OECD对人工智能时代技能需求的讨论强调，技术会改变工作中的任务和技能组合，培训安排需要回应这种变化。[2] 支策据此提出，能源企业不应只按工具目录安排课程，而应围绕真实决策缺口组织学习。人员可能已经会使用系统，却仍不清楚一条异常信息意味着什么；也可能拥有丰富现场经验，却难以将判断依据传递给集中分析团队。

有效的知识传递需要三种材料同时存在：发生了什么、为什么这样判断、在什么条件下不应照做。只有处理步骤而没有判断依据，新员工容易机械模仿；只有专家结论而没有证据路径，其他岗位又难以复核。企业可以从已结案的典型任务中提取经过核验的学习案例，保留反例与边界，并由相关专业岗位确认适用性，避免把偶然成功固化成通用经验。

学习安排可以采用观察、带教实践、独立完成和异常复核的渐进路径。每一步都对应可观察的能力，而不是单纯累计课时。指导人员需要被正式分配时间，不能把带教视为专家正常工作之外的无偿附加任务。对于任务较少的岗位，可以使用明确标注的模拟情景训练判断，但仍应在真实工作中检验适用性，不能把模拟表现等同于现场能力已经充分建立。

知识库也需要运营责任。制度更新、设备替换或流程改变后，旧案例的有效条件可能变化。案例维护者应收到相关变更通知，并决定更新、限制或撤下。管理者应观察知识被用于哪些任务、是否减少重复求助以及是否引发错误套用。知识数量不是成果，人员能够解释依据、识别边界并在必要时升级，才说明知识真正进入了组织。

国际劳工组织公正转型指南将社会对话纳入转型政策过程，强调政府、劳动者与雇主组织之间的参与机制。[3] 这是政策层面的国际参考，不能替代企业所在地的劳动制度要求。对企业管理而言，它提醒我们：工作变化不仅是流程图调整，还涉及人员如何理解责任、学习机会和未来角色。相关沟通应在设计期间发生，而非等方案完成后再解释。

员工参与可以围绕具体任务进行，避免讨论停留在技术好不好。让不同岗位说明哪些信息难以取得、哪些交接经常返工、哪些自动化建议最难判断，并共同检查新方案是否解决问题。对于管理层尚未确定的资源与岗位安排，应明确说明不确定性，不作没有依据的保证。可信沟通来自事实、边界和后续处理方式清楚，而不是每个问题都给出乐观结论。

试点反馈需要能够改变设计。企业可保留结构化的问题入口，区分技术缺陷、职责冲突和能力支持不足，并说明由谁处理、何时反馈。对于提出风险和边界问题的员工，评价机制应鼓励准确报告，而不是将暂停或升级一律视为效率不足。若人员担心记录异常会影响自身评价，系统数据就可能失真，组织也会失去发现问题的早期渠道。

参与结果应体现为可见的改变：某个交接被简化，某项权限被澄清，某类训练获得资源，或者某条建议因证据不足而暂缓。对没有采纳的意见，应解释原因和后续观察条件。这样能够把参与从一次性座谈转成持续改进机制，也使管理层识别哪些阻力来自合理的工作约束，哪些来自信息不足，避免把所有分歧都解释为人员抗拒变化。