AI落地剛起步，先招人還是先培養人？

企業準備把AI用於日常工作時，討論往往很快落到人員上：招聘一個懂AI的人，還是培養現有員工？

這個問題問早了。

所謂AI落地，是把AI用於一項明確的工作，並在效率、質量或產量上取得可以記錄的結果。剛起步時，企業通常還不知道哪些工作適合使用AI、實際效果如何、後續有多少工作量。事情沒有驗證，崗位職責和考核標準也就無從確定。

此時急着招聘，很可能先增加一項固定成本，隨後再尋找這個崗位應該解決的問題。

更合理的做法是：先由現有團隊完成一個範圍明確的小型試點，記錄實際結果，再決定內部培養、引入外部陪跑，還是招聘專職人員。

會用AI工具，不等於能負責AI落地

不少企業決定使用AI後，會馬上發佈招聘資訊，要求應聘者熟悉大模型、提示詞工程或AI項目。

大模型，是經過大量數據訓練、能夠理解和生成文字等內容的人工智能模型。提示詞工程，則是通過編寫和調整指令，讓AI按照要求完成具體任務。

會使用這些工具當然有價值，但企業需要的並不只是工具操作人員。真正負責AI落地的人，還要理解具體業務，判斷哪些任務適合交給AI，整理所需資料和操作步驟，把工具接入現有流程，並審核最終結果。

這項工作同時涉及業務判斷、流程設計、工具使用和質量管理。一個不瞭解企業業務的新員工，很難在入職後立即獨立承擔。

如果目標不明確、資料沒有準備好、流程尚未理清，業務部門也沒有人配合，那麼即使招到了熟悉AI的人，項目仍可能停留在嘗試階段。

2025年，美國麻省理工學院（MIT）的Project NANDA研究團隊發佈《The GenAI Divide》，中文可理解為《生成式AI鴻溝》。生成式AI，是能夠根據指令生成文字、圖片等內容的人工智能。

研究顯示，超過80%的受訪企業已經嘗試過至少一種AI工具，但只有約5%的定製試點進入生產併產生可以衡量的業務價值。“進入生產”指的是工具已經用於正式業務流程，而不只是完成演示或短期測試。

這組數據説明，嘗試過AI與形成穩定的AI工作能力並不是一回事。安排專人負責，也不能代替目標確認、流程整理和資料準備。

該研究還在訪談樣本中觀察到：企業採購成熟方案並與外部團隊合作時，約67%的項目實現了部署；完全依靠內部團隊從零建設時，約33%的項目實現了部署。這裏比較的是研究樣本中的部署結果，不是適用於所有企業的普遍成功率。不同企業對“成功”的判斷標準也可能不同，兩組數據不能證明合作方式本身決定了項目成敗。

它提供的參考是：起步階段先控制試錯成本、驗證投入方向，通常比先設置崗位、再確定崗位做什麼更穩妥。

用一次試點，把人員需求做清楚

這裏所説的“場景”，是企業準備使用AI完成的一項具體工作；“試點”，是在較小範圍內先做一次，再根據實際數據判斷是否值得繼續投入。

適合作為起步試點的工作，通常具備四個條件：已有資料可以直接使用，操作流程相對穩定，能夠在較短時間內看到結果，而且效果可以用數據判斷。

營銷內容生產經常適合作為起步試點。原因很具體：內容數量、製作時間和修改次數容易記錄；試點通常不需要先改造企業的核心繫統；方法得到驗證後，也便於複製到其他崗位。

企業可以按以下步驟推進：

1. 盤點現有團隊，確認誰熟悉業務、誰有AI工具使用基礎，以及哪些工作包含較多重複操作。
2. 從中選擇一項目標明確的工作，暫時不要同時啓動多個方向。
3. 提前確定記錄指標，例如單位時間的內容產量、單條內容的製作時間和返工次數。
4. 完成試點後進行復盤，也就是把實際數據與原定目標逐項對照，找出有效做法和存在的問題。

有了這些結果，企業才能準確回答三個與招聘有關的問題：

• 這項工作是否值得持續投入？
• 後續工作量能否支撐一個專職崗位？
• 企業需要的是技術開發、流程運營，還是同時理解業務和AI應用的人？

這些問題沒有答案，招聘要求就很難寫準確。

三種配人方式，適合不同階段

試點有了結果，企業通常有三種選擇：培養現有員工、引入外部陪跑，或者招聘專職人員。

外部陪跑，是由有相關經驗的外部團隊參與實際項目，協助企業選擇具體工作、設計流程、配置工具並檢查結果。企業內部人員也要參與，以便掌握後續操作方法。

配人方式	更適合的情況	需要注意的問題
內部培養	團隊中已有熟悉業務、願意持續學習的員工，試點也已得到初步驗證	培養需要時間；如果缺少後續實踐、結果檢查和工具支持，培訓中學到的方法很難持續使用
外部陪跑	企業有執行人員，但缺少方法、流程設計和實操經驗，希望儘快判斷一項工作是否適合使用AI	雙方需要提前約定試點目標、實際成果和企業內部人員的參與方式
專職招聘	試點已經完成，工作規模足以支持長期崗位，職責和考核指標也已明確	同時熟悉AI和業務的人才較少；如果招聘人員長期脱離業務，崗位很難取得預期結果

企業可以分階段組合使用這三種方式。例如，先讓現有員工與外部團隊共同完成試點，保留方法、流程和資料；等工作範圍擴大、任務量穩定後，再設置長期崗位。

這個崗位可以是企業內部的AI運營負責人。他的職責不是單純研究工具，而是持續確定適合使用AI的工作，整理操作流程，維護業務資料，協調相關人員，並對AI產出的質量和效率負責。

培訓有沒有用，要看最後留下了什麼

不少企業組織過AI培訓，但幾個月後，員工又回到原來的工作方式。問題往往不在課程本身，而在於培訓結束後，沒有繼續配置工具、安排實際任務、檢查使用結果，也沒有明確長期負責人。

一次課程可以幫助員工瞭解工具，卻不能自動改變日常工作流程。判斷企業是否真正具備AI應用能力，要看項目結束後有沒有留下三類成果：

• 一套可以執行的標準操作流程，明確每一步由誰完成、使用什麼資料、如何操作以及怎樣驗收；
• 可以重複使用的知識庫和文風庫。知識庫是整理後供員工和AI查詢的業務資料，文風庫是用於統一寫作表達的範例和規則；
• 能夠獨立操作工具、判斷結果並繼續改進流程的內部負責人。

如果項目結束後只剩下幾份課件，沒有明確流程、可複用資料和實際負責人，就不能認為能力已經留在企業內部。

企業選擇外部服務時，也要分清對方是在代替團隊完成一次任務，還是在完成任務的同時教會團隊。前者解決短期產出，後者還要讓內部人員掌握繼續運行的方法。上述三類成果，可以直接作為合作的驗收內容。

三個容易影響人員決策的誤區

誤區一：AI項目沒有進展，是因為沒招到合適的人

人員可能是原因之一，但招聘無法替企業確定目標、準備資料、整理流程，也不能代替業務部門參與。試點所需的基本條件沒有準備好，繼續招聘未必能解決問題。

誤區二：全員參加培訓，組織就具備了AI能力

參加人數和課程數量不能證明AI已經進入日常工作。判斷培訓是否有效，應當檢查有沒有形成實際流程、可複用資料和能夠獨立負責的內部人員。

誤區三：招聘AI人才，就是用AI減少人員

更合理的分工，是由AI承擔部分重複執行工作，由人負責設定目標、判斷結果、審核質量和處理複雜決策。一個熟練使用AI工具的崗位，可能承擔過去需要多人完成的工作量，但具體能提升多少，取決於團隊基礎、任務類型和工作複雜度，不能套用固定倍數。

做決定前，先回答四個問題

1. 企業是否已經完成一個結果可以衡量的AI試點？
2. 現有團隊中，是否有人熟悉業務，並願意持續承擔學習和實踐責任？
3. 試點結束後，工作規模是否足以支持一個長期專職崗位？
4. 無論採用哪種方式，項目能否留下操作流程、業務資料和具備實操能力的內部人員？

第一個問題還沒有答案，就先驗證一項具體工作；試點有效，團隊中也有合適的業務人員，可以繼續內部培養；企業有執行人員但缺少方法，可以引入外部陪跑；工作量穩定、職責和考核指標明確以後，再考慮專職招聘。

先把一項工作做成並算清效果，企業才知道應該培養誰、藉助誰，或者招聘誰。人員方案應當由已經得到驗證的業務需求決定。