报告概述
本报告基于421名L&D专业人士的调研，系统分析了AI在培训与发展中的融入程度、应用场景、价值评估、预算分配、内部阻力及未来生态演变。报告采用ADDIE框架对照分析当前与未来12-18个月的AI应用，并特别探讨Agentic AI的潜力与风险，为L&D团队提供从实验到日常整合的行动参考。
报告的核心结论
87%的L&D团队已使用AI，仅2%无计划
报告显示，AI在L&D领域已从实验阶段进入日常应用，绝大多数团队已开始使用AI工具，仅有少数尚未行动。这表明AI在L&D中的渗透率已达到较高水平，但深入整合仍不均衡。
AI当前主要价值是提升生产速度
84%的受访者认为AI带来的最大好处是更快的生产速度，主要用于语音生成、视频制作和内容起草。尽管成本节约和业务影响也出现，但速度仍是首要驱动因素。
未来两年重点转向个性化学习与业务影响
报告预计，AI未来将更多用于个性化学习路径、学习者参与度提升和可衡量的业务成果。72%的团队期望AI实现更深度的个性化，高于当前仅24%的体验。
L&D预算中AI投入仍低且分散
39%的团队仅将5%或更少的预算用于AI，30%不清楚具体花费。预算审批流程不清晰，缺乏专项基金，导致AI采用受限于试点阶段。
Agentic AI引发高度兴趣但多数团队谨慎
27%的团队已在探索自主型AI，39%持谨慎态度。探索集中在AI导师、教练指导和个性化建议等场景，但安全、准确性和整合障碍普遍。
报告回答的关键问题
AI在L&D中的采用现状如何？
报告显示，87%的受访者在L&D工作中使用AI，仅2%无计划。不同团队AI成熟度差异大，36%已活跃使用，但仅9%实现规模化，6%达到AI优先整合。通用AI工具中，ChatGPT使用率最高（74%），其次是Copilot（54%）。
L&D团队面临哪些AI采用障碍？
主要障碍包括安全顾虑（58%）、准确性担忧（52%）、集成困难（46%）和内部专业知识缺乏（46%）。此外，预算审批缓慢（44%）和法律限制（41%）也常被提及。仅6%表示无任何障碍。
AI如何改变L&D的角色和未来？
尽管存在挑战，66%的受访者相信AI将增强L&D的战略影响力，72%认为该职能可通过适应生存。AI推动L&D从内容制作转向学习者体验和业务影响，但团队需提升AI技能和设计能力，以发挥更大价值。
L&D团队希望获得哪些AI支持？
67%的团队希望获得AI技能和设计培训，63%需要工作流集成支持，50%需要技术整合帮助，44%寻求负责任AI指导。这表明团队急需从工具使用转向能力构建。
LMS在AI时代是否仍为核心？
仅47%的受访者认为LMS将在三年后保持核心地位，其余对LMS的集中角色持怀疑或不确定态度。AI的部署方式呈现多元化：嵌入LMS（19%）、独立平台（17%）、生产力工具（17%）或跨系统代理层（19%）。
报告中的代表性数据
87%
AI使用率
2025年10-11月调查，87%的受访者表示在L&D工作中使用AI，仅2%无任何采用计划。
39%
AI预算占比
当前，39%的L&D团队将5%或更少的预算用于AI，30%不清楚具体花费。
63%
最常用AI工具
当前，63%的受访者在L&D中使用AI进行语音生成/文本转语音，是最常见的应用场景。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整市场数据与趋势图表：包含20,000+数据点，覆盖L&D专业人士的角色、行业、组织规模分布，以及AI使用率、预算、成熟度等关键指标的可视化图表。
- 人工智能在L&D中的成熟度模型与框架：基于调研数据划分的五个成熟度阶段，以及从ADDIE模型出发的AI应用阶段分析，帮助团队评估自身定位。
- 服务商与工具生态系统分析：详细分析通用AI工具（如ChatGPT、Copilot等）和L&D专用AI工具的使用比例，并探讨AI在未来生态系统中的四种部署模式。
- 专家洞察与深度评论：来自Dr Philippa Hardman、Kevin Alster和Kristen Budd的行业见解，包括对AI改变L&D角色、学习科学的看法及未来预测。
- Agentic AI探索的详细数据与案例：包括对AI导师、教练、个性化指导等自主型AI能力的兴趣调研，以及在实验中的初步发现与挑战。
- 预算、准备度与阻力的颗粒度数据：按组织规模、行业等维度拆解的预算分配、内部阻力（安全、准确、法律、IT支持等）以及文化支持度对比。
- 未来12-18个月的采用预测与行动建议：基于计划采用的趋势数据，提出L&D团队在技能培训、工作流整合、治理架构等方面的具体建议。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
