点燃 AI 革命：25 个加速公司 AI 采纳的最佳策略

在公司内部推动员工采用 AI 需要什么条件？

长期从事产品运营与创作的 Peter Yang 多年来一直在研究、分享并应用 AI 最佳实践，他收到的这个问题比其他任何问题都多。我也是！我们决定合作，为你带来对此日益重要话题的最佳、最深入回答。

Peter 采访了六家快速成长、以 AI 为先的公司的创始人和产品负责人，收集了他们推动员工采用 AI 的所有最佳策略。本文汇编了他们经过实战检验的 25 条 AI 建议，你可以立即在公司实施。

Peter 通过他的时事通讯和 YouTube 频道分享更多实用的 AI 建议。

附言：你现在也可以通过便捷的播客形式收听这些文章：Spotify / Apple / YouTube。

我再也不会在遇到难题时感到孤单。

从总结用户反馈到制定产品策略，拥有一个耐心、见多识广且随时可用的 AI 思考伙伴彻底改变了我的产品工作方式。

但现实是：根据最近一项盖洛普民调 ，只有 8% 的美国工人每天使用 AI。与此同时，那些破解 AI 采用密码的团队正取得惊人成果。例如，Zapier 的销售代表在潜在客户研究上每周节省 10 小时，Ramp 构建了为产品经理提供对任何规格即时反馈的 AI 用户画像，Duolingo 在 AI 的帮助下将 12 年内开发的 100 门课程增至 12 个月内的 150 门课程。

根据我的观察以及与 AI 前沿公司的领导者交谈，我了解到：

在许多公司，员工面临着含糊的人工智能指令、采购瓶颈以及缺乏关于应首先关注的高影响力用例的指导。

在对下面6家走在人工智能前沿的公司领导者进行访谈后，我总结出5个反复出现的步骤，企业可以采取这些步骤来加速人工智能的采纳：

1. 解释如何
2. 跟踪并奖励采用情况
3. 砍掉繁文缛节
4. 把热情者培养成讲师
5. 优先处理高影响力的任务

让我们具体分析这些公司是如何做到的。

1. 解释如何

如果员工不知道这对他们的日常工作实际意味着什么，说“我们以人工智能为先”毫无意义。

成功的公司会提供具体策略 ，供员工和团队采用以达成这些期望。

下面可能的做法如下：

1. 在备忘录中包含具体策略：Shopify CEO Tobi Lütke 在他那篇广为人知的备忘录中，并没有仅仅说“现在使用 AI 是一项基本期望”。相反，他分享了他期望看到的具体做法，例如将 AI 原型制作纳入公司的 GSD（get shit done）流程。
2. 宣布“红色警戒”时刻：Zapier 首席执行官 Wade Foster 在 2023 年 3 月 ChatGPT 推出后宣布进入全员动员状态。随后他分享了一份行动手册 ，并给所有员工放了一周假以便付诸实践。
3. 明确“拥抱人工智能”的含义：Duolingo 首席执行官 Luis von Ahn 将 AI 采用定义为既“让我们的产品更好”，又“赋能员工发挥最佳工作表现”。团队被鼓励将 AI 应用于从加速课程创建到原型设计的所有环节。
4. 深入各个团队：Intercom 首席技术官 Darragh Curran 设立了一个目标 ，即“通过 AI 将生产力提高一倍（2x）”，并随后每月花一周时间深入各个团队，识别并执行实现两倍增长的机会。
5. 以身作则，实时示范： 当产品经理向 Whoop 的产品主管 Hilary Gridley 提出问题时，她会说，“要我当场示范我如何用 AI 解决这个问题吗？”然后她会实时分享她的工作流程。

你不需要担任高管也能推动这一变革。在 Roblox，我经常在 Slack 和一对一交流中分享我最喜欢的 AI 工作流程。我甚至开始在会议中共享屏幕展示 AI 的输出，与队友实时共同解决问题。看到同事通过 AI 节省时间，会极大地激励你自己去尝试。

2. 跟踪并奖励采纳情况

像任何优秀的产品经理一样，你应当将 AI 采纳情况作为输入（谁在使用 AI）和输出（它创造了哪些业务价值）来跟踪。你还应该奖励那些引领变革的员工，以保持势头。

以下是顶级公司如何跟踪并奖励采纳情况：

1. 将 AI 采纳纳入绩效评估：Shopify 要求员工以 1 到 5 分的尺度对同事进行评分，评估他们在多大程度上“自觉使用 AI 工具来改进和增强工作产出”。
2. 按团队公布 AI 使用情况： 在 Ramp，管理层会公布像 Cursor、Claude Code 和 ChatGPT 这类工具的 AI 高度使用者（每周 5 次以上操作）人数。这种透明度在各团队之间形成了自然的问责机制。
3. 跟踪团队特定影响： Zapier 按职能跟踪 AI 采用的影响。例如，在销售方面，当目标线索与营销内容互动时，AI 会自动整理这些信息供客户代表使用——每位代表每周可节省 10 小时。
4. 使用代理指标衡量生产力：Intercom 将合并的拉取请求作为生产力提升的代理指标。他们已经看到来自 AI 辅助开发的“持久性改进（约每年增长 20%）”。
5. 养成每日习惯：Whoop 给员工设立了一个 30 天挑战 ，安排了每次 2 分钟的小任务，并奖励坚持最长时间的人。

关键在于：

同时跟踪领先指标（AI 使用情况）和滞后指标（业务成果），可以把 AI 采用与对团队、企业以及个人职业的实际影响连接起来。把对员工的影响点连成线，你就会看到采用率飙升。

3. 精简繁文缛节

大多数公司对 AI 工具有漫长的审批流程。但他们没有意识到，员工已经在使用 AI，只不过是通过个人账户在使用。

如果不想让员工使用未经批准的人工智能工具，就放宽官僚限制：

1. 建立 AI 学习预算：Duolingo 为每位员工提供 300 美元，用于尝试 AI 工具、课程和订阅。这鼓励持续的实验精神。
2. 指定负责人加速审批：Zapier 指定了一位首席产品经理负责与采购、法律和工程协作，快速推进 AI 工具的审批，消除瓶颈。
3. 给员工留出试验时间：“没有时间”是员工不尝试新 AI 工具的主要原因，因此 Intercom 首席技术官 Darragh 鼓励管理者为员工提供专门时间以提升技能。
4. 提供多种工具选项：Shopify 提供了多种工具的访问权限，包括 Claude、Perplexity、Cohere、Gemini、Cursor、Copilot 和 Claude Code。他们还鼓励员工为不断增长的 AI 提示和代理库做出贡献。
5. 拥抱内部热情： Whoop 允许员工提名他们想试用的工具，比如用于记笔记的 Fireflies 和用于自动化的 Zapier。

如果你在犹豫批准哪些工具，以下是我的个人偏好：

作为员工，即使你不负责采购，也不要害怕为你喜欢的人工智能工具积极呼吁。

4. 将 AI 爱好者培养成讲师

每家公司都有迫不及待想分享所学的 AI 高手。为他们搭建合适的渠道和资源，让他们培训其他同事。

以下是将 AI 爱好者培养成讲师的方法：

1. 开展 AI 学习村：Shopify 在公司活动中举办专门的 AI 培训，设置实践挑战并邀请主题专家。他们推行“公开构建”文化，团队不断共享 AI 实验成果。
2. 举办“AI 周五”活动和展示会：Duolingo 每周五预留两个小时用于 AI 试验和演示。他们还在全员大会上进行“AI 展示和讲解”。
3. 组建 AI 特遣队：Ramp 的跨职能团队识别各部门的首要 AI 自动化需求并构建解决方案。他们还组织产品经理的 AI 外派活动以进行氛围式编码（vibe coding）。
4. 定期举办演示和黑客松：Zapier 举办的现场演示每周吸引超过 60 名员工参与，并且每季度举办黑客松，最佳原型会向领导层展示。
5. 把“帮助他人提升”作为晋升要素： 帮助他人更好地使用 AI 是领导力的重要信号。Whoop 的 Hilary 在审核晋升时会寻找员工如何提高他人 AI 流利度的例子。

以人工智能为导向的文化是一种让员工不仅愿意分享他们做了什么，还愿意分享他们是如何做到的文化。在 Roblox，我们有一个名为“#AI-tips-and-workflows”的 Slack 频道，员工在里面分享从基础提示技巧到周末的 AI 项目等各种内容。

5. 优先处理高影响力任务

大多数公司在采用人工智能时失败，是因为他们试图同时做所有事情。相反，应先找到占用员工最多时间的高频和重复性任务，并用人工智能优先优化这些任务。

以下是以人工智能为先的公司正在关注的任务：

1. 自动化支持分流工作流程： Zapier 构建了一个工作流程，检查 Zendesk 工单并识别已准备好进行销售对话的客户，将客户支持转变为收益推动力。
2. 简化绩效评估准备：Shopify 构建了一个 AI 工具，帮助员工总结反馈并识别优点和需改进的方面。这减少了评审时间并提高了经理与下属讨论的质量。
3. 用 AI 创作内容：Duolingo 通过 AI 重塑了课程内容创建流程，从 12 年内的 100 门课程提升到仅 12 个月内的 150 门课程。产品总监 Cem Kansu 表示：“我们在数小时而不是数周内就为首堂 Duolingo 国际象棋课完成了风格编码。”
4. 构建 AI 人设：Ramp 构建了包含所有用户研究背景的 AI 人设。产品经理现在可以把任何产品规格交给这些人设，立即获得关于遗漏或未考虑到事项的反馈。
5. 授权员工构建内部 AI 工具：Whoop 的 Hilary 团队的一位产品经理构建了一个评估工具，测试在数十种人设类型中提示词的表现是否更好——无需经过工程团队。

在构建内部（以及外部）人工智能工具时，真正实现普及与摆样子之间的分界在于：

我见过太多产品经理在高管面前展示华丽的演示，却在被问及数据和评估时磕磕绊绊（包括一些我自己吃过的教训）。

在展示你的 AI 产品时，你应清晰回答四个问题：你在解决哪个客户问题？AI 是否比非 AI 解决方案更能胜任？你拥有什么真实标注的数据集和评估？你如何为模型失败做好准备？

真正的 AI 采用发生在团队对华而不实的演示持怀疑态度，要求看到 AI 产品背后的严谨性时。当员工开始询问准确率指标、评估框架和故障模式——那时你就知道 AI 的采用是真实的。

下一步该往哪里去

在 AI 采用上取得成功的公司明白，这不仅仅是发布模糊的 AI 指令。他们用详细的策略来解释“如何做”，并跟踪使用情况与影响。他们清除采购障碍，将热情者培养成老师，并通过严谨的评估构建 AI 产品以优化高影响力任务。

目标是让每位员工都能运用人工智能来解决问题。销售、产品或运营中的某个人可能会创造出改变你业务的人工智能工具。

你们公司正在实施哪些策略？我很想在评论中听到你们的成功经验（和失败教训）。