跨国深谈← 返回←别急着让全员学AI:先找到那个「会搭工具的人」

别急着让全员学AI:先找到那个「会搭工具的人」

关联

人物 Daniel Whitenack · Chris Benson · Mike Lewis

公司 Tier One Performance · Claude

概念 非技术构建者 · L0 · 智能体 · 组织转型

Mike Lewis 的履历很特别：他画了近二十年肖像画，经营一家美术公司，直到 2016 年申请成为 OpenAI 的 DALL·E 商业艺术测试用户，才算入了行。

他后来靠给医疗记录公司做语言模型起家，公司被 Tier One Performance 收购。如今他作为首席AI架构师，服务对象包括 Google、Eli Lilly、Takeda、美国空军这类客户。

AI 熟练度分四级，关键在第二级

Mike 用的分级框架来自 Peter Yang 的一篇文章，把员工分成 L0 到 L3:L0 是不用AI的人，L1 是普通用户(离不开它的那批人)，L2 是非技术建造者，L3 是能影响整个企业的专家。

大多数公司的做法是把力气花在把 L0 转化成 L1。

但 Mike 认为，真正值得投入的是从 L1 到 L2 的那一跳——找到懂业务的人，让他们搭建能长期运行、且「以极其神似的方式复刻公司工作」的解决方案。

L0 不是一种人，而是五种

把不用AI的人一律贴上落后标签是错的。Mike 把 L0 细分成五类 ：

• 表演型用户：培训时点头、登录过一次、交过一次对话，照旧干活；
• 不感兴趣的人：个人电脑当年在办公室的普及曲线，和现在AI的几乎一样，急也没用；
• 太忙的人：往往是公司最高绩效的骨干，别去打扰他们；
• 害怕丢工作的人：很多人以为用AI干活，AI 就会学会取代自己，这几乎从不成立；
• 对质量失望的人：这一类最值得高管倾听。

第五类尤其重要。Mike 遇到过一位做营销文案的员工，抱怨AI的产出「不够好，人做得更好」——而她是对的。

从没一个AI专家真正坐下来听过她的意见。

不用AI就开除适得其反

那篇分级文章的原型公司 Ramp 规定：在限定日期内没被系统评估为 L1 的 L0，可以直接解雇。Mike 说这让他心碎 。

他反问：你能想象公司宣布年底前人人都要精通 Smart Sheets,否则走人吗？

他读过的 200 页研究里很多是关于学习本身的：威胁式表达会拖慢学习。

把人逼到墙角说「学，否则没你的位置」，效果不如说「如果你有兴趣，我们一起摸索」。

挑 L2,先看公司基因，不看技术能力

Tier One 筛选 L2 候选人时，最先看的不是AI天赋，而是公司DNA：

这个人懂不懂公司的活儿，知道该为表格里哪个单元格较劲，交付的成果像不像公司想要的样子。

Mike 的观察是，现在坐在驾驶座上的往往是AI兴奋者——在走廊里喊着最新模型名字的人。

但他们通常不够专注，做不出资深业务专家会认可的东西。

还有一条经验：每个团队只要一个 L2。两个 L2 反而互相掣肘，不如一个 L2 带几个 L1 和若干 L0。

而且每个 L2 手边要有一个 L3 把关——L2 让产出神似，L3 让它可靠、不违规。

一笔 400 万美元的活，3 小时做完

Mike 举了个正在做的项目：一家全球前四的制药公司，几千份文档需要转换格式，报价 400 万美元，需要业务专家参与。

一个 L2 看了一眼，判断「这像个 Claude skill 就能干的活」，3 小时内搭好，把文档拖进去，出来的结果几乎正是他们想要的——还能上千份并发跑。

这才是高管能算清账的价值：不是数员工花了多少 token,而是让懂行的人 spotted 机会，让头痛直接消失。Mike 的团队管这叫帮人洗衣服。

对未来就业焦虑，他的答案是：不操那个心

被问到员工会不会变成AI编队的管理者，Mike 坦率地说：「我已经决定不再担心这件事了。」

他花了大约两年在企业里推行各种赋能计划，最后感觉像看水顺流而下——该往哪流就往哪流。

他进会议室时对恐惧者的开场白很直接：你的工作确实会变，但对所有人来说永远如此，跟AI无关。

研究还表明，事后回头看，颠覆从没像预想中那么难适应。

他真正关心的只有可衡量的事：能不能找到那个 L2,把他们装备起来，让团队做事有看得见的前后差别。

本集带走

• 员工AI熟练度分 L0–L3,最大的价值跃迁是从会用到会搭工具的 L2,而不是把不感兴趣的人变成用户。
• L0 至少有五类，其中对质量失望的人往往说对了，值得认真听。
• 挑 L2 先看是否深谙公司业务，技术能力其次；每个团队一个就够。
• 威胁式推广(不学就走人)会拖慢学习；L2 把隐性知识变成可复用的流程文档，顺便解决关键人离职难题。
• 真正能算清的投资回报，来自让懂行的人消灭具体而昂贵的痛点，比如那个 3 小时替代 400 万美元的文档转换。

就像：不要去操心我影响范围之外的事情。所以，你知道，也许在 AI 这个球体的边缘正在发生一件大事，但现实是，如果我没有影响力，或者它不影响我与客户互动的方式，那我就直接忽略它。
It’s like, do not concern myself with things outside of my sphere of influence. So, you know, there may be this big thing going on at the edge of the AI sphere, but the reality is like, if I if I don’t have influence or if it doesn’t impact, like, the way I’m interacting with my clients, if it’s not, then I just ignore it.
—— Mike Lewis · [07:18]

我不认为 L1 比 L0 更好，我也不认为 L2 比 L1 更好。实际上，我不那样看。我只是把它看作一个组织内部对思考这套工具箱的不同方式的划分。
I don’t think an L1 is better than an L0, and I don’t think an L2 is better than an L1. Actually, I don’t see it that way. I just see it as kind of a division within an organization for how different ways of thinking about the toolkit.
—— Mike Lewis · [25:39]

现在，错的人在驾驶座上。我们称他们为「AI 兴奋者」。AI 兴奋者是公司里获得所有关注的人。
Right now, the wrong people are in the driver’s seat. We call them the AI excited. The AI excited are the ones who are getting all the attention in the company.
—— Mike Lewis · [30:28]

我们发现这不是一加一等于二的事。厨房里厨师太多了，如果一个团队里有两个 L2,他们不一定比一个 L2、几个 L1、一些 L0 更好。
We find that it is not a one plus one equals two thing. Too many chefs in the kitchen, if you have two L twos on a team, they are not necessarily as good as just an L two, a few L ones, some L zeros.
—— Mike Lewis · [31:38]

每当我与 AI 团队交谈时，感觉他们想构建的是智能体。他们想构建的是工具。但如果你真的走进公司内部去看那些工作，他们没在想 AI。他们在想眼前这个具体的问题。
Whenever I talk to AI teams, it feels like what they want to build is agents. What they want to build is tools. But if you actually go look inside of the work at companies, they don’t, they’re not thinking about AI. They’re thinking about this particular problem in front of them.
—— Mike Lewis · [37:39]