从自己的真实流程开始
找一项频繁发生、结果可检查的任务，整理它真正需要的资料。把输入、判断、执行和复核拆开。
01
这段话最有价值的部分，应该保留。
把注意力从追逐工具转向业务、数据与持续实践，是合理方向。但“有知识库就领先”“提示词都没用”“人人模型一样”，把复杂条件压成了口号。
数据不是收益保证
能检索、能回答、有人采用、业务改善、产生现金，是五个不同结果。前一步通过，不能证明后一步。
建一个能发现错误的闭环
先固定真实问题、正确依据和基准成本，再让 AI 参与。每次失败回到来源、流程或权限上修复。
本报告的替代命题：企业可持续积累的，不只是文件数量，而是可追溯的业务事实、可执行的工作标准、真实结果反馈，以及把这些接入任务的能力。这是分析框架，不是已验证的收益公式。
素材是什么？哪些信息还不知道？
输入是一份用户提供的演讲文字。没有原始视频、演讲者身份、演讲日期、课程材料或所提曲线图。本文研究其主张，不猜作者。保留“Image 2”原称，不推定具体产品；“今年”“两年前”不换算成确定年份。叙述里“品味与意图”插在五点之中，本文将它放入能力和目标一节，不强行修正演讲编号。
02
逐条检查：哪些能用，哪些不能直接信。
以下“原意”是压缩转述，不是逐字引文。标签评价的是论断的证据和适用范围，不评价演讲者。
需改写01
原意 · 知识库决定 AI 有多好
重要，但不是唯一决定因素。
结果同时受任务、模型、工具、权限、数据质量、人工核验和工作流程影响。顾问实验中，直接使用 GPT-4 处理指定任务也可获益；收益不以先建企业知识库为前提。 [S2]
怎么验证：对同一批任务比较：现有流程、AI 无私有资料、AI 加经核验资料。
需改写02
原意 · 大家的模型能力一样
共同可购买，不等于实际能力相同。
模型版本、推理预算、上下文限制、连接工具、系统提示和可见数据都可能不同。即使用同一模型，系统效果也可不同。 [S7]
怎么验证：冻结版本与工具配置，比较质量、时间、成本和失败类型。
需改写03
原意 · 提示词和实操都会被抛弃
操作形式可能过时，任务表达仍重要。
按钮位置、特定口令可替换；目标、约束、证据、例外和验收标准仍要有人定义。一次模糊生图成功不能证明所有提示技巧失效。 [S7]
怎么验证：模型升级后，用原评测题重跑，再删掉没有增益的复杂提示。
待核实04
原意 · 进化以天计，社会消化以年计
这是演讲的方向性概括。
原图、横纵轴、量纲、样本与日期均未提供。不能把两条曲线的面积叫市场规模，也不能据此保证某行业有利润。 [S8]
怎么验证：分开跟踪模型任务通过率、组织实际采用率和现金结果。
需改写05
原意 · AI 是杠杆，原来不行就不行
AI 可放大能力，也可能降低技能门槛。
客服研究里经验少、技能较弱的员工受益更大。企业原有商业模式是否成立，和个体能否借助 AI 提升，是两件事。 [S1]
怎么验证：分别验证任务能力提升和真实客户购买，不用其中一个代替另一个。
待核实06
原意 · 停业两个月，省一百万至两百万
保留为演讲者转述的未核案例。
缺原始访谈、账目、业务范围、对照情景及复业结果。避免损失与减少支出可能重叠，不能直接相加。
怎么验证：重建继续营业、缩减经营、停业三种情景的现金流与客户流失。
需改写07
原意 · 品味与意图是永恒竞争力
可操作化，但“永恒”无法证实。
品味可转成质量标准与取舍；意图可转成明确目标、资源投入和持续执行。仍需客户价值、渠道、成本和信任。原文把 intent 与 ambition 混用，不能当同义术语。
怎么验证：给出好坏样本，匿名评审，观察客户使用、付费与续用。
可保留08
原意 · 拆解业务，追求人机结合
适合作为起步原则。
先按任务边界和错误后果分工。纯自动化在有稳定规则、低风险、可回滚任务中仍可能合理，不必永久停留在人审。 [S2]
怎么验证：列输入、步骤、负责人、验收、例外与回退。
需改写09
原意 · 一切数据化，能整理的都整理
按价值、授权与维护成本选择数据。
没有使用场景的收集会增加隐私、过期和维护负担。本文建议：会议纪要区分讨论、已批准决策、负责人和到期日。
怎么验证：从一个高频流程所需的最小资料集开始。
需改写10
原意 · AI 只能认识文字和图像的平面世界
这已不是准确的能力边界。
怎么验证：按具体任务验证，而不是简单给电商、制造业排高低。
需改写11
原意 · 纯自下而上才算上道
一线探索需要管理层提供条件。
本文建议：一线发现场景，管理层确定目标、预算、数据权限和责任；统一标准，允许员工报告失败。风险管理需要明确责任和控制措施，可参考 NIST 框架。 [S9]
怎么验证：评估复用率、异常处理、实际任务质量，不按提示词数量考核。
待核实12
原意 · ADHD：Aim / Do it yourself / Hit / Do together
按演讲者自定义口诀保留。
未提供出处与验证；不把它当医学 ADHD，也不把 Hit 擅自解释为成熟管理方法。原文编号存在插入，本文按五个主题重新编排。
怎么验证：将每一步落实成可观察的行为与结果，避免用缩写替代过程。
待核实13
原意 · 内训、私董会能唤醒组织
这是服务提案，不是效果证据。
结尾同时承担课程总结与商业推广功能。这不自动否定内容，但需要单独核查交付、行为变化、经营结果和费用。
怎么验证：先看真实任务的前后变化，再决定是否购买后续服务。
03
研究没有给出“所有人都会更快”的答案。
+15%
每小时解决问题数
5,172 名客服的数据中，平均生产率提高；经验少、技能较弱的人在速度和质量上受益。最高技能组质量略降。[S1]
任务边界不同
同一工具，效果可反向
758 名顾问的实验，在 AI 能力范围内完成任务更快；边界外的任务中，使用 AI 的人答对概率低 19 个百分点。[S2]
耗时 +19%
16 名熟悉成熟仓库的开发者做 246 项任务，允许用早期 2025 工具时平均更慢；参与者在实验后自估用 AI 加速约 20%。[S3]
共同启示：不要问“AI 有没有用”就结束。要问：对谁、在哪个任务、使用哪个版本、以什么质量门槛、计入多少复核与返工成本？这几项应一起记录。短期任务表现与长期学习也应分开观察：定期安排不使用 AI 的独立任务，检查员工是否仍能发现关键错误。
04
模型进步与企业收益之间，还有多次转化。
原演讲的“双曲线”没有数据依据。这里用非定量流程图解释落地间隔，不绘制虚构的增长曲线。
1
模型在测试里能完成需要任务通过率、失败类型和版本记录。能力提升不等于已经接入企业工作。
2
系统在真实条件下可用需要正确资料、工具连接、权限、稳定运行与异常回退。演示成功不等于持续交付。
3
员工愿意用，并把它用在流程中需要工作方式调整、时间投入和责任分配。培训出勤不等于使用习惯改变。
4
产出达到业务要求需要客户或业务负责人验收。更快生成草稿不等于更快完成合格任务。
5
价值转成可确认的收益需要实际减少支出或增加有毛利的订单，同时扣除建设、维护、复核和事故成本。
间隔可能带来机会
客户有明确任务、愿意为结果付费，并且现有方案不能满足要求时，接入、清洗、培训和流程改造才有可验证的价值。
间隔也可能代表不可行
收益不足以覆盖改造、责任或获客成本时，模型再强也不能自动形成好生意。把“落地慢”直接推成“市场大”，缺了支付与经济性验证。
05
先分清四种资料，再谈“搭知识库”。
| 类型 | 回答什么 | 例子与更新 | 主要检查 |
|---|---|---|---|
| 文档知识库 | 规则、原因、经验 | SOP、售后政策、产品说明；有版本与责任人 | 来源是否可靠，是否过期或相互冲突 |
| 结构化数据库 | 当前是多少、属于谁 | 库存、订单、退款；按业务事件更新 | 字段定义、单位、时间点、实体 ID、完整性 |
| 事件与决策日志 | 发生了什么、谁批准 | 工具调用、会议决定、异常处理、客户反馈 | 时间顺序、状态、权限、可追溯性 |
| 评测集 | 系统这次是否变好 | 冻结的真实问题、证据、标准答案、拒答条件 | 覆盖典型、边界、错误输入和无答案问题 |
会议录音不是已批准事实。纪要中“有人提出停产”“老板同意停产”“财务测算已确认”“实际已停产”必须分开记录。动态数据的价值来自可验证的状态变化，不来自转写字数。
每条业务知识至少保留
来源与定位、事实或规则、生效日期、适用对象、责任人、权限范围、版本与失效条件。
订单和财务指标额外写清统计口径、币种、时间区间和数据截止时点。数值查询与求和尽量由数据库或确定性程序完成，AI 解释结果。
独有数据何时才形成优势
数据与高价值任务相关，有授权，别人不容易获得，并且能持续转化为更准确的判断或更好的交付。
重复公开资料、没有来源的 AI 总结、无法更新的扫描件，即使数量很多，也未必增加竞争力。少量独有资料也不自动构成不可复制优势。
知识管理也不应等同于堆积文档：企业需要区分非结构化知识、结构化业务数据、运行事件日志和评测数据，并建立数据更新、权限控制、结果核验与错误反馈的闭环。
一个最小检索闭环
A
原始资料 → 核验与权限保留原文，不让摘要替代来源；同一版本只有一个事实真源。
B
检索 → 引用 → 回答RAG（检索增强生成）先找到相关材料，再将材料提供给模型。它不保证检索正确，也不保证模型遵从证据。[S5]
C
人工抽查 → 真实结果 → 修订记录查不到、引用错、理解错、执行错四类问题。修改规则或索引后，重跑同一批评测题。
哪些情况下先不用建复杂知识库？
材料很少且稳定时，先用人工挑选的来源包；只查精确库存时，先接受控数据库查询；稳定计算与表单校验优先确定性规则。需要学习固定风格或行为时才评估微调。不要把 RAG、长上下文、数据库查询、微调和模型训练当成同一个动作。
06
以任务选方案，以后果定权限。
数字化程度高，通常更容易接入；错误可逆、结果可检查，通常更适合提高自动化。它们是两个不同维度。
先小范围自动执行
例：内部工单分类、草稿格式检查。保留日志、抽样复核和回退；低风险不代表不检查。
分析可自动，批准留给人
例：停业、裁员、价格调整、大额退款。系统可以提供证据与选项，责任人核对后批准。
先补记录，再做助手
例：门店咨询没有标准分类。先采集少量真实样本、定义字段；不要直接购入庞大平台。
先界定任务和安全条件
例：缺现场传感证据的机器控制。用模拟、离线分析或辅助建议起步，不让文本模型直接操作危险设备。
把“业务拆解”写成一张可执行任务卡
07
不用停止学习，要改变学习对象。
按需更新的操作知识
界面按钮、特定模型格式、特定版本参数、为了绕开旧缺陷而写的长提示。用到时查官方资料，升级后用评测决定是否保留。
值得反复练习的能力
选择有价值的任务，定义好结果，识别证据不足，拆解业务，理解数据口径，设计对照试验，并对客户结果负责。
上下文工程指配置模型当前可见的信息，包括指令、资料、工具结果和状态。它扩大了提示词的范围，并没有取消清楚表达任务的必要性。[S7]
请完成【具体任务】，供【谁】在【场景】使用。
只使用【允许的来源】，按【有效日期 / 口径】判断。
成功必须满足【可检查的标准】；不可进行【越权动作】。
资料缺失或冲突时，列出缺口，不补造事实。
输出【交付格式】，把事实、推断、建议分别标明。
先给可核验结果；由【负责人】检查【关键项】后再执行。
“品味”和“意图”怎样变成可检查的能力？
给出合格和不合格样本，解释差别；让同事匿名判断是否符合目标用户需要。
写清要解决的问题、愿意花的时间、预算上限与放弃条件；用行动记录验证。
把失败原因写回规则与评测集；保留版本，避免把一次成功当成普遍规律。
08
五个“心法”，改成五项管理动作。
| 主题 | 负责人和动作 | 观察证据 | 停止或修正条件 |
|---|---|---|---|
| 有目标，愿意投入 | 业务负责人选一个问题；写预算与范围 | 谁受益、现有损失、可联系的使用者 | 没有具体用户或没有明确问题，先澄清 |
| AI 辅助业务与决策 | 负责人提供备选方案；财务复核关键口径 | 对照基线、假设、结果和责任记录 | 结论依赖未知数据，暂不执行 |
| 业务拆解与人机分工 | 一线和流程负责人共同写任务卡 | 合格率、异常率、全流程用时 | 复核和返工抵消节省，调整流程 |
| 相关数据持续维护 | 数据负责人维护来源、版本与权限 | 引用正确、时效有效、无越权检索 | 发现污染或泄露，隔离问题源并回退 |
| 一线探索与共同标准 | 管理层给时间和边界；员工共享可复现案例 | 自愿使用、跨人复用、真实问题减少 | 只统计调用次数、提示词数，改考核指标 |
组织建议：管理层确定目标、资源、数据边界和责任；一线提出任务、实验和改进。让员工报告失败，不把“不会用 AI”当羞辱工具。演讲中的“骂醒”是表达方式，不是已验证的组织干预方法。
10
交互试算：省时间与省现金，分别算。
评价成效时，必须区分节约工时的估算价值、实际减少的现金支出和扣除实施成本后的净收益。
下方默认值是教学假设。只分析已通过质量门槛、可用 AI 处理的那部分任务；其余任务按原流程处理，未节省的时间不记收益。所有输入只在当前页面内计算。
教学示例结果
可节省 50 小时 / 月；对应时间价值 4,000 元 / 月。兑现比例为 0%，所以风险调整后月度现金估算为 −1,000 元 / 月，首月为 −7,000 元。
处理量 = 总任务数 × 覆盖率
净节省小时 = 处理量 ×（原分钟 − AI 后人工分钟 − 额外复核分钟）÷ 60
时间价值 = 净节省小时 × 人工机会成本
可兑现节约 = max(时间价值, 0) × 可兑现比例
风险调整后月度现金估算 = 可兑现节约 − 工具现金支出 − 维护现金支出 − 增量错误损失
首月风险调整后现金估算 = 风险调整后月度现金估算 − 一次性投入
净节省小时 = 处理量 ×（原分钟 − AI 后人工分钟 − 额外复核分钟）÷ 60
时间价值 = 净节省小时 × 人工机会成本
可兑现节约 = max(时间价值, 0) × 可兑现比例
风险调整后月度现金估算 = 可兑现节约 − 工具现金支出 − 维护现金支出 − 增量错误损失
首月风险调整后现金估算 = 风险调整后月度现金估算 − 一次性投入
11
30 天，只证明一条流程是否值得继续。
以下时间和阈值都是试点建议，不是研究结论。先约定质量与风险门槛，再比较时间和成本。
选任务，冻结基线
选高频、可检查、可回退的任务。记录现有流程全耗时与错误。确定负责人、预算、不可执行动作。
产物：一张任务卡、基准数据和停止条件。
只整理所需数据
为该任务建立最小资料包，去重并补日期、来源和权限。建议先收集 30—50 道真实题，另保留一批未用于调试的题。
产物：来源清单、标准依据、过期与冲突样例。
运行受控对照
比较现有流程、AI 无私有资料、AI 加已核验资料。随机分配相近任务，记录版本和全部人工时间；质量最好由不知道组别的人评价。
小范围使用，再决定
通过离线门槛后，在小范围真实流程中试用。观察采纳率、返工、异常与实际现金影响；保留原流程以便回退。
产物：继续、缩小范围或停止的书面结论。
验收看这六项，不看上传了多少文件
| 维度 | 计算与记录 | 防止误判 |
|---|---|---|
| 检索 | 需要的证据是否出现在返回材料中 | 找得到不等于答得对 |
| 回答 | 事实准确、引用正确、资料缺失时合理拒答 | 流畅度不当正确率 |
| 执行 | 是否遵守权限，异常是否正确转人工 | 测试不发生事故不等于已证明绝对安全 |
| 效率 | 含操作、等待、复核、返工的总人工时间 | 只算生成秒数会高估收益 |
| 采用 | 合格任务的实际使用和持续复用 | 登录、培训出勤和生成数量不是采用结果 |
| 经济 | 实际减少的支出、增加的贡献与全部增量成本 | 产出、客户验收、付款与续用分别记录 |
建议停止条件：出现越权或资料泄露，立即停用相关能力；关键答案错误无法通过边界收敛，缩小任务范围；质量未达标，不因更快而上线；净节省时间为负且没有被确认的质量收益，先修流程。小样本用于筛选与发现问题，不能给出普遍收益率。
12
证据、来源与本次覆盖范围。
- S1Generative AI at Work
分阶段引入客服辅助工具；5,172 名客服，平均每小时解决问题数增加 15%。这是单一业务环境，不是所有企业的收益预测。
- S2Navigating the Jagged Technological Frontier
758 名顾问的随机实验。能力边界内更快、完成更多任务；边界外任务答对概率下降 19 个百分点。实验采用当时的 GPT-4。
- S3Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
16 名开发者、246 项真实任务；允许使用早期 2025 工具时平均耗时增加 19%。样本较小，集中在熟悉的成熟仓库。
- S4We are Changing our Developer Productivity Experiment Design
后续数据存在人员、任务选择和计时偏差。作者认为工具可能更有帮助，但这些数据不足以可靠估算当前增益。
- S5Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
RAG 的原始研究：将参数化模型与可检索外部记忆结合。论文训练了相关组件；企业日常更新检索文档并不等于更新模型权重。
- S6Lost in the Middle: How Language Models Use Long Contexts
研究在特定长上下文任务中观察到位置影响。说明应测试信息是否被用到，不证明所有新模型仍有同样幅度的问题。
- S7Effective context engineering for AI agents
厂商工程经验，强调上下文、工具和检索配置。可作为设计参考，不是企业 ROI 的随机实验。
- S8
- S9Generative Artificial Intelligence Profile / NIST AI 600-1
风险管理参考，支持按场景做评测、治理与监测。不是认证或法律合规意见。
- S10
今天可做的一步：从一个真实流程选 10 个过去的问题，把“正确答案来自哪里、如何验收、错了由谁接手”写清楚。先验证这 10 题，再决定需要扩充哪一类资料。