群人之间有一道鸿沟——早期多数要的是”完整产品 + 同伴背书”，而志愿军容忍的是”半成品 + 自己摸索”。J&J 的 900 项 GenAI 计划中仅 10–15% 贡献了 80% 的价值（来源：行业报道引用），印证了”集中突破”逻辑：先在一个利基场景做到压倒性参考案例，再跨。别在志愿军试点成功的当天就宣布全员推广。

第 5 步 消除行动障碍（Enable action by removing barriers）

项内容
Kotter 原意移除阻碍变革的结构、流程、激励
AI 重写⭐这是 AI 部署区别于一切传统变革的命门一步。 传统变革的障碍是”人和流程”；AI 部署的障碍是”人 + 流程 + 数据 + 模型基础设施”。Kotter 八步对后两类障碍完全失语——这正是它需要被重写的地方
填空（这一步要填最多）数据障碍：本场景数据是否 AI-ready？质量/标注/可访问性缺口：
流程障碍：AI 要自动化的流程是否已稳定可测试？（agent 无法自动化一个混乱的流程）：
基础设施障碍：从沙盒到生产的部署/监控/回滚能力：
人的障碍：员工技能缺口、对失业的恐惧、激励错位：
合规障碍：审查/可解释性/幻觉容忍度边界：______

[!danger] 数字接地：障碍里数据是头号杀手

  • Gartner（2025-02-26 新闻稿）：预测到 2026 年，≥60% 缺乏 AI-ready 数据的项目将被放弃；63% 组织没有或不确定是否有 AI-ready 的数据管理实践。
  • RAND（The Root Causes of Failure for AI Projects, Ryseff et al., 2024-08, 65 名资深从业者深访）：五大根因全部是组织性的——问题定义失准、训练数据不足、技术优先心态、基础设施缺口、问题超出 AI 能力边界。技术本身不在名单上。
  • BCG「10-20-70 原则」（广泛引用）：AI 成功决定因素中技术仅占 10%，数据与算法占 20%，人、流程、文化变革占 70%。 这三条共同说明：第 5 步填不满的格子，就是你 70% 失败概率的来源。

第 6 步 创造短期胜利（Generate short-term wins）

项内容
Kotter 原意用早期可见成果维持动能、堵住怀疑者
AI 重写AI 的短期胜利必须是可量化、可归因、对照基线的——否则会落入”我们部署了 AI”的虚假胜利。同时要警惕 Goodhart 陷阱：一旦”AI 使用率”成为 KPI，它就不再是好指标
填空• 30/60/90 天各一个可量化里程碑（带基线对照）：
• 归因方法（怎么证明改善来自 AI 而非别的）：
• 防止指标被博弈的设计（参考 m207 - Agent 产品化：场景推演与失败模式 的 Goodhart 防御）：______

第 7 步 维持加速（Sustain acceleration）

项内容
Kotter 原意用早期胜利的信誉推动更大变革，别过早宣布胜利
AI 重写这一步是”跨越鸿沟”的组织内对应——从志愿军（试点）扩到早期多数（规模化）。McKinsey（2025, 约 2000 人/105 国）：仅 6% 企业达到企业级财务影响；AI 高绩效者做”工作流根本重设计”的概率是其他企业的 2.8 倍（55% vs 20%）。维持加速 = 敢重设计工作流，不是给旧流程贴个 AI
填空• 从利基场景扩到下一个场景的判据（什么信号说明可以扩）：
• 需要重设计（而非外挂）的工作流清单：
• A04 组织 AI Literacy 建设 飞轮是否已自驱（新采纳者是否在变成新倡导者）：______

第 8 步 制度化变革（Institute change）—— 但要带星号

项内容
Kotter 原意把新做法嵌入文化、制度、领导梯队，使其不可逆
AI 重写⭐这一步对 AI 是个悖论。 Kotter 让你”固化”，但 AI 模型会漂移、数据分布会变、能力边界每季度移动。你能制度化的不是某个具体的 AI 用法，而是”持续监控-评估-再训练-必要时降级”的回路本身。这就是用 Lewin”持续解冻”替换”再冻结”的地方
填空• 制度化的是回路而非用法：监控指标 + 漂移检测 + 降级触发条件（参考 p307 - Copilot 到 Autopilot 光谱 的动态升降级）：
• 模型/数据治理的常设 owner（不是项目结束就解散）：
• AI literacy 的常态化培训机制（EU AI Act Article 4 自 2025-02-02 起已要求”足够水平的 AI 素养”，来源：artificialintelligenceact.eu）：______

§2 判断主轴：90% 的人在这份模板上会犯的五个错

这一节是模板的命门。每个错配四件套：症状 → 为什么会错 → 正确做法 → 真实反例。

错 1 把第 1 步的紧迫感建立在 FOMO 上

  • 症状：愿景文档里出现”竞品已布局""不上 AI 就落后”，但找不到一个带基线数字的业务痛点。
  • 为什么会错：FOMO 紧迫感会让审批门槛降低，进而跳过第 5 步的数据/流程/基础设施障碍排查——而那一步才是 70% 失败的所在。
  • 正确做法：紧迫感必须能写成”X 痛点 = 每月损失 Y，AI 当前能力恰好能解”的一句话。
  • 真实反例：IDC×Lenovo（CIO Playbook 2025，样本约 3120 人）——每 33 个 AI PoC 仅约 4 个进生产；分析师归因于”PoC 启动时并无强商业案例”。

错 2 把引导联盟当成全部，漏掉 Champion 网络

  • 症状：计划里有 C-level 赞助人、有 IT 负责人，但没有任何一线倡导者机制。
  • 为什么会错：自上而下的权力推得动预算，推不动一线的日常使用习惯；采纳靠同伴扩散，不靠红头文件。
  • 正确做法：第 2 步同时启动联盟（治理）和 A04 组织 AI Literacy 建设（扩散），两条线并行。
  • 真实反例：仅 28% 员工知道如何使用公司 AI 工具（WalkMe 2025）；69% 员工主要通过同伴学 AI（Iternal.ai 综合引用）。光有联盟、没有 Champion 的组织，工具买了没人用。

错 3 在第 5 步只填”人和流程”，留空数据和基础设施

  • 症状：障碍清单写满了”员工抵触""培训不足”，数据就绪度和部署基础设施两栏空着。
  • 为什么会错：Kotter 八步诞生于 1996 年的非 AI 变革语境，它的”障碍”概念里没有数据和模型基础设施——直接套用会系统性漏掉 AI 部署最致命的两类障碍。
  • 正确做法：第 5 步强制填满五类障碍（数据/流程/基础设施/人/合规），任一空格都标为风险敞口。
  • 真实反例：RAND（2024）五大根因里”训练数据不足""基础设施缺口”占两席；Gartner（2025）预测 ≥60% 数据未就绪的项目会被放弃。

错 4 在第 4 步把志愿军体验当全员体验（鸿沟盲区）

  • 症状：志愿军试点 NPS 很高，于是直接全员推广，结果早期多数集体抵触。
  • 为什么会错：志愿军=远见者，容忍半成品；早期多数=实用主义者，要完整产品 + 同伴背书。两者之间是 Moore 的鸿沟。
  • 正确做法：第 4→7 步之间设一道”鸿沟闸门”——先在利基场景做出压倒性参考案例，再扩。
  • 真实反例：J&J 900 项 GenAI 计划中仅 10–15% 贡献 80% 价值（行业报道），印证”集中突破”而非”全面铺开”。

错 5 在第 8 步真的去”再冻结”

  • 症状：项目结题，团队解散，AI 用法写进 SOP 后没人再管模型表现。
  • 为什么会错：AI 不是一次性安装的软件，模型会随数据漂移而退化；“再冻结”假设的稳态在 AI 部署中根本不存在。
  • 正确做法：制度化的对象是监控-评估-降级回路和常设治理 owner，不是某个固定用法。
  • 真实反例：AI 实施本质是”不断解冻”——这也是为什么纯 Lewin / 纯 Kotter 框架在 AI 部署里都需要被”持续监控回路”打补丁。

§3 产品 PM 视角补盲：工程检查表照不到的三个角落

跳出”把流程跑通”的工程 PM 视角，补三个会让计划在非技术维度翻车的盲点。

  1. 用户心理模型：员工恐惧的不是 AI，是被 AI 替代后的自己。 89% 员工对 AI 影响工作安全有不同程度顾虑、且仅约 54% 认为雇主在 AI 采纳计划上”基本透明”（综合 2025 多项工作场所 AI 调查，含 PwC Global Workforce Hopes and Fears 2025、ADP Global Workforce Survey）。值得注意的是 ADP 研究发现：感到雇主在为自己技能投资的员工，认为工作安全的概率高 5.3 倍——透明沟通本身就是变革管理动作。第 1 步的紧迫感如果只对组织讲（“我们要降本”），对个体就是威胁信号。ADKAR 的 Desire 在这里只能靠”明确告诉员工 AI 接管哪部分、你升级去做哪部分”来建立。变革计划里没有”员工的 after 画像”，员工就会假设最坏的 after。

  2. 商业模式：变革管理的投入应与模型开发投入成比例。 McKinsey QuantumBlack（Reconfiguring Work, 2024）给出规范性建议：AI 每 1 美元模型开发应配 3 美元变革管理投入（$1:$3，规范性建议非实证）。如果你的预算表里变革管理是个零头，这份模板填得再好也没有执行资源。

  3. 合规边界：幻觉 容忍度决定自动化层级上限。 在合规敏感场景（金融、医疗、安全），模型 幻觉 的后果不可逆，这直接把 p307 - Copilot 到 Autopilot 光谱 的可达层级压在 L2 以下——无论变革计划写得多激进。第 3 步的愿景层级必须先过合规这关。Rick 在滴滴做 PDP 费用治理时的经验可类比：纠纷裁决从”AI 自动判定”退回”AI 辅助 + 人工兜底”，正是因为误判的申诉成本不可逆（参考 纠纷治理从裁判到管家）。

§4 对手框架回应（接受 + 边界）

[!note] 业界对手 1：Hughes（2011）——“70% 变革失败率根本是个神话” Hughes（Journal of Change Management, Vol.11 No.4, pp.451–464）逐一追溯了五个引用”70% 变革失败”的来源，结论：“there is no valid and reliable empirical evidence to support such a narrative”——这个数字是咨询业互相循环引用形成的活性神话。我接受：本模板不会用”70% 变革失败”或”85% AI 项目失败”当吓人的开场（后者更是 Gartner 2018 关于”产生错误输出”的预测被误传）。但我坚持的边界：即便失败率的精确数字不可靠，“企业 AI 项目大规模滞留在 PoC 阶段”是 2024–2025 多源一致的现象（Gartner ≥50% PoC 被弃、IDC 仅约 12% 进生产、McKinsey 仅 6% 达企业级影响）。模板对抗的是这个有据可查的结构性现象，不是那个神话数字。

[!note] 业界对手 2（Rick 未读框架）：Bruno Latour / STS 的”技术不是中性工具” 来自科学技术与社会研究（STS）。Latour 等主张技术从来不是”被组织采纳的中性工具”，而是会反过来重塑组织的行动者网络。这逼问本模板的盲点：Kotter 八步把 AI 当成”要被推行下去的东西”，预设了组织是主体、AI 是客体。但 AI agent 一旦进入工作流，它会改变谁和谁对话、谁有权决策、哪些技能贬值——组织被 AI 重写的程度，可能超过组织对 AI 的塑造。对模板的修正：第 8 步的”制度化”不能只问”如何固化用法”，要问”这个 AI 重新分配了哪些权力”。这是纯流程化的 Kotter 给不出的问题。参见 0117社会学。

§5 跨域呼应：维特根斯坦的”规则遵循”与 Kotter 步骤的伪精确

Kotter 八步读起来像一套可机械执行的规则。但维特根斯坦在《哲学研究》里的”规则遵循悖论”（rule-following paradox）指出：任何规则都不能自我决定如何被应用——“按规则行事”本身需要一套未被言明的实践判断（背景习俗）来填充。

这对本模板是一记警告：填完八个格子不等于做对了变革管理。 同样写着”第 5 步：消除障碍”，一个懂数据治理的团队和一个不懂的团队，填出来的东西天差地别。模板能给你该问的问题，给不了问题的答案——答案藏在执行者的默会知识里（参见 Polanyi 默会知识与提示工程的认识论张力）。

这也解释了为什么 Kotter 八步”每步都有文献支持、整体却从未被验证”（Appelbaum et al., 2012）：步骤是显性规则，但让八步真正连起来奏效的，是无法被写进模板的组织默会能力。所以这份模板的正确用法不是”照填”,而是”用它逼出你团队在哪一格没有默会知识”——那一格就是要补人、补能力的地方。 详见 0114认识论。

§6 PM 决策启示：面试 / 选型 / 复现三类落地

  • 面试怎么用：被问”你会怎么推动一个 AI 功能在公司内落地”时，不要背 Kotter 八步——那是 ChatGPT 都会的答案。说：“我会用 Kotter 做组织骨架，但第 5 步要重写——因为 AI 部署的障碍不只是人和流程，还有数据就绪度和模型基础设施，而这两类恰好是 RAND 2024 研究里失败的头号根因。然后第 8 步我不会’再冻结’,而是制度化一个监控-降级回路，因为模型会漂移。” 这一句话同时展示了你懂框架、懂框架的失效边界、懂 AI 特有性——三层判断力。
  • 选型怎么用：评估一个 AI 供应商/工具时，把第 5 步的五类障碍当成尽调清单：它能不能解决我的数据就绪问题？它的部署/监控/回滚能力如何？这比比 feature list 有用得多。
  • 复现怎么用：把 §1 的模板直接复制进项目 wiki，开 kickoff 会时逐格填。填不出来的格子,会议纪要里标红——那就是这次部署的真实风险敞口清单。 三个月后复盘，对照当初填的和实际发生的。

§7 模板自带的陷阱（这才是本节的重点）

[!danger] 三个会让你”填得很认真、死得很标准”的陷阱 这份模板最危险的地方，不是它哪一步不对，而是它会给你一种”我做了变革管理”的虚假安全感。以下三个陷阱，每一个都来自”把模板当答案而非问题清单”。

陷阱一：把”填满八个格子”当成”完成了变革管理”。 模板是显性规则，奏效靠默会知识（见 §5）。一个不懂数据治理的团队也能把第 5 步的数据栏填上字——但填的是”我们会清洗数据”这种正确的废话，不是”我们的客服数据有 40% 缺标签、需要 6 周标注、预算 X”这种真东西。自检：你填的每一格，能不能被一个外部审计者证伪？不能证伪的格子=没填。

陷阱二：八步的线性顺序是个假象，你会因为”按顺序走”而错过回路。 Kotter 暗示 1→2→…→8 走完就好。但 AI 部署里，第 8 步的模型漂移会把你打回第 5 步（数据又不就绪了），第 6 步的指标博弈会把你打回第 3 步（愿景层级定错了）。真实的 AI 变革是一个循环，不是一条直线。 如果你的项目计划甘特图是八个首尾相接的条，而不是一个带反馈箭头的环，你已经掉进陷阱了。这正是为什么 Burnes 的涌现变革论（§0）值得认真对待——它对的部分恰恰是你最容易忽略的部分。

陷阱三：最隐蔽的——模板让你优化”可见的、易测量的”(Literacy/培训)，而非”难的、需要勇气的”(Adoption/重设计工作流)。 McKinsey 的观察一针见血：大多数公司过度投入 AI Literacy（培训视频、合规打卡——可见、易测量、易交差），而对真正决定成败的 Adoption（敢不敢重设计工作流、敢不敢动既得利益的流程——复杂、需要领导勇气、难量化）投入不足。而 70% 的受训者会忽视 onboarding 视频，更依赖实验性学习和社会学习（McKinsey）。这份模板的第 6 步”短期胜利”和第 7 步”维持加速”最容易被做成”我们办了多少场培训、多少人通过了 AI 素养考试”——这是用可测量的勤奋，掩盖不可测量的回避。 AI 高绩效者做工作流根本重设计的概率是普通企业的 2.8 倍（McKinsey 2025），差距不在培训量，在敢不敢动流程。

所以这份模板的最终用法是：每填一格，都问自己一句——“我是在做这件难而正确的事，还是在做那件容易交差的事？” 模板挡不住你自欺，只有这个问题能。

§8 与已有节点的关系

已有节点本节点做的事升级类型
A04 组织 AI Literacy 建设A04 §4 讲”自下而上的同伴扩散网络（Change Champion）怎么建”；本节点把它嵌进 Kotter 第 2/7 步，给出”治理线 + 扩散线”并行的组织骨架。本节点不复述飞轮设计。对话 / 编织
p307 - Copilot 到 Autopilot 光谱p307 给出 L0–L4 自动化分级与动态升降级；本节点在第 3 步（定层级）和第 8 步（制度化升降级回路）引用其结论作为填空依据，不复述分级细节。引用 / 深化
m207 - Agent 产品化：场景推演与失败模式m207 讲 agent 的失败模式与 Goodhart 防御；本节点第 6 步引用其 Goodhart 防御来设计”防博弈的短期胜利指标”。引用
纠纷治理从裁判到管家Rick 滴滴 PDP 实战——“AI 自动判定退回人工兜底”是合规边界压制自动化层级的真实案例，本节点 §3 用它做反例。实战接地
幻觉本节点把 幻觉 容忍度作为第 3/5 步的合规约束变量，连接到自动化层级上限。引用

不复述：Kotter 八步的标准定义、ADKAR 五元素的逐条解释、Rogers/Moore 扩散理论的完整模型——这些在本专题的 A 模块与 m207/p307 已有，本节点只做”为 AI 部署重写”的增量。

§9 关联节点

核心（必读）

延伸（可选）

修订日志

  • R1（2026-06-07） 首稿。确立”Kotter 组织骨架 + ADKAR 个体过渡 + Lewin 持续解冻”三框架分工；八步逐一 AI 重写并给填空模板；§2 五个判断主轴四件套；§4 接入 Hughes（70% 神话）与 Latour（STS）两个对手框架；§7 三陷阱（虚假完成感 / 线性假象 / Literacy 替代 Adoption）。数据接地：Gartner/RAND/McKinsey/BCG/IDC 均标来源；“89% 员工担忧工作安全 / 54% 认为雇主基本透明 / ADP 5.3 倍”经 WebSearch 核实（PwC Hopes and Fears 2025 + ADP Global Workforce Survey），已替换初稿的〔待核实〕22% 数字；“70%/85% 失败率”显式标注为被误引/神话，不作确证引用；EU AI Act Article 4 生效日 2025-02-02 来源 artificialintelligenceact.eu。