1400 人分布在全球 82 国,这家公司怎么让员工学会用 AI
关联
一家全员远程、没有总部的公司,要怎么教会所有人用 AI?
Em Shreve 在 Automattic(WordPress.com 和 Tumblr 背后的公司)负责这件事,她分享的核心经验很简单:只发工具没有用,必须给员工真正的学习时间。
为什么发了工具不等于会用
Automattic 是一家完全分布式的公司,1400 多名员工分散在 82 个国家。
面对 AI 工具的涌现,他们的判断是:把工具发下去,并不会自动带来高质量的学习和工作方式改变 。
员工需要的是真正的时间去学习和实验。
为此他们办起了为期两周的线下沉浸式培训营,把大家聚到一起,一半时间上 workshop,由公司内部的学习发展团队和 AI 团队组织;
另一半时间做真实项目——学员带着自己日常工作里想解决的问题来,比如做一个对自己有用的工具或仪表盘。
MCP 可以理解为让 AI 模型连接外部系统的一套接口方式,课程会教工程师怎么创建它。
课程教什么?从基础一路到自主智能体
工程师版的课程从基础开始:怎么创建技能(skills)、怎么用 MCP,以及负责任地用 AI的思维方式 。
之后进入更深的主题,比如给 Codex 和 Claude 写扩展、跑后台自动化的自主智能体,最后落到应用场景,比如结合 WordPress 的 AI 功能、打造个人助手。
一个现实问题是:AI 变化太快,今天最强的模型下周可能就换了。
所以课程不能写一次就完,必须不断更新,「不能教半年前过时的东西」。
公司还搭了自己的内部 MCP 服务器,叫 Context Automattic,可以快速接入还没有现成支持的工具,并加上自己的治理和可观测层。
学员的项目又反过来扩展这套系统,能力像滚雪球一样复利增长。
45 人一批,年底覆盖 600 名员工
到今年为止,他们已经办了 7 期,每期约 45 人。
目标是年底前让大约 600 人完成培训——约占工程师的三分之二,加上财务、高管团队等非技术部门 。
但培训的意义不止于人数。他们希望每个受训的人都成为公司里的乘数,把知识传播给还没轮到的人。具体做法包括:
- 一个向导计划,识别公司里的顶尖实践者,让他们帮忙继续传播;
- 本地化的 AI 聚会,由结业学员在自己的地区组织,目前世界各地已经办了大约 10 场;
- AI ride-along工作坊——直接演示自己怎么用某个工具干活。因为看到同岗位的人怎么用,比听人讲概念好懂得多 ;
- 一个永远在线的 Slack 求助频道,老学员随时帮新人答疑。
培训结束后,人还在继续成长
他们用调查追踪效果:结业后 72 小时、30 天、90 天各做一次。
有意思的发现是,很多人在结业后的 90 天里仍在继续进步,随着实验时间变多,信心和能力还在增长 。
追踪的指标包括意图性——是不是有意识地、讲究时机地用 AI,而不是把它当聊天机器人;心流——AI 是否真正融入了自己的工作方式;
以及分享——是否把所学传给了别人。
两周里,学员都做出了什么
培训期间诞生的真实项目包括:
- 一个智能体分析系统,用于 WordPress 的电商插件 WooCommerce,可以直接用自然语言问店铺数据并得到答案;
- 一个 Zendesk 连接器,某期学员为客服场景做的,现在已被公司多个团队采用;
- 一个跨工具的技能目录——公司不规定统一用某一款工具,Codex、Claude 都可以用,所以技能目录设计成对所有工具通用,而这个目录本身就出自某期学员之手;
- 一个客服指导工具,用 Claude Code 做的,能在远程协助时高亮屏幕上具体位置,帮客户找到设置项。这个工具的作者不是工程师,而是一位客服人员,培训后觉得自己有能力动手做了 。
本集带走
- 只发工具不会改变工作方式,给员工留出真正的学习和实验时间才是关键。
- 两周沉浸式培训:一半 workshop,一半真实项目,学完就能用。
- AI 课程必须持续更新,否则教的很快就是过时内容。
- 让每个受训者成为乘数:向导计划、本地聚会、同行演示、常开的答疑频道。
- 结业不是终点——调查显示学员在之后 90 天里仍在持续进步。
只把工具交到人们手里,是得不到高质量的学习或工作成果的。你需要给他们真正的学习和实验时间。
Good quality learning or work out of just handing people the tools. You need to give them real time to learn and experiment.
—— Em Shreve · [01:01]
我的演讲到此结束,但我希望大家从中带走的一个要点是:给人们真正的时间去实际实验和学习。
That is the end of my presentation, but the one takeaway that I wanted people to take from this is give people real time to actually experiment and learn.
—— Em Shreve · [14:04]
你不能只是朝他们扔一堆工具,然后指望他们的工作方式发生改变。
You can’t just throw a bunch of tools at them and expect their way of working to change.
—— Em Shreve · [14:18]
顺着「组织与领导力」挖下去
- AI 写代码翻倍之后:Honeycomb 的审查、信任与主人翁意识同概念:Claude、MCP
- Snowflake 内部销售 AI 助手复盘:一百万个问题换来的教训同概念:MCP、技能 (skills)
- Instagram 联合创始人聊 AI 时代怎么「不合常理」地写代码同概念:Claude、Claude Code
换个口味
- 产品经理驾驭 Claude 生态:用五层架构打造专属 AI 幕僚长同概念:Claude、MCP、技能 (skills)、Claude Code
- Anthropic 平台负责人:Claude 平台的「三层蛋糕」与给 token 分工的「策略」同概念:Claude、MCP、技能 (skills)
- 一封邮件睡出一万七千美金:Every 的 Builder Pack 内幕同概念:Claude、Codex、MCP
