说实话,我仍然不清楚可以让生成式AI做什么。
在帮助企业引入AI的过程中,笔者多次听到这样的疑问。一线销售人员、负责员工培训的人力资源人员、数字化转型和信息系统部门的工作人员,以及一线管理者,虽然职责不同,却有着相似的困惑。大家都觉得生成式AI很方便,但并不清楚哪些工作可以交给它,哪些不应交给它。如果这一界限始终模糊,生成式AI就很难真正进入日常业务流程。
起初,员工往往尝试将生成式AI用于邮件起草、会议纪要整理等日常工作,却无法判断能否把调研结果、面向客户的资料以及涉及内部决策的信息直接交给AI处理。因此,具体如何使用,往往只能由员工自行判断。一线管理者担心输出质量参差不齐,信息系统部门担心输入数据的处理是否合规,人力资源部门则不知道”应该让全体员工学到什么程度”。
如今,越来越多的企业不再把生成式AI视为无所不能的问答工具,而是将其视为协助起草文稿、提炼摘要、整理信息和梳理问题的工作伙伴。经济合作与发展组织(OECD)2025年的报告也指出,生成式AI的应用效果取决于使用者的经验和具体任务,人与AI的协作十分重要。
以一场60分钟的会议为例:假设原先需要30分钟核对录音,再花30分钟整理成稿,使用AI生成摘要后,可能只需15分钟核对输出。这只是说明工作流程的示例,并非普遍适用的效率指标。实际效果取决于会议录音或笔记的质量。使用前还需明确内部规则,妥善管理输入信息,并由人工完成最终审核。
本文将结合具体工作任务,梳理生成式AI能做什么、不能做什么。目标是让每位员工都能清楚划定”到这里可以交给AI””从这里开始需要人工确认和判断”的界限。生成式AI固然方便,但不能取代事实核查和最终决策。读者可结合所在企业的实际业务,明确安全使用生成式AI的判断标准。
生成式AI不是”什么都能做的工具”,而是推动工作向前的辅助者
考虑如何使用生成式AI时,首先要避免只问”要不要把工作交给AI”。
笔者经常在一线强调,不要试图把一整项工作都交给AI。一项看似简单的工作,通常也包含多个环节。例如,撰写一封面向客户的邮件,通常包括以下步骤。
- 梳理需要传达的要点
- 起草邮件
- 根据与对方的关系调整表达
- 检查内容是否有误
- 最终判断是否发送
其中,生成式AI主要擅长”梳理要点””起草””改写”和”调整表达”。至于”这些内容能否发送””对方会如何理解””公司可以承诺到什么程度”等判断,仍需要由人来完成。
因此,使用生成式AI的重点并不是把整项工作交出去,而是拆解工作流程,区分适合交给AI的部分和应由人承担责任的部分。
如果没有划清这一界限就开始使用,一线工作中可能出现以下问题。
- 认为”这是AI写的,应该不会有问题”,把未经确认的数字写入资料。
- 觉得”问AI就知道”,省略对内部规定或合同条件的核查。
- 感到”好像很方便,但又很可怕”,最终谁都不在工作中使用。
联合国教科文组织的《人工智能伦理问题建议书》强调,应通过风险评估、安全保障和人类监督等机制,降低AI系统在设计、部署和使用过程中可能带来的风险。
笔者认为,在生成式AI应用初期,与亮眼的成功案例相比,明确人和AI的职责边界更为重要。先明确允许使用的范围,再逐步拓展应用场景。按这个顺序推进,才能为生成式AI在一线落地打好基础。
生成式AI能做什么
需要从零起草内容或整理零散信息时,生成式AI往往更容易发挥作用。
文本起草、长文摘要、信息整理和创意构思等任务尤其适合作为全体员工的入门场景。
起草文章
起草文章是生成式AI最具代表性的用途之一。
例如,它适合以下工作。
- 对外邮件初稿
- 内部通知
- 培训通知
- 会议邀请
- 致谢邮件
- 致歉文案草稿
- 报告初稿
- 常见问题解答(FAQ)草案
写作耗时的常见原因是”不知道第一句怎么写””结构定不下来”或”拿不准措辞”。生成式AI有助于更快完成初稿。
请撰写一封内部邮件,通知全体员工参加生成式AI培训。收件人包括新员工,语气礼貌、积极,并给出3个邮件主题方案。
把要求说明白,通常比从空白页面开始写更容易形成初稿。
不过,应避免直接使用AI生成的文案。AI未必能准确理解双方的关系、公司的立场和过往沟通情况,也未必能把握恰当的措辞分寸。
笔者有时也会让AI起草邮件,但发送前一定会亲自确认。对方会有什么感受,怎样措辞才能维护信任,都要结合双方长期建立的关系和当时的沟通情境来判断。
基本原则是,让生成式AI负责起草和改写,由人审核并确定最终表达。
摘要长文本
生成式AI也可以帮助提炼长文章或会议笔记的要点。
例如,可用于以下场景。
- 从会议笔记中提取议定事项和待办事项
- 将长篇资料整理成3分钟可读完的要点
- 梳理内部规定中的相关条款
- 按主题整理客户访谈内容
- 总结培训视频内容
会后制作会议纪要时,从头听录音或翻阅笔记,再整理议定事项、议题、负责人和期限,往往很费时间。使用生成式AI,可以先搭建大致结构。
本公司提供的Kanata可通过AI摘要功能处理文档、图片、音频、网页链接和文本等多种输入内容。该功能支持CSV、PDF、PowerPoint、Word、Excel等文件,可用于提炼会议资料、内部文档和培训材料的要点。
对于阅读量大、需要将信息整理后分享的工作,摘要功能尤其有用。
AI摘要只能辅助回顾会议内容,不能替相关人员确认会议结论或承担责任。
整理信息,制作对比表或检查清单
生成式AI也擅长整理分散的信息。
例如,可以提出以下要求。
- 将方案A与方案B的优缺点整理成表格
- 按重要程度排列方案中需要讨论的问题
- 制作项目启动前的检查清单
- 把客户问题分为”显性问题”和”潜在问题”
- 列出需要在会议上作出决定的事项
这种用法对一线管理者和策划人员尤其有效。把决策之前的”整理”交给AI,更容易把精力集中在决策本身。
我们正在考虑是否引入新的内部培训工具。请给出5个比较维度,并用表格比较沿用现有方式与引入新工具各自的优缺点。最后列出作出判断前需要确认的事项。
像这样提出要求,就能为讨论提供基础。
笔者在项目初期也经常采用这种方法。有时尚未到下结论的阶段,但相关人员各有想法,待讨论的问题尚未理清。先让AI把信息整理成表格,就更容易看清哪些问题仍需讨论、哪些已经明确。
不过,对比表的内容在很大程度上取决于输入信息。如果缺少必要的背景和条件,表格就容易停留在泛泛而谈的层面。让生成式AI整理信息时,明确”对象””目的””条件”和”判断维度”十分重要。
拓展创意
生成式AI还可用于构思创意。
例如,可用于以下场景。
- 提出内部培训主题方案
- 拟定多个文章标题
- 思考销售邮件的切入角度
- 构思新方案
- 拟定会议议程
- 拟定向客户提问的问题清单
一个人思考时,往往容易沿用惯常思路。让生成式AI提出多个方案,可以拓宽思考范围。
不过,AI提出的创意未必能够直接使用。仍需由人结合一线实际、客户态度、内部限制、预算和人员配置,判断是否采用。
把生成式AI视为帮助拓展选项的工具,而不是提供标准答案的工具,更有助于发挥它的作用。
笔者把使用生成式AI构思创意看作一场头脑风暴。让AI回应自己的想法,有时能获得不同的观察角度。它的建议未必可以直接采用,但可以帮助打破惯常思路。
复用提示词与知识
如果生成式AI应用完全依赖个人,熟练者与不熟练者之间的差距就会扩大。要缩小这种差距,团队需要共享有效的提示词和参考资料。
例如,按部门或项目积累会议纪要模板、销售邮件提示词和内部规定的常见问题解答等,就不必每次处理同类任务时都从头准备。
Kanata可以按项目保存AI设置、提示词和学习数据,并在聊天和摘要应用中复用。整理日常工作中使用过的提示词和内部资料,有助于把个人经验转化为团队资产。
重要的是不要只关注工具本身。共享文件夹、知识库、企业内部Wiki和AI平台都可以用于积累和共享这些内容。如果希望把AI对话、摘要和学习数据管理纳入同一工作流程,Kanata这类一体化环境可以成为候选方案。
在全员技能再培训中,如果员工只是零散地向AI提问,就很难把经验积累为组织知识。积累有效用法并转化为团队可复用的形式,才能逐步实现生成式AI应用的标准化。
生成式AI不能做什么
另一方面,也有一些事情不应交给生成式AI。
尤其需要明确人在事实核查、最终决策、重要沟通和机密信息处理中的责任。
笔者感到,企业引入AI时,往往需要先确定”哪些事情不交给AI”,而不是”AI能做什么”。应用场景可以在使用过程中逐步拓展,但如果尚未明确禁区就贸然推进,一旦出问题,往往很难重建信任。
保证事实准确
生成式AI擅长写出看似可信的文章,但看似可信并不等于正确。
尤其是以下信息,必须核对一手资料。
- 数字
- 日期
- 法律法规
- 内部规定
- 合同条件
- 客户名称
- 公司名称
- 引用
- 最新信息
- 价格与规格
- 市场数据
例如,即使生成式AI回答”市场规模约为1000亿元人民币”,在没有出处的情况下,也不能用于对外资料。即使用于内部说明,只要数字涉及经营或预算决策,也必须查阅可信资料加以核实。
让生成式AI协助调研时,与其问”请告诉我事实”,不如要求它”梳理需要调查的议题””列出需要确认的一手信息”或”提出这一主题中容易遗漏的角度”,这样更为稳妥。
让AI帮助规划调研方向,由人核实、判断和解释事实,才能发挥这种分工的价值。
代替最终决策
生成式AI可以整理决策材料,但最终决定仍需由人作出。
例如,个人或组织应对以下决定负责。
- 是否录用
- 如何进行绩效评价
- 是否接受合同条件
- 如何向客户道歉
- 是否投资
- 是否停止某项措施
- 是否向外部提交资料
询问生成式AI”方案A和方案B哪个更好”本身并无问题,反而有助于梳理议题。
不过,AI的回答基于输入信息和一般性推理,无法充分反映组织方针、过往沟通情况、相关人员意见及风险承受能力。
应把生成式AI作为”整理决策材料的助手”,而不是”替人拍板的上司”。
笔者认为,与其直接接受AI给出的结论,不如反问”为什么可以这样判断””反对意见是什么””前提改变后会怎样”,这种用法在实际工作中更有价值。
独立完成考虑双方关系的沟通
生成式AI可以起草道歉信、情况说明、谈判邮件和一对一沟通的问题清单,但把涉及双方关系的沟通完全交给AI,风险很大。
例如,在面向客户的道歉邮件中,比文字是否得体更重要的是以下几点。
- 此前的经过
- 客户对什么感到不满
- 本公司应承担的责任范围
- 今后可以承诺哪些应对措施
- 应以谁的名义发送
- 是否需要电话或上门沟通
这些都无法仅由AI判断。
内部一对一沟通和绩效评价也是如此。可以让AI拟定问题或起草评语,但如何向下属表达、按什么顺序沟通、谈到什么程度,必须由管理者把握。
在涉及人与人信任关系的场景中,AI只能作为协助准备的工具。
笔者认为,AI最能发挥作用的是”沟通之前”:梳理需要传达的内容,预判对方可能担忧的问题,提出多种表达方式。AI可以协助到这里,但在实际交流中观察对方的表情、体会其情绪并选择恰当的措辞,仍是人的工作。
无条件处理机密信息和个人信息
在生成式AI的企业应用中,最需要慎重考虑的是输入信息的处理。
联合国教科文组织的《人工智能伦理问题建议书》指出,AI应用需要风险评估、安全保障、人类监督和问责机制。在企业工作中,也需要整体考虑输入信息分类、访问权限、日志管理、培训和审核机制。
中国国家互联网信息办公室等七部门发布的《生成式人工智能服务管理暂行办法》也对个人信息权益和商业秘密保护作出规定。
以下信息尤其需要注意。
- 姓名
- 住址
- 电话号码
- 电子邮箱地址
- 员工编号
- 账户信息
- 健康信息
- 身份证件号码等敏感个人信息
- 未公开的财务数据
- 并购信息
- 人事变动信息
- 客户合同条件
- 客户员工信息
处理这些信息时,不能认为”只有一点没关系”或”仅在内部使用就没问题”,而必须遵守公司的规则。
使用生成式AI前,至少应先确认以下问题。
- 该信息是否为公开信息
- 该信息是否可供公司内部任何人查看
- 是否包含可识别个人身份的信息
- 是否涉及与客户签订的合同或保密协议(NDA)
- 信息一旦外泄,是否会造成损害
如有疑问,就不要输入。这是基本原则。
在AI应用过程中,难免有人会有”图方便,直接输入”的想法。笔者在开发和销售支持工作中,也多次见到人们想直接粘贴整份资料。但只有始终坚持审慎处理,才能建立组织持续使用AI所需的信任。
按工作任务区分:可以交给AI的工作与应由人承担的工作
下面结合实际工作任务,梳理更适合交给生成式AI的事项,以及应由人承担的事项。
撰写邮件
邮件撰写是较容易上手的生成式AI应用场景。
| 适合交给AI的工作 | 应由人承担的工作 |
|---|---|
| 提出邮件主题方案 | 判断内容是否可以发送 |
| 起草正文 | 根据与对方的关系进行调整 |
| 改为礼貌表达 | 确认邮件中的承诺是否可行 |
| 提炼要点 | 承担道歉或谈判责任 |
| 提供不同语气的版本、检查错别字 | 确认收件人和附件 |
撰写邮件时,可以先让AI给出3个版本,再由人选择和修改。比较多个版本,比直接采用唯一版本更容易找到合适的措辞。
笔者认为,越是经常用AI写邮件,越应坚持先审核、再发送。即使文字流畅,也可能不符合自己的表达习惯。最后由本人审核,才能让文稿准确体现自己的意思。
会议纪要与会议笔记
制作会议纪要时,生成式AI适合用于摘要和整理。
| 适合交给AI的工作 | 应由人承担的工作 |
|---|---|
| 提炼会议内容 | 确认发言意图 |
| 提取议定事项 | 确认议定事项是否有误 |
| 整理待办事项 | 确定负责人和期限 |
| 用表格整理负责人和期限 | 为不确定内容标注”待确认” |
| 按议题分类、拟定下次会议议程 | 确定会议记录的共享范围 |
部分AI摘要工具提供自动生成和自定义生成两种模式。如果例会纪要需要保持统一格式,可在自定义生成中指定”议题、议定事项、待办事项、下次会议前的任务”等栏目,便于后续共享和查阅。
Kanata的AI摘要同样提供自动生成和自定义生成两种模式。对于会议和培训等需要反复采用同一摘要格式的组织,可以借此统一摘要模板,并在日常工作中反复使用。
笔者在观察企业会议流程时发现,会议纪要的问题不只在于”撰写耗时”。不同会议的写法不一致、议定事项模糊、待办事项负责人不明确,这些问题积累后会拖慢会后执行。AI摘要既能节省整理时间,也有助于参会者核对会议结论。
调研工作
在调研工作中,需要谨慎使用生成式AI。
| 适合交给AI的工作 | 应由人承担的工作 |
|---|---|
| 梳理调研主题下的具体问题 | 核实具体数据 |
| 列出需要确认的信息源 | 核实出处 |
| 整理比较维度 | 确认最新信息 |
| 拟定调研报告提纲 | 判断资料能否引用 |
| 制作问题清单、提示容易遗漏的视角 | 确定结论 |
调研时,与其向AI询问”答案”,不如先让它梳理”应该怎么查”,这样更为稳妥。
我要撰写一份关于企业内部引入生成式AI的报告。请列出7个需要调研的议题,并为每个议题列出需要查证的一手资料或需要访谈的内部人员。不要给出未经证实的数字,请在需要数据支持的位置标注”需要出处”。
这样使用,既能降低误用AI生成信息的风险,也能更快地启动调研。
笔者认为,AI在调研中的价值,更多体现在帮助人们提出更好的问题。需要调查什么、应该询问谁、遗漏了哪些前提,仅仅理清这些事项,也会显著提升调研质量。
制作资料
制作资料时,可利用生成式AI搭建结构和整理文字。
| 适合交给AI的工作 | 应由人承担的工作 |
|---|---|
| 拟定策划书提纲 | 确认内容是否可以提供给客户 |
| 拟定提案书标题 | 确认数字和案例的准确性 |
| 梳理每页幻灯片要点 | 确认公司承诺的范围 |
| 改写文章 | 决定最终主张 |
| 预判可能提出的问题、按读者调整表达 | 完善版式设计、检查内容衔接 |
制作资料时,不要一开始就要求AI交付定稿。可以先拟定提纲,再梳理各部分的要点,最后撰写正文。分阶段提出要求,更容易控制质量。
笔者使用AI制作资料时,很少在第一条指令中要求”直接生成定稿”,而会要求”列出决策者关注的议题””规划12页演示文稿的叙述顺序”或”预想反对意见”。制作资料时,应先明确需要传达什么,再考虑版式是否美观。
人力资源、评价与管理
在人力资源和管理领域,尤其需要谨慎使用生成式AI。
| 适合交给AI的工作 | 应由人承担的工作 |
|---|---|
| 提出一对一沟通的问题清单 | 确定绩效评价结果 |
| 起草绩效评语 | 决定薪酬待遇 |
| 整理他人反馈 | 向下属说明 |
| 清晰表述员工培养方向 | 关注员工情绪 |
| 制作会议议程、优化反馈措辞 | 基于信任关系沟通、处理个人信息 |
在绩效评价或一对一沟通中,直接使用AI输出,即使语言流畅,也可能无法准确反映员工的实际表现。绩效评语尤其应以本人实际行为为依据。
可让AI负责”整理事实”和”提出表达方案”,但最终措辞应由管理者亲自确定。
笔者认为,AI在管理领域具有很大的应用潜力。使用它的目的不应是减少人与人的对话,而应是提前理清思路,留出更多时间与对方深入交流。
安全使用生成式AI的3条界限
要在全公司推广生成式AI,与其从一开始就制定过于细致的规则,不如先明确并传达清晰易懂的使用界限。
以下介绍3条基本界限。
界限1:AI负责初稿,人负责定稿
原则上,生成式AI的输出只是初稿。
无论是邮件、会议纪要、资料、FAQ,还是绩效评语,都应遵循这一原则。不要把AI生成的内容直接视为成品,必须经过人工审核、修改后才能定稿。
这条规则有助于减少一线员工对使用AI的顾虑。
- 可以让AI生成,但不能直接对外提交
- 向公司外部发送前,必须由人确认
- 数字、专有名词和日期应核对一手信息
应明确生成式AI必须在人工审核的前提下使用。
笔者建议在制定生成式AI使用规则时,首先写下这一句话。
AI输出不是成品,而是有待核实的草稿。
这句话有助于明确工具的定位,提醒员工避免过度信任AI,把它用作辅助推进工作的工具。
界限2:AI准备决策材料,人作出决策
生成式AI适合制作对比表和梳理议题,但最终决策由人完成。
例如,可按以下方式分工。
| 工作 | 交给AI的事项 | 应由人承担的事项 |
|---|---|---|
| 方案评估 | 整理选项、比较维度和优缺点 | 判断是否实施 |
| 合同确认 | 列出值得关注的条款 | 判断法律风险并决定是否签约 |
| 招聘 | 提出面试问题、梳理评价维度 | 作出录用判断 |
| 绩效评价 | 整理实际行为记录、提出评语方案 | 确定评价并向本人说明 |
| 销售提案 | 梳理提案结构、预判客户可能提出的问题 | 对客户作出承诺、确定报价 |
坚持这种分工,生成式AI就不会成为”模糊责任的工具”,而会成为”提高决策质量的辅助者”。
阅读AI整理的内容时,人有时会觉得某处不妥。这种感觉很重要,因为它可能说明实际业务条件或一线经验没有反映在AI的整理中。因此,应把AI输出作为进一步讨论和判断的起点。
界限3:事先确定允许输入的信息
使用生成式AI时,输入信息的管理与输出审核同样需要重视。
无论用法多么方便,只要输入了不应输入的信息,就可能造成严重风险。
企业至少应明确以下信息类别及其使用规则。
| 信息种类 | 示例 | 基本方针 |
|---|---|---|
| 公开信息 | 官方网站、公开资料、新闻稿 | 较易使用 |
| 一般内部信息 | 内部手册、培训资料、一般会议纪要 | 遵守内部规则使用 |
| 客户信息 | 商务洽谈笔记、合同条件、提案书 | 确认合同、NDA和权限 |
| 个人信息 | 姓名、联系方式、住址、员工编号 | 原则上进行脱敏处理 |
| 敏感信息 | 健康信息、银行账户信息、身份证件号码等敏感个人信息 | 不输入 |
| 未公开重要信息 | 未公开财务数据、并购信息、人事变动 | 不输入 |
无法判断时就不要输入;如有需要,向信息系统、法务或信息安全负责人确认。企业应向全体员工明确传达这一原则。
笔者认为,AI使用规则与其写成”难懂的规定”,不如用一线员工读后就能迅速作出判断的语言来表述。例如”拿不准就不输入””泄露到公司外会造成困扰的信息不输入””可识别个人身份的信息先脱敏”。这类清晰规则在一线更能发挥作用。
生成式AI为什么难以在一线普及
即使引入生成式AI工具,也可能无法在一线普及。原因未必是员工缺乏积极性。
很多时候,问题在于企业尚未明确使用场景、规则和方法。
“可以用来做什么”仍然过于抽象
即使被告知”请使用生成式AI”,一线员工也无法立即行动。
销售、财务、人力资源、市场营销和信息系统等部门的日常工作各不相同。面向全体员工推广时,仅说明”可以用于写作””可以生成摘要”还不够。
- 销售部门可用于整理商务洽谈笔记、规划提案书结构、起草客户邮件。
- 人力资源部门可用于起草培训通知、完善FAQ、拟定一对一沟通的问题。
- 信息系统部门可用于起草咨询答复、完善操作手册、总结系统故障情况。
应像这样,把AI的用途具体到各部门、各岗位的日常任务。
笔者设计AI培训时,也很少一开始就讲解高级功能,而是先与员工一起找出明天工作中就能用到AI的环节。脱离实际业务的AI培训,最终很容易只停留在知识层面。
只强调禁止事项
生成式AI存在风险,因此不能缺少关于信息泄露和错误信息的提醒。
但如果只强调禁止事项,一线员工就会理解为”反正不用最安全”。
关键是同时讲清哪些用法应当禁止、哪些用法值得推荐。
- 不要直接输入个人信息;对咨询内容进行脱敏处理,确保无法识别个人身份,并确认符合内部规则后,可以让AI协助整理。
- 不要把合同判断交给AI;但可以用来列出需要向法务确认的议题。
- 不要直接相信数字;但可以用来整理调研事项或报告结构。
不仅告诉员工”什么不可以”,也说明”怎样可以使用”,一线才更容易行动。
仅靠恐惧无法推动AI应用落地。笔者认为,帮助员工理解AI在实际工作中的用途,同时回应他们的期待与顾虑,是AI推广和应用支持工作的重要职责。
有效用法停留在个人手中
即使有员工熟练使用生成式AI,如果方法只掌握在个人手中,也无法在整个组织普及。
有效的提示词、实用的摘要模板和易用的检查清单,都需要在团队内共享。
共享并不一定需要专用工具,可以从企业内部Wiki、知识库、共享文件夹或聊天置顶消息开始。另一方面,如果希望按业务统一管理AI对话、摘要、学习数据和提示词,Kanata这类可按项目建立资料库的环境会有所帮助。
要在组织中推广生成式AI,不仅要”增加会使用的人”,还要”把使用方法保留下来”。
笔者感到,AI应用推进顺利的企业有一个共同点:不依赖某一位优秀员工。他们会把员工发现的有效用法整理成团队模板,在例会上分享,并保存到资料库中。这些日常积累,会逐渐拉开组织之间的应用差距。
全员技能再培训首先应该教授什么
生成式AI培训与其一开始就教授高级提示词技巧,不如先统一基本认识。
面向全体员工开展技能再培训时,尤其应先讲清以下4项内容。
生成式AI的优势与局限
首先要明确生成式AI擅长和不擅长的事情。
| 擅长的事情 | 不擅长的事情 |
|---|---|
| 起草、摘要、整理、改写 | 保证事实准确、核实最新信息 |
| 制作对比表、构思创意 | 法律判断、合同判断 |
| 制作检查清单、提出议题 | 确定绩效评价结果、作出客户沟通的最终决策 |
| 生成有待核实的草稿 | 自行判断机密信息是否可用、决定组织方针 |
仅仅明确这一区分,也能减少一线员工的困惑。
根据笔者的经验,生成式AI培训一开始最能调动气氛的是”原来还能做这些”的介绍,但真正有助于落地的是形成”这些事情不能交给AI”的共识。只有同时说明能做和不能做的事情,才能建立安心使用的基础。
可以输入和不可以输入的信息
其次,要明确输入信息的规则。
生成式AI培训应先说明信息处理方式,再教授提示词写法。即使掌握了实用技巧,一旦输入不应输入的信息,仍会给企业带来风险。
培训中可采用以下练习。
- 这项信息是否可以输入
- 哪些部分需要脱敏
- 应该向谁确认
- 使用外部AI服务和企业内部AI环境时,信息处理规则是否不同
结合具体示例讲解,能帮助员工联系自己的工作进行思考。
例如,销售人员处理客户信息、人力资源人员处理员工信息、信息系统人员处理系统配置信息时,需要注意的事项各不相同。应在说明公司统一原则的同时,按部门准备具体示例。
提示词的基本框架
给生成式AI的指令越模糊,输出就越容易偏离实际需求。
笔者建议在编写提示词时明确”角色””目的””目标读者””前提信息””输出格式”和”限制条件”。这一框架也适合用于全员培训。
例如,即使只是要求撰写邮件,加入以下要素就能让输出更加稳定。
- 角色
- 你负责起草对外邮件
- 目的
- 邀请对方参加培训
- 目标读者
- 部门负责人
- 前提信息
- 下个月起将面向全体员工实施生成式AI培训
- 输出格式
- 3个邮件主题备选方案,正文不超过300字
- 限制条件
- 避免生硬的命令语气,同时说明培训对工作的必要性
编写提示词并不需要特殊的写作技巧,关键是把工作要求表达清楚。
笔者认为,编写提示词的能力是AI时代的”委托能力”:明确由谁完成什么任务、依据哪些条件、以什么形式交付。这既适用于AI,也适用于同事之间的协作。
输出审核规则
最后,要教会员工如何审核AI输出。
至少应明确以下检查项目。
- 数字是否与一手信息一致
- 专有名词是否正确
- 日期是否正确
- 事实与推测是否混在一起
- 是否存在夸张表达
- 信息是否可以对外发布
- 是否符合本公司的表达风格
- 使用者能否解释内容并对其负责
如果没有形成这种审核习惯就使用生成式AI,带来的风险可能大于收益。
质疑AI输出并不等于否定AI,而是正确使用的前提。笔者感到,越是善于使用AI的人,越不会直接相信AI输出。他们会追问、核实并加入自己的判断。这正是实际工作中运用AI所需的能力。
使用Kanata时的应用方式
要在全公司推广生成式AI,比起一开始就追求复杂业务的自动化,从贴近日常工作的场景入手更加现实。
Kanata是一个可在同一环境中使用AI对话、AI摘要和在线学习等功能的企业工作支持平台。下文将其作为一种可选工具,介绍适合发挥其功能的应用场景。
首先用AI聊天起草和整理日常工作
第一步是从AI对话入手,减轻日常工作负担。
例如,可用于以下事项。
- 起草邮件
- 改写文章
- 制作会议议程
- 提出报告结构方案
- 制作培训通知
- 制作FAQ答复草案
Kanata的AI对话支持提问、咨询和内容创作。日常工作中需要理清思路、先拟一份初稿或换一种表达时,都可以使用这一功能。
面向全体员工推广时,可以先设定”每天在日常写作中使用一次”这样的小目标。不要一开始就把复杂工作交给AI,而要先在日常工作中积累成功体验。
然后用AI摘要减轻会议和资料整理负担
下一步是使用AI摘要。
许多部门在开会、培训、共享资料和整理咨询内容时,都有提炼摘要的需求。
在以下工作中,使用效果通常更容易体现。
- 例会会议纪要
- 部门会议共享笔记
- 整理长篇PDF资料要点
- 提炼培训视频要点
- 整理客户访谈笔记
Kanata的AI摘要提供自动生成和自定义生成两种模式。处理常规任务时,可在自定义生成中预先指定输出格式,便于每次按统一结构生成摘要。
笔者认为,AI摘要适合在面向全体员工推广的初期使用,因为它可以缩短阅读时间、加快信息共享、简化会后整理,员工较容易感受到实际效果。
通过在线学习推进全员技能再培训
生成式AI确实可以边用边学,但要面向全体员工推广,仍需要基础培训。
Kanata的在线学习以视频内容为主,可用于内部培训、新员工培训和自主学习。学员可以借助AI提炼视频要点,也可以在学习过程中向AI提问,以便理解和复习培训内容。
例如,可准备以下培训内容。
- 生成式AI能做什么、不能做什么
- 可以输入和不可以输入的信息
- 基本提示词的写法
- 不同部门的使用场景
- AI输出审核方法
- 发生安全事件时的处理流程
先帮助全体员工建立共同认识,再按部门开展实践,更有助于缩小员工之间的应用差距。
笔者认为,不应把生成式AI培训办成一次性活动。与其要求员工在首次培训中理解全部内容,不如结合视频、FAQ、实践活动和内部社群,逐步拓展应用场景。这样更容易在一线落地。
用资料库把有效用法保留在组织中
最后,积累提示词和学习数据十分重要。
生成式AI的应用往往始于个人的反复尝试,但要转化为组织成果,就需要保留、共享并改进有效用法。
例如,可以把以下内容整理进资料库。
- 会议纪要制作提示词
- 对外邮件起草提示词
- FAQ答复提示词
- 提案书结构提示词
- 培训内容制作提示词
- 内部规定数据
- 产品说明资料
- 常见咨询汇总
Kanata可按项目管理提示词、学习数据和AI设置,便于按部门或业务整理这些内容,供团队重复使用。
要使生成式AI不只是个人的便利工具,而逐渐融入组织的日常工作,这种积累不可或缺。
笔者认为,AI应用的真正差距不会出现在引入工具的一刻,而会在3个月、6个月后显现:优质提示词是否保留下来,旧资料是否更新,一线成功案例是否共享。持续维护和积累这些资源,才能逐步提升组织的AI应用能力。
总结:越明确生成式AI的”委托范围”,越容易使用
生成式AI可能显著改变工作方式,但它并不是可以包办一切的万能工具。
要在工作中安全使用,首先应作出以下区分。
起草、摘要、整理、改写、制作对比表、构思创意和制作检查清单,是较适合交给生成式AI的工作。
另一方面,事实核查、最新信息确认、法律判断、合同判断、绩效评价、客户沟通的最终判断以及机密信息处理,需要由人承担责任。
也就是说,生成式AI应用的第一步,与其决定”让AI做什么”,不如先决定”可以让AI负责到什么程度”。
划清这条界限,一线员工就能安心开始使用,管理者更容易把控质量,人力资源和数字化转型推进人员更容易设计全员培训,信息系统和信息安全人员也更容易讲清信息输入规则。
生成式AI并非用来取代全部人工工作,而是帮助人们为思考、核查和决策做好准备的工具。
笔者认为,企业引入AI时最重要的不是亮眼的技术应用,而是建立让一线员工放心使用、持续使用的机制。哪些环节可以交给AI,哪些环节必须由人审核,哪些信息不能输入,都应事先讲清。这些看似朴素的界限,正是让生成式AI扎根工作流程的关键。
不妨先从邮件起草、会议笔记摘要、资料提纲整理等适合小范围试用的工作开始。在此基础上完善输入规则、审核机制和提示词共享机制,才能推动生成式AI在全公司落地。
Q&A:确认生成式AI能做什么、不能做什么
Q. 最初适合交给生成式AI的工作是什么?
最初较适合交给生成式AI的工作是起草邮件、提炼会议纪要、整理资料结构和改写文章。这些工作便于人工确认AI输出,出错后可能造成的影响也相对容易控制。不要一开始就用于合同判断或客户沟通的最终决策,而应从便于人工核查的辅助任务开始。
Q. 生成式AI的回答可以相信到什么程度?
将生成式AI的回答视为未经核实的草稿更为稳妥。数字、日期、法律法规、合同条件、内部规定、客户信息和引用尤其需要回到原始资料核实。即使AI的回答读起来很自然,也不代表内容正确。
Q. 可以把内部资料输入生成式AI吗?
这取决于内部规则、合同条件和信息保密等级。即使是公开信息或一般内部信息,也需要确认使用环境和访问权限。个人信息、敏感信息、未公开财务信息、并购信息和客户机密信息,原则上应避免输入,或以脱敏处理和内部审批为前提。拿不准时,基本原则是不输入。
Q. 使用生成式AI会不会降低员工的判断力?
这取决于使用方式。如果持续让AI给出结论,员工自己思考的机会可能会减少。另一方面,如果让AI”提出议题””提出反对意见”或”列出检查项目”,也能帮助提高判断质量。重要的是,不把判断交给AI,而是利用AI补充人作出判断所需的信息。
Q. 向全体员工扩大生成式AI使用范围时,首先应该确定什么?
首先应该确定的不是工具,而是规则。具体包括可以和不可以交给AI的工作、可以和不可以输入的信息,以及输出审核方法。在此基础上,选择邮件撰写、会议纪要摘要和资料整理等容易看到效果的任务,小范围开展试用,更容易实现落地。