看员工每天调用 AI 多少次、公司买了几个账号,就能判断这家企业的 AI 转型在推进吗?
我的答案是:不能。员工用 AI 的差距不在「用得多不多」,而在 AI 被放在了流程的哪个位置。
员工写报告,原来半天,现在半小时出初稿。但背景还得整理,会还得开,审核照样一层层过。起草快了,整件事的周期没变。
一件事要经过起草、交接、审核、返工、再审核。AI 加速的通常只是起草,真正决定交付速度的是链条上最慢的一环,而最慢的那一环往往不是起草。
第一级,会问。 遇到问题问一句,让它解释概念、润色文字,这时候的 AI 是更好用的搜索框。
第二级,会用。 写材料、查资料、做分析都离不开它,个人效率明显提高,但每份产出都要人逐项检查、改完再交,结果由人负责。
第三级,会委托。 把一件完整的事交给 AI,人讲清要求,最后验收结果,不再盯每一步怎么做。
第四级,会编排。 多个 AI 和人协同跑完整条流程,人只在关键节点做判断。
四级不是熟练度的高低,而是 AI 在流程里的位置。多数企业停在第二级:用得不错,但每份产出都还要人重头核一遍。
第二级是人对 AI 负责:AI 给建议,人检查、修改、署名、担责。第三级是 AI 对结果负责:事情交给 AI 做完,人按事先说好的标准验收,不再逐项看过程。
曾鸣教授在《智能》里把这个转折叫「60 分奇点」,并强调它不是技术分数,而是结构性的转折点:AI 不再只是帮人干活,而是开始独立承担任务,围绕结果形成反馈和改进。
跨过去,靠多学几个提示词解决不了,至少三件事要跟着变。
岗位职责。 出了问题还是员工一个人担责,他当然不敢放手,AI 做完还得从头核一遍。职责要从「写这份报告」变成「定义这份报告要回答什么、按什么标准验收」。
交接方式。 很多活离不开老员工,不是流程复杂,是背景信息都在脑子里。AI 要接手,得先把这些经验沉淀成讲清目标、完成标准和所需材料的交接。
验收标准。 什么叫做好了、什么算不合格,必须提前说清。说不清就只能靠人盯过程,一盯就退回第二级。
三件事都不在技术部门手里。培训能提高熟练度,但改不了这三样,所以只能把人带到「会用」。
跨过这道坎,价值不只是省下逐项检查的人力。曾鸣教授在同书中提出「智能复利」:执行任务、拿到真实结果、反馈回系统、能力变强、接下更复杂的任务,如此循环。
前提是 AI 真的对结果负责。停在第二级,它的输出都被人改过才进入现实,它看到的只是被修正后的结果,看不到错误怎么产生,也就学不到东西。一旦它独立完成任务并记录过程与反馈,这些记录才有机会变成改进依据。
也要说清:复利不是自动发生的。曾鸣教授自己也提醒,智能复利是价值创造机制,不等于自动形成竞争优势;反馈若被人工筛选,很难转化成差距。
判断团队在哪一级,不用评估表,先回答三个问题:最近一个月,有哪几件事是 AI 独立完成交付、并有清晰责任人和验收闭环的?验收标准写在纸上,还是靠人盯着?出了错,能改的是文档和标准,还是只能说一句「模型不行」?
第一个问题答不上来,基本还在第二级。
要往第三级走,先挑一件事,不要全面铺开:这件事要完整,有明确起点和交付物;要高频,每周每月都在发生,才有足够反馈;结果要能验证。挑好之后把交接写清楚,把验收从过程改成结果,让结果回流到下一次,跑通一件再复制。这一步也离不开数据:没有可用数据,AI 做不准,员工很快弃用。
判断一次 AI 转型的进展,我不看买了多少工具、办了多少场培训,而是想知道:有多少件完整的事已经能由 AI 独立完成,并有清晰的责任、验收和反馈闭环。这个数字,比员工每天用了多少次 AI 更能说明问题。
作者:刘启威,AI 转型顾问
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。