從“人”開始，AI 大模型高效轉型指南 原創 精華
本文將講述萊拉（Leila）的故事。她是一位 AI 領軍人物，成功克服了諸多與人相關的挑戰，最終引領公司走上了 AI 落地的正確道路。我們將圍繞以下要點展開討論：
- 選擇 AI 計劃：從一開始就挑選合適的 AI 計劃，將空談轉化為實際行動。
- 理解 AI 思維模式：探究員工在聽到“AI”時的真實想法。
- 溝通：將 AI 確立為一種不可避免的技術，并賦予用戶自主權和控制權。
- 教育：確保員工具備使用 AI 并為企業創造價值的技能。
希望這個故事能夠激勵你，不僅在個人層面使用 AI，還能將 AI 打造成推動企業業務轉型的積極力量。
從“人”開始，AI 大模型高效轉型之路
1、從明智的選擇開始：選對第一個 AI 項目
AeroLogix 是一家物流公司，領導層已經花了整整一年的時間在高層討論 AI。顧問們來了又走，留下一堆幻燈片。競爭對手已經在行動了——部署預測工具、優化路線、嘗試 AI 智能體。董事會希望看到實際行動。
值得稱贊的是，團隊沒有急于讓 IT 部門去實施一個“革命性的”聊天機器人。相反，他們花時間探索更相關的方向：
- 機組人員排班優化
- 地面設備的預測性維護
- 延誤緩解建模
- 備件需求預測
他們關注的是執行和進展，所以選擇了備件需求預測。這并不性感，但問題顯而易見——有些計劃員為了防止停機，總是過度儲備，浪費資金和存儲空間；另一些人儲備不足，導致延誤。這種績效差距每年給公司帶來數百萬美元的損失，而一點點 AI 驅動的優化就能顯著改善結果。
深入研究后，更多事實支持了這個項目。數據已經以相對干凈和集中的形式存在。AI 可以融入現有的工作流程，根據初步估計，一個可運行的 alpha 版本可以在不到 90 天內交付。
綜合來看，這使它成為一個很好的第一個 AI 項目，可以讓 AeroLogix 建立初步經驗，并開始塑造更廣泛的 AI 戰略。
?? 行動計劃：選擇能最大化學習、最小化摩擦的 AI 項目
在選擇第一個 AI 項目時，尋找那些：
- 容易理解且容易解釋
- 對用戶和領導層都能帶來可見的價值
- 避免重大的合規或集成障礙
- 讓人們體驗到 AI 是有用且可控的
- 能夠快速啟動并逐步改進
2、繪制人員“地形”圖
一個跨職能團隊聚集在一起規劃這個項目，參與者表現出對 AI 非常不同的態度。根據 Reid Hoffman 的說法，大多數人對 AI 有四種心態——Zoomers（樂觀者）、Gloomers（悲觀者）、Doomers（末日論者）和 Bloomers（平衡者）。這種情況也在會議中出現了。
Tom 代表 IT 部門，表現出了熱情：
“這不就是供應鏈版的 ChatGPT 嗎？我們自己就能搞定。”
Tom 體現了Zoomer 心態——熱衷于使用 AI，但也有點天真。他低估了 AI 帶來的風險和復雜性。這很容易導致樂觀的估計，以及在項目“最后一公里”時出現的巨大、往往是不可逾越的問題。
Andrea 是一位有二十年經驗的資深計劃員，她表達了她的保留意見：
“我做了幾十年的預測。現在，要讓機器來幫我做這個？”
Andrea 的懷疑源于 Gloomer 觀點。她承認 AI 的不可避免性，但對其對工作安全和人類專業知識價值的影響感到擔憂。
Mark 來自合規部門，他保持謹慎的立場。他參加會議，提出關于文件和可解釋性相關的恰當問題，但沒有明確表態。雖然沒有明確表示，但 Mark 是一個Doomer——他擔心 AI 對人類的潛在風險，并主張進行嚴格的監管。
然后是 Leila，一位中層運營轉型經理。她不是聲音最大的人，但卻是最了解情況、最客觀的人。Leila 一直在悄悄探索 AI，嘗試用原型來簡化她的工作流程。她提出有洞察力的問題，避免技術術語，并鼓勵同事們參與。Leila 體現了Bloomer 心態——既樂觀又謹慎，熱衷于使用 AI，并尋找降低其風險的方法。她是領導這個項目的天然人選。
?? 應對 AI 心態
讓我們總結一下你可能會遇到的四種 AI 心態：
?? Doomers（末日論者）：認為 AI 是一個重大威脅，主張嚴格控制或完全停止進展。
?? Gloomers（悲觀者）：承認 AI 的潛力，但更關注其風險，尤其是對就業和社會的影響。
? Zoomers（樂觀者）：對快速采用 AI 熱情高漲，有時以犧牲徹底的風險評估為代價。
?? Bloomers（平衡者）：保持平衡的方法，擁抱 AI 的可能性，同時倡導負責任的實施。
識別并應對這些態度，可以讓你量身定制溝通和培訓策略，確保更協調、更有效的 AI 采用過程。
3、關于 AI 的溝通
Leila 在最初的會議中仔細觀察了團隊動態，并相應地調整了她的信息傳遞方式。
設定新的基準
厭倦了討論公司是否真的需要 AI，她首先通過明確的信息重置了基準：
“AI 總會到來，不管你是否參與。真正的問題不是我們公司是否使用它，而是你選擇如何與它互動。”
對有些人來說，這是一個嚴厲的警鐘，但它為公司創造了必要的壓力，因為公司已經落后于更有決斷力的競爭對手。為了應對工作被替代的恐懼，Leila 說：
“你的工作不會被 AI 替代，但會被使用 AI 的人替代。確保那個人是你。”
?? 要點：建設性 AI 對話的三條信息
三條減少 AI 抵觸情緒、支持采用的信息：
- 不可避免：AI 總會到來，不管你是否參與。
- 賦能：AI 不會取代你，但會改善和提升你的工作。
- 可控：不要害怕它——掌握它，讓它為你工作。
4、針對不同利益相關者的溝通
在第二步中，Leila 關注于引導相關利益相關者。她根據每個群體的價值觀和關注點調整了她的信息傳遞方式，如表 1 所示。
表 1：針對不同 AI 利益相關者的溝通策略
讓我們深入探討每個群體的典型態度，以及你可以如何量身定制溝通來應對他們。
高管和投資者
高管和投資者對于建立正確的文化和為 AI 分配適當資源至關重要。在這里，對話必須聚焦于投資回報率和戰略相關性。通常，他們對技術細節不感興趣，但他們需要理解 AI 如何與收入、增長和競爭定位相關聯。由于 Leila 的公司正處于削減成本的過程中，她將 AI 描述為一個放大器，既能節省成本，又能促進更好的決策：
“AI 不是一個成本中心，而是一個智能放大器。那些更快學習和采用 AI 的公司將在成本上節省開支，并超越那些不采用的公司。”
運營人員和用戶
運營人員和用戶是成功采用 AI 的關鍵。畢竟，再好的 AI 系統，如果沒人使用，也是毫無用處的。這些人最接近 AI 的日常影響：計劃員、分析師、服務代理、物流協調員。他們的擔憂可能沒有說出來，但卻是深切感受到的：這個系統會取代我嗎？我能信任它嗎？它會讓我的工作更難還是更容易？
Leila 沒有等待這些恐懼浮出水面并傳播開來。她圍繞這些擔憂構建了她的溝通，主動應對技術影響和情感潛流。她保持簡單、直接和人性化：
- “這會對我的工作產生什么影響？”——“這不是一個黑盒子。你仍然掌控一切。把它當作一個副駕駛——你仍然坐在駕駛座上。”
- “我有什么好處？”——“更少的手動報告，更少的重復檢查，更快地獲取你需要的信息——它是為了讓你的工作更輕松。”
- “它到底是怎么工作的？”——“它會隨著時間學習模式。我會向你展示它看到了什么，它是如何學習的，以及它的局限性在哪里。”
- “我能塑造或影響它嗎？”——“當然可以。你可以調整閾值，提供反饋，幫助我們在你的實際工作環境中改進系統的工作方式。”
通過滿足用戶的需求，她逐漸將不確定性轉化為好奇心和參與感，讓 AI 感覺不是被強加的，而是賦予力量的。
IT 和基礎設施團隊
對于 IT 和基礎設施團隊，對話必須聚焦于穩定性、集成和長期可持續性。這些人將在聚光燈褪去、真正的工作開始時，承擔起在生產環境中運行系統的責任。
但 Leila 還必須應對一個更深層次的挑戰：IT 團隊認為他們可以包辦一切的假設。對于工程師來說，AI 看起來就像另一個軟件部署——一些數據、一些 API、幾個模型端點。有些人對新項目真誠地充滿熱情，而另一些人則認為 AI 是通往職業相關性的快車道。
他們顯然低估了 AI 帶來的范式轉變。與通常的確定性工作流程不同，AI 帶來了不確定性，并且允許定期犯錯。如果這些問題沒有得到妥善解決，它們很容易在現實世界中引發有害的決策和行動。如果你想知道一個將 AI 視為另一個開發項目的 IT 團隊的真實故事。
Leila 解決了團隊的過度自信：
“AI 不是照常營業。我們正在構建一個在不確定性下做出風險預測的系統。要把它做好，我們需要專業的 AI 專業知識、數據科學的嚴謹性以及與深度領域的對齊。讓我們誠實地評估我們內部能帶來多少這樣的能力。”
雖然公司內部已經具備了一些技能，但顯然存在差距。最終，他們同意采用一種與外部供應商合作的智能方式，這不僅能帶來專業的 AI 專業知識，還能將部分知識傳授給公司。
治理和風險團隊
最后，與治理和風險團隊合作時，信息必須圍繞保障措施、可審計性和責任展開。這些利益相關者并不關心用戶滿意度或預測準確性。他們在考慮監管審查、聲譽風險和倫理風險。這個群體的信任來自于嚴謹和透明——而不是承諾。
“我們不僅僅是構建模型，”她告訴合規負責人，“我們正在構建你可以向審計師和監管機構解釋的系統。”
她讓他們盡早參與，邀請他們參與設計決策，并為他們提供明確的升級和監督杠桿。信息不是說 AI 是安全的，而是它被設計得安全且可解釋。
在每種情況下，Leila 并沒有改變項目的本質，而是改變了人們看待它的視角。
5、教育——建立 AI 熟練度
在她的對話中，Leila 意識到 AI 周圍充滿了噪音——誤解、炒作和半真半假的說法。尤其是在 Zoomers 中，熱情超過了理解。他們大聲但往往是錯誤的想法傳播得很快，增加了不確定性和困惑。為了建立能力和信心，Leila 與領導層合作，建立了一個簡單但有效的學習框架。
第一步：評估 AI 技能
Leila 引入了一項公司范圍內的技能評估，將員工分為三個層次：
圖 1：三個層次的 AI 熟練度
- AI 用戶構成了基礎。他們能夠自信地將 AI 整合到他們的工作流程中——有效地提示詞，解釋輸出，并知道何時信任或質疑結果。但評估顯示，公司有一半的人還沒有達到這個水平。這個差距拖慢了動力和積極性。在做任何雄心勃勃的事情之前，必須提高基線。
- AI 協同創造者已經在日常工作中依賴 AI。他們理解其模式和限制，深思熟慮地進行實驗，并將角色和領域特定的見解融入其中。他們可以作為團隊和技術之間的橋梁，將他們的領域專業知識嵌入到 AI 系統中。
- AI 戰略家在系統層面運作，從組織而非個人的角度看待 AI。他們能夠識別機會，將 AI 項目與業務目標對齊，并指導長期方向。Leila 是其中之一，但公司范圍的轉型需要更多這樣的人。
這項評估提供了一個清晰的現狀視圖。它還展示了個人員工如何參與 AI 項目，并可以用來監測 AI 熟練度隨時間的變化。
第二步：讓每個人成為 AI 用戶
為所有低于用戶門檻的員工推出了一個強制性的、自我節奏的基礎課程。內容集中在實際的、動手的技能上：
- AI 是什么（不是什么）
- 如何有效使用 ChatGPT 或 Perplexity 等標準工具
- 如何應對 AI 的不確定性和錯誤
很快，情況發生了變化。AI 開始出現在會議、咖啡聊天和項目簡報中。它不再是一個酷炫但抽象的流行語。人們開始交換提示，分享快捷方式，并開始說一種共同的語言。
第三步：將 AI 融入日常工作
接下來是部門級別的深入探討。這些由各部門的 AI 熱衷者和協同創造者領導，專注于特定的用例，例如：
- 運營團隊完善 AI 預測模型
- 營銷團隊探索內容個性化
- 人力資源團隊測試 AI 驅動的招聘流程
通常，特定的用例會從用戶反復使用的提示中產生——例如，一位營銷人員收集了一個他用來完善內容的提示組件庫。就像 Leila 一樣，他也是公司中最早的 AI 熱衷者之一，他的庫被用來為其他部門構建一個方便的工具。
第四步：通過合作伙伴關系成長
Leila 知道內部人才只能走這么遠。為了建立動力和深度，公司引入了外部 AI 合作伙伴，他們將支持實施和學習。這些專家共同開發用例，指導內部團隊，并展示最佳實踐。這種“合作成長”策略也為新興戰略家提供了空間，讓他們能夠拓展思維并連接各個點。
第五步：使學習社交化和持續化
最后，Leila 幫助建立了一種持續學習的文化。而不是集中培訓，團隊分享他們的發現：
- 提示派對和模型即興創作會
- “我最糟糕的 AI 失敗”分享會
- 內部演示和如何操作的渠道
這些輕松的儀式使實驗變得正常化，降低了風險，并幫助人才在三個 AI 熟練度層級中自然成長。
?? 行動框架：建立可擴展的學習文化
- 從核心課程開始——讓每個人掌握 AI 基礎，包括提示詞、信任校準和工具意識。
- 設計部門特定的研討會——使用真實的工作流程和真實的數據。避免抽象的講座。
- 創造社交學習儀式——提示派對、模型即興創作會和失敗分享會可以建立社區和信心。
- 將學習與所有權聯系起來——讓用戶參與反饋循環。認可他們輸入推動的改進。
6、你就是 AI 協作的交互界面
當然，所有這些與人相關的工作都是與技術建設同時進行的——數據準備、與領域專家共同創造，以及與數據科學的一些健康辯論。經過一次發布和幾次迭代后，模型的預測準確性比人工預測提高了 15%。
這是一個驚人的進步，領導層和董事會都很高興。但對于 Leila 來說，真正的勝利在其他地方：
- 一位資深計劃員向新員工展示如何閱讀置信區間
- 一位合規官員起草了一份 AI 治理手冊（并且樂在其中）
- 一位分析師用無代碼工具為供應商創建了一個“副駕駛”
人們不僅僅是采用 AI，還在根據自己的需求塑造它。他們探索、適應并共同創造，將不確定性轉化為代理感和控制感。最終，任何 AI 系統中最強大的接口不是模型或儀表板，而是那些充滿好奇心、公開實驗、在需要時挑戰系統并帶領他人一起前進的人類用戶。
記住——AI 無論如何都會改變你的公司。真正的問題是何時以及如何發生這種變化，以及你將如何參與其中。
本文轉載自??玄姐聊AGI?? 作者：玄姐
