企业持续在AI、自动化、开发者工具和其他新技术上投入。但如果IT员工没有时间、资源或自由去学习如何使用这些技术，企业可能无法获得预期的成果。

如果IT员工认为一次失败的尝试会影响他们的绩效评估，他们可能会害怕尝试新工具。他们也可能不确定自己可以使用哪些工具和数据，或者如何在不出安全问题、不干扰业务的情况下测试新技术。

"可安全失败"的文化有助于消除这些障碍。它给IT员工尝试新想法的空间，同时限制对公司的风险。虽然员工仍需遵守规则，但他们被赋予了测试新想法所需的时间、经批准的工具和安全环境。即使公司最终决定不采用某项新技术，它仍然可以从这次经历中学习。

"在我看来，可安全失败的文化，不是可以粗心大意的文化，"Randstad Digital平台与人才全球负责人Michael Morris表示，"它的意思是，设计的实验要让失败是可控的、可逆的、有价值的。"

让实验成为工作的一部分

"对失败的恐惧是一大障碍，尤其是当人们认为每一次实验都会被拿来与短期生产力比较时，"Burrus Research创始人兼CEO Daniel Burrus表示，"领导者需要把实验与日常绩效评估分开，并给予团队在没有职业风险的情况下测试想法的许可。"

IT领导者鼓励实验的一种方式，是在工作日中为员工留出实验时间。如果它变成加在已经繁忙的日程之上的又一项任务，员工可能会把它推迟，或者不得不占用自己的时间来做。

AI互动平台供应商Typeform会在工作日里给员工时间尝试AI和其他新技术，该公司首席产品与技术官Aleks Bass表示。每位员工还会获得1000美元，用于培训、认证、专业工具或其他能帮助其工作的资源。

她说，这种灵活性很重要，因为不同岗位的员工可能需要不同的工具和培训。Typeform会向所有人提供一些工具，而个人预算则让员工可以尝试公司尚未批准广泛使用的其他工具。

"所以，如果我们告诉人们希望他们用AI做实验，却又说'哦，用你自己的时间、自己的钱、或自己的个人账户去做吧'，那你就没有真正营造出那个安全的实验环境，"Bass说。

Randstad Digital的Morris表示，每一次实验都应聚焦一个具体的业务问题，并有一个清晰的目标。例如，与其简单地让员工去学AI，管理者可以让他们去弄清楚，AI能否加快测试用例的编写、改进技术文档，或自动化日常的支持任务。

"关键词是'有纪律'，"他说，"每一个试点都应该有一个业务负责人、一个明确的假设、一个可衡量的结果、一个时间限制，以及一个明确的结果决定：推广它、修改它，还是停掉它。"

Morris说，领导者还需要认可员工学到的东西，而不仅仅认可他们成功部署了什么。

"小而规范的试点，会在问题修复成本还很低的阶段就暴露出集成、安全、质量和采用方面的问题，"他说，"它们还会揭示AI在哪些地方表现出色，在哪些地方仍然需要人工判断。这让领导者能够围绕技术重新设计流程，而不是简单地把一个新工具硬塞进旧的工作流。"

实验的一个障碍，是停止一个项目所背负的污名，Equifax首席信息安全官Jeremy Koppen表示。

"为了改变这一点，我和我的领导团队会积极表扬那些关停已不再合理项目的员工，"他说，"当我们特意去赞赏一个团队把问题提请我们注意时，就会改变这种氛围。人们知道我们看重他们的坦诚，而且他们很快会意识到，自己刚刚释放了人才去做真正重要的工作。"

用清晰的边界取代不确定性

IT员工也可能因为不确定公司允许什么、愿意接受多大风险，而避免尝试新工具，数字咨询公司Bridgenext的CTO Dom Profico表示。

他说，打造可安全失败的文化，始于培训员工，并确保他们知道自己能做什么、不能做什么。随着新的AI工具不断涌现，员工需要理解公司的规则，以及一个新工具能否做到现有技术做不到的事情。

Profico说，这些沟通可以避免公司去追逐每一个新的"闪亮硬币"，同时仍然鼓励员工分享可能有用的想法。

他说，组织应当清楚地说明员工需要遵守的安全和运营规则，并设置防护措施，以防止错误影响到客户或用户。知道这些防护措施已经就位，可能会让员工更放心地尝试新事物。

Profico表示，公司无法消除所有风险。如果它们希望员工尝试新想法，就必须给他们一些自由，接受事情可能会出错，并始终如一地执行公司政策。

"如果你想运营一个创新的组织，你就必须真正给予多一点自由，并接受其中一些风险，"他说。

Smartsheet的CIO兼CISO Ravi Soin把这种做法描述为营造一种"可以，但要安全"的文化。

根据Soin的说法，IT领导者必须让员工知道他们可以访问哪些系统、如何使用公司数据，以及何时需要让IT或安全部门介入。

"在这些边界之内，人们应该能够尝试新技术，而无需每次都回到IT或安全部门去请求许可，"他说。

例如，Smartsheet允许不同部门的员工在预先批准的沙箱中进行平民开发项目。

"如果销售部门的某个人想用Claude Code做客户演示，他们可以在一个预先批准、已经配置好DLP（数据防泄漏）和访问控制的沙箱中这样做，"Soin说，"这样，他们就不用等待安全审查，当天就能开始。"

限制潜在的破坏范围

防护措施应当取决于一个错误可能造成的破坏程度，联想全球CIO兼解决方案与服务集团CTO Arthur Hu表示。例如，一个正在测试AI编码工具的员工，不需要像在关键客户系统中工作的AI智能体那样多的监督。

"这首先要分析一个项目的潜在'爆炸半径'——也就是对系统和用户的潜在影响范围——并据此设计相应的控制，包括在哪些环节需要有人留守，审计轨迹应该是什么样子，以及你能多快重新获得控制权，"他说。

Randstad的Morris建议分阶段测试新技术。员工可以从经批准的工具以及沙箱中的合成数据或非敏感数据开始，然后进入测试环境，最后进行小规模试点。访问权限应当限制在员工所需的范围之内，公司应当监控和审查试点，并制定计划，以便在出现问题时停止试点或回滚任何变更。

"安全应该从一开始就是一项设计约束，而不是在最后才出现的否决权，"Morris说，"只有当团队达到商定的性能和安全阈值之后，这项能力才能进入生产环境。"

Bass说，Typeform员工可以在沙箱中使用模拟的公司和客户数据来测试尚未获准全公司使用的工具。这让他们能够看清一个工具是否有帮助，而不把客户或公司平台置于风险之中。

把实验转化为业务成果

联想的Hu说，尽早测试技术可以在公司进行大规模投入之前就发现问题。它还可以显示员工是否信任这项技术，以及它是否契合他们的工作方式。

"我们在企业AI操作系统之上构建了一个受治理的AI沙箱。团队可以拉入一个新模型、工具或智能体框架，搭起一个可用的原型，并弄清楚它是否值得留用，而这一切都无需靠近生产环境，"他说。

"那些得到验证的东西会进入企业平台，并默认继承我们的安全、可靠性和合规控制，"他补充道。

Typeform则采取了不同的做法，它让一个小团队负责开发Research Flow，这是一个用AI面试官收集详细客户反馈的产品。Bass说，公司给了团队AI工具的访问权限，设定了明确的目标，并允许员工尝试新的工作方式。团队每达成三个目标中的一个，还可以获得奖金。

这个团队从去年12月开始工作，被要求在2月底之前构建出一个可用的原型。Bass说，如果没有AI工具，这个项目通常需要九个月到一年的时间。公司认为奖金是值得的，因为更快完成产品意味着可以更快推向市场，更早开始产生营收。

"说实话，一开始我不认为团队相信自己能做到，"Bass说。但到了1月初，团队认为目标已经触手可及。他们最终达成了全部三个目标，并拿到了奖金，她说。