AI 无处不在于工作中—但成熟度不足：为什么职场中的 AI 停滞不前以及领导者如何解决此问题

现在大多数公司都在测试聊天机器人、自动化部分工作流程，并召开关于“人工智能战略”的会议。然而，只有很小一部分公司可以说人工智能在团队中大规模运行，并有明确的规则、可重复的价值和真正的负责机制。问题不在于人才。员工已经在尝试实验，共享提示，并将人工智能融入日常任务中。减速发生在高层：目标模糊不清，责任人不明确，试点项目从未毕业。

本指南是针对希望将实验转化为成果的领导者的简明英语剧本。它解释了成熟的 工作场所的人工智能 是什么样子，通常在哪里会出现问题，以及确切的步骤是如何从“我们在尝试一些事情”转变为“这就是我们的工作方式”。

今天 工作场所的人工智能 是什么样子

人工智能已经超出了炒作阶段。在大多数组织中：

• 员工使用文本模型来撰写电子邮件、总结电话并撰写初始代码。

• 设计师和营销人员尝试图像工具以创建情绪板、广告和缩略图。

• 分析师使用人工智能清理数据集并更快地提取见解。

• 支持团队试验机器人，在转交给人类之前处理常见问题。

这些成果是真实的，但它们是零散的。几乎没有共享的培训，访问不均衡，也缺乏保护措施。如果没有计划，价值将停留在个别部分，而风险在其他地方堆积。

员工已准备就绪；领导层滞后

询问前线团队他们做过什么尝试。你可能会看到个人的提示库、快速自动化和节省的时间。问经理未来90天的计划是什么，你会听到“我们正在探索”。这个差距就是问题所在。人们在行动；系统没有。

领导者不需要厚重的战略文档。他们需要的是一个明确的目标，一套简化的规则，以及一个任何人都能阅读的记分卡。其余的就是实践。

真正的瓶颈： 工作场所的人工智能 需要方向

大多数程序的三大障碍：

1. 没有单一的业务结果。 “在每个地方使用人工智能”不是一个目标。“在客户支持中减少30%的响应时间”才是。

2. 没有负责人。 如果所有事情都由委员会决定，那么就没有事情可以实施。

3. 没有习惯。 成没有传播，因为它们没有被记录、教授或衡量。

解决这些问题，推动力自然随之而来。

一个您实际可以使用的简单成熟模型

使用这个五阶段模型来查看你当前的位置以及接下来要做的事情。它适用于10人团队或1万人的公司。

1) 临时

• 个人在自己的笔记本电脑上进行实验。

• 没有政策、培训或共享工具。

接下来要做的事情： 发布一页政策，启动经过批准的工具，邀请团队提交安全使用案例。

2) 试点

• 若干小项目显示出前景。

• 风险和价值没有以同样的方式衡量。

接下来要做的事情： 选择两个业务结果（节省时间、提升收入、降低错误率）。现在设定基准。

3) 项目

• 有一个中央人工智能负责人和每周审查。

• 共享提示库和初始培训存在。

接下来要做的事情： 发布一个涉及实际客户或实际资金的跨团队工作流程。公开报告结果。

4) 扩展

• 可重复使用的组件、API和检查清单放在一个地方。

• 团队共享指标，互相学习。

接下来要做的事情： 将人工智能步骤整合到标准操作程序中。轮换优秀学员传播技能。

5) 嵌入

• 人工智能是日常工作的一部分。新产品默认为“人工智能优先”。

• 风险控制是连续且低调的——以好方式。

接下来要做的事情： 不断提高标准——更大的目标、更快的周期、更明确的审查。

90日计划：从试点到规模化

第1–7天：设定目标

• 选择一个重要的结果：更快的支持、更少的计费错误、更高的潜在客户转化率。

• 任命一个负责任的人（总监级或以上）。

• 撰写一页“道路规则”：批准的工具，不在公共模型中使用敏感数据，如何报告问题。

第8–30天：一次证明价值

• 将工作流绘制在一页上（步骤、工具、交接）。

• 在去除步骤的地方加入人工智能：总结、路由、提取、翻译或生成草稿。

• 向小组发布。测量节省的时间和质量。

第31–60天：使其可重复

• 将提示和检查转化为模板。

• 在合适的步骤添加人工审查（重要内容到达客户或财务系统之前）。

• 通过实时的45分钟培训和简短的测验培训更广泛的团队。保存录音。

第61–90天：发布并报告

• 扩展到第二个团队。将结果与基线进行比较。

• 发布一页记分卡：结果、影响、成本、风险事件、学习。

• 决定：进一步扩展、优化或停止。庆祝有用的失败；它们比成功能教得更快。

这是您可以做到的 工作场所的人工智能 真实的——每次一个工作流，衡量并重复。

没有繁文缛节的治理

人们需要自由地使用人工智能；公司需要安全。使用简明但明确的规则，您可以同时拥有这两者。

一页政策，简单语言

• 批准的工具： 列出员工可以使用的工具以及询问如何访问的人。

• 数据规则： 不允许在公共模型中使用敏感的个人数据或机密财务信息。

• 人在回路中： 人工会检查任何影响客户、法律或资金的人工智能输出。

• 归因： 在代码、创意工作和外部内容中披露人工智能的帮助，在适当时。

• 报告： 为事件或好点子准备一个简单的表单。

快速审查循环

• 每周，人工智能负责人审查前三个工作流的新使用案例、事件和指标。

• 每月，高级领导检查价值和风险，然后解除下一个发布的障碍。

安全基础

• 打开SSO、日志记录和DLP。

• 将提示和输出保存在公司存储中，而不是个人设备。

• 在发布前，先对敏感提示（财务、人力资源、法律）进行红队测试。

您的员工实际需要的技能

您不需要博士学位即可使人工智能派上用场。您需要共享习惯和一些工具。

• 有结构地提示。 教导团队编写简短、具体的指示：角色、任务、约束、风格、示例和“清单”以供接受。

• 使用清单进行审查。 质量提高当人们每次以相同方式验证事实、数字、名称和政策项目。

• 数据素养。 每个人都应该知道公共模型和私人微调之间的区别，数据存放在哪里，以及不应粘贴什么。

• 自动化粘合剂。 一小组学习如何连接工具（API、webhook），使人工智能输出流入下一步，而无需复制粘贴。

运行两级培训：为全体人员进行一小时基础课程，为优秀学员进行两天的构建者研讨会。

提示：Shifton的客户经常将优秀学员转变为班次或团队的“人工智能队长”。他们举办简短的诊所，收集提示，并帮助标准化 工作场所的人工智能 在各地。

数据、工具和构建与购买选择

选择满足需求的最简单选项：

• Buy 当任务很常见时：支持总结、会议笔记、工单路由、线索评分、广告变体。

• 构建 当您的数据或工作流程是独特的：专业的承保、欺诈检查、安排规则或专有搜索。

工具清单

• 具有公司账户的文本和图像模型。

• 用于通话和现场工作的语音转文本和文本转语音。

• 带有版本控制的中心提示库。

• 连接到CRM、帮助台、HRIS和文件存储的连接器。

• 可观测性：提示、输出和模型性能的日志。

Shifton可以帮助 操作领域：班次安排、交接班和时间跟踪。这些是嵌入 工作场所的人工智能的主要位置——例如，自动班次交换建议、班次后的总结笔记或检测有风险的超时模式。

需要衡量什么（以及多长时间）

每周（按每个人工智能工作流）

• 处理量

• 每项目节省的时间

• 质量评分（在清单上的通过率）

• 发现并修复的问题

每月（汇总）

• 净节省小时数与基线相比

• 节省的金额或提升的收入

• 员工对工作流程的满意度

• 受影响的旅程的客户满意度

季度

• 投资回报

• 风险事件（及其结果）

• 培训覆盖率（谁接受了培训，谁没有）

• 高价值机会的待处理事项

使记分卡在公司内部公开。当人们看到进步时，他们会复制有效的方法并提出更好的建议。

这季度可以交付的十个高影响案例

1. 支持总结。 人工智能将工单和电话转化为清晰的笔记和下一步行动。

2. 智能路由。 按主题、紧急程度和语言对请求进行分类；将它们发送到正确的队列。

3. 知识搜索。 在维基、合同和常见问题解答中提问，并引用来源。

4. 线索丰富。 填写缺失字段，标记相似账户，并建议首封邮件。

5. 发票提取。 阅读PDF，捕获关键字段，并与采购订单进行交叉检查。

6. 合规检查。 扫描邮件和文档中的禁用术语和风险声明。

7. 面试笔记。 转录，分块亮点，并将答案与工作标准进行映射。

8. 班次交接。 总结本班次发生的事情、待处理事项以及下一步观察注意的内容。

9. 培训助手。 将SOP转化为测验和对新员工的“展示如何”聊天。

10. 运营洞察。 识别事件、延误和返工中的模式；推荐解决方案。

每一个这些都嵌入在 工作场所的人工智能 重要的地方——就在工作流程中。

风险、伦理和现实检查

人工智能是强大的但也是不完美的。把它当成一把锋利的工具：在正确的握法下有用，而在不当握法下危险。

• 偏见和公平性。 检查不同客户群体的结果。使用多样化的测试集。在可能造成伤害的地方增加人工检查。

• 隐私。 减少个人数据，尽可能对其进行掩盖，并将敏感处理保持在私人基础设施上。

• 准确度。 对于高风险的工作，添加双重检查并要求链接来源。

• 幻觉。 告诉模型在缺乏上下文时说“我不知道”。当事实重要时，优先选择有根有据的生成而不是自由形式。

• 知识产权和权利。 要明确人工智能生成的内容如何使用、再利用和披露。

• 工作影响。 坦诚面对变化。关注任务，而不是人员。重新培训和重新部署。

无责撰写事件记录：发生了什么、影响、修复、预防。分享它们。当人们看到问题被妥善处理，信任就会增长。

如何谈论人工智能才能让人们真的倾听

使用简短、直接的语言。避免使用流行术语。

• “我们将使用人工智能将支持的平均处理时间减少25%，而不降低质量。”

• “您可以使用这些批准的工具。这是数据规则。这是需要帮助时该询问的人。”

• “如果人工智能输出影响了客户或资金，则首先由人进行检查。”

• “这是我们的记分卡。如果我们错过了目标，我们会说明原因并再次尝试。”

人们不需要演讲。他们需要清晰。

经理的每周惯例

领导者凭借按时完成小事而获胜。

1. 每周一审查您的前三个工作流的记分卡。 移除一个障碍

2. （访问、预算或慢审核）。 分享一个故事

3. ——成就、错误或帮助的提示。选择一个下一个步骤

4. 并指定一个名字和日期。 这种惯例使

在没有大张旗鼓的情况下前进。 工作场所的人工智能 现场团队和轮班工作：人工智能大显身手的地方

并非每个团队都坐在办公桌前。对于商店、工厂、医院、送货和呼叫中心，最好的人工智能是人们从未注意到的——它只是削减了摩擦。

安排。

• 建议最佳班次，提前发现合规问题，并及早检测疲劳风险。 Shifton的调度程序可以添加保护措施并提出交换建议，以保持覆盖和规则完好。
  交接笔记。

• 将分散的更新转化为三行：发生了什么、还有什么未完成、下一步要注意些什么。 现场指导。

• 技术人员对着手机讲话，并获得逐步的检查清单或故障排除树。 安全性。

• 将事件转化为模式以进行修复（不良交接、缺失部件、危险加班）。 将人工智能应用于日常运营时，人们在接下来的班次中就能感受到好处。

营销、销售、财务、人力资源：按功能的快速胜利

营销

生成变体，然后进行测试。

• 将长资产转化为带有来源链接的短帖子。

• 一致地标记资产和客户。

• 销售

从笔记中起草发现邮件。

• 总结电话并说明下一步和风险。

• 以透明理由对潜在客户进行评分。

• 财务

核对交易并突出显示异常。

• 扫描合同的续签日期和条款。

• 使用最新模式和已知事件预测现金。

• 清理职位发布，消除偏见，列出真实任务。

HR

• 引用文献回答常见政策问题。

• 从确认的数据中准备绩效总结。

• 这些动作中的每一个都简单、安全并可衡量。

Each of these moves is simple, safe, and measurable.

成本、投资回报率和资金规则

从小处着手并快速证明价值。

• 种子预算： 每个试点都有一个小预算和清晰的 6 周是/否决策。

• 单位成本： 在 AI 之前和之后跟踪每个项目（票据、线索、发票）的成本。

• 共享节省： 从节省的时间或避免的错误中为下一波投资提供资金。

• 组合视图： 进行一些大的投资，更多的小投资。早点淘汰弱的。

资金跟随结果。发布分数卡，预算对话会变得更容易。

文化：良好感觉的定义

• 人们公开共享提示。没有“秘诀”。

• 领导者称赞清单和干净的交接而非英勇行为。

• 员工可以放心地说“我不知道”并询问模型，然后进行验证。

• 团队不用等待委员会的批准即可解决小问题。

• 决策保存在任何人都可以阅读的简短文档中。

这种文化能更快地交付并且睡得更香。

常见陷阱（及如何避免）

• 工具搜索。 您不需要完美的模型；您需要一个明确的目标和足够好的工具。

• 大爆炸计划。 跳过庞大的推广。赢得一个工作流程，之后复制它。

• 无基准。 如果在之前没有测量，就无法在之后证明变化。

• 影子 AI。 因为访问缓慢，人们使用个人账户。首先修复访问问题。

• 无规则的无休止伦理辩论。 编写一页，周检阅，继续前进。

Shifton 如何提供帮助而不打扰您

Shifton 专注于运营的基础部分：排班、交接、时间追踪、审批和现场协调。这些是嵌入的理想场所 工作场所的人工智能 因为它们涉及每个班次和每个角色。使用 Shifton，您可以：

• 生成尊重技能、空闲时间和劳动规则的排班计划。

• 自动建议公平的调换，并在一次点击中捕获批准。

• 发布一致且易于浏览的班次总结。

• 通过简单的仪表板提早标记加班和疲劳风险。

• 为薪资和合规保留可审计的记录。

您保留您的技术栈。Shifton 插入其中，添加护栏和自动化，并提供数据以证明影响。

保持势头 工作场所的人工智能—每周 30 分钟站会

当试点扩大时，会议可能膨胀。用一个短节奏来应对：

1. 结果检查（10 分钟）。 对比目标复核上周的数字。

2. 经验学习（10 分钟）。 一个成功，一个失败，一个惊喜。

3. 承诺（10 分钟）。 名称，下一个步骤，截止日期，记下来。

就是这样。每周这样做，进度就会变得正常。

最后的话

AI 不再是一个侧项目。它是现代团队计划班次、帮助客户、完成帐目以及更快学习的部分。技术会继续进步，但您不必等待。选择一个结果，书写一页规则，指定一个负责人，并在 30 天内交付一个工作流程。测量它，教导它，然后重复。

这样做，您的组织将从分散的实验转向稳定、明显的胜利。这才是 工作场所的人工智能的真正承诺——不是一个流行语，而是在一个普通的星期二上更好的工作方式。