AI這么牛，為什么還有這么多人沒用過？

過去兩年，如果只看社交媒體，很容易覺得AI已經無處不在。

網絡上，幾乎每個人都是用AI的一把好手。大家寫代碼、做PPT、生成方案、養(yǎng)龍蝦，或者僅僅只是做一些腦洞大開的影像，總之人人都在用，人人都愛用。

但當我們走進工作一線，情況又不一樣了。

工廠班組長、連鎖門店店長、公司的行政等等，這些真正撐起企業(yè)日常運轉的人，雖然并不排斥AI，但確實沒有把它們用起來過。

原因也很簡單，因為他們不知道從哪開始，試過幾次沒什么進展，就放下了。

之前和幾家制造業(yè)企業(yè)HR聊過，他們也都感覺很困惑，明明很努力地在公司里推行AI，給員工做培訓、買工具、發(fā)Token，但就是很難落地。

這恰恰是AI在企業(yè)里面臨的最大阻力，不是大家不會用，而是不想用。

表面上看，這是執(zhí)行問題。

實際上，這是個很容易被忽略的結構問題，AI沒有均勻平等地觸及到每個人，而是流向了本來就更會用也更愿意使用的人那里。

那些愿意接觸AI的人，本來就更擅長學習和創(chuàng)新。每每出現(xiàn)新工具，他們的態(tài)度和想法都很開放，會多試多想多吸收，所以能很快接納AI，并且投入使用。

反過來，那些更需要AI幫忙的人，比如一線執(zhí)行者、跨部門協(xié)調者、靠經驗吃飯的崗位，他們的工作本身就更加按部就班，因而也更晚被覆蓋到的。

如今市面上確實有很多AI課程、培訓、認證，然而這些東西服務的是“已經在用AI的人”，只能幫忙加速，卻當不了普及工具。

在這樣的背景下，飛書做了一個調整。

2023年起，飛書發(fā)起“效率先鋒”，鼓勵員工分享如何用工具把事情做得更快。這套邏輯在當時是成立的，它回答的是一個非常具體的問題：普通員工，能不能借助工具，把已有的工作做得更高效一些。

這個問題本身沒有過時。直到今天，效率依然是企業(yè)運轉中非常重要的一部分。

但當AI開始更深入地進入工作之后，我們也逐漸意識到，僅僅用“效率”來衡量AI的價值，是不夠的。

原因不在于效率不重要，而在于——它更容易衡量“誰做得更好”，卻不容易反映“有多少人開始使用”。

在實際的組織里，那些更擅長學習新工具的人，往往更早用上AI，也更容易在效率上取得提升。他們的成果更可見，也更容易被當作標桿。

這是一件自然發(fā)生的事情，也沒有問題。

但如果評價體系只停留在這里，就會有一個客觀結果：

AI的價值，更多體現(xiàn)在一部分人身上，而不是擴散到整個組織。

那些一線執(zhí)行者、跨部門協(xié)作者、依賴經驗判斷的崗位，并不是不需要AI，只是他們很難用“效率提升”來證明自己已經開始使用AI。

于是，一部分人在不斷進階，而另一部分人，還停留在“尚未開始”。

這不是能力問題，而是一個更容易被忽略的結構性現(xiàn)象。

也正是在這樣的觀察下，“AI先鋒”出現(xiàn)了。

它并不是要取代“效率先鋒”，而是試圖補上另一塊同樣重要的維度：

如果說“效率先鋒”關注的是——你把事情做得更快了多少，那么“AI先鋒”更關注的是——你有沒有把AI真正帶進自己的工作流。

這里的變化，不是降低標準，而是把“是否開始使用”本身，作為一件值得被看見的事情。

因為在AI這件事上，起點本身就很關鍵。

當一個人開始在日常工作中使用AI——不管是整理文檔、處理數(shù)據(jù)，還是嵌入到流程中做輔助判斷——很多變化會在這個過程中自然發(fā)生，包括效率的提升、方法的改變，甚至工作的重新分配。

換句話說，效率往往是結果，而“用起來”才是起點。

這件事為什么該飛書來做，而不是培訓公司或咨詢機構？

這很好解釋。

任何行為的改變，都得發(fā)生在行為本身發(fā)生的地方。一家培訓公司能教你用AI，但只有飛書能把AI變成你每天打開文檔、表格、開會時，自然就會碰到的東西。

當你在工作中隨時能碰到它、使用它，你自然而然就接納了它。

呂坤對此很有發(fā)言權。他在四維圖新做了20年質量管理，一直有一個心病：公司里那批最資深的審核專家，一旦退休，幾十年積累下來的判斷經驗就跟著帶走了。

他不是沒試過留住這些經驗。整理文檔、做培訓、寫規(guī)范，能想到的都試過，但越做越發(fā)現(xiàn)，很多東西真的寫不清楚。那種“一眼看出這里有問題”的直覺，無法通過文字進行留存。

后來他換了個方向，引入AI，讓它去學習這些判斷邏輯，再通過飛書嵌進一線的審核流程里。效果慢慢出來了，AI開始不只是記錄，而是真的在流程里給出提示和識別。

最終，質量問題的識別效率提升了60%。

那些原本只活在某幾個人腦子里的經驗，第一次變成了組織真正能用的東西。

在雅迪安徽分基地做精益工程的魏云，也有相似的感受。

她面對的是另一種日常消耗：巡檢數(shù)據(jù)散在十幾個系統(tǒng)里，一線班組長想查一個問題，得在好幾個部門之間來回跑，效率低不說，也很容易有錯漏。

不是不能等公司統(tǒng)一搞系統(tǒng)，但太慢了，不知道要等到什么時候。魏云直接用飛書多維表格把數(shù)據(jù)先串起來，把關鍵異常設成自動推送。

數(shù)據(jù)一通，事情就變了。

班組長不用靠等別人的通知，來被動地決定要不要處理問題，系統(tǒng)一提示，就能跑起來。

節(jié)省時間是一方面。更大的變化是，一線開始有了自己判斷和響應的能力。整條工作線也被帶動地活泛起來，大家工作起來也更有干勁了。

還有華熙生物的朱朝冉，學視覺設計出身，沒有任何技術背景。

剛接觸AI那段時間，他抱著一種很淳樸的研究精神，覺得要用AI就得先搞懂AI，然后去啃技術論文，看了幾篇，頭大，于是放棄。

后來他想通了一件事：研究再多，都不如直接用。

整理會議、梳理數(shù)據(jù)、搭智能體，不管要做什么，總之先用起來，再在用的過程里慢慢搞清楚它能做什么、做不到什么、怎樣能做得更好。現(xiàn)在他跟AI合作的方式，更像跟一個隨時在旁邊的同事協(xié)作，而不是操作一個要先考證才能上手的機器。

三個人，三種不同的與AI合作的方式，但有一個共同的地方：沒有一個人是被培訓出來的。他們都是在真實的工作里，被問題推著卷進AI的。

在這些真實的案例里，AI不只是一個被調用的工具。它開始進入流程、參與判斷，甚至在無形中改變了工作的分工方式。

然而，這樣的人仍然是少數(shù)。

一家連鎖零售企業(yè)的區(qū)域督導，每天要跑巡店報告、盯庫存數(shù)據(jù)、排人員班次，光是應付這些就已經夠嗆。他當然聽說過AI，但每次看到提示詞工程、AI助手這些詞，腦子里下意識的反應就只有“這不是我該搞的東西”、“我搞不懂這些”。

后來公司引入了飛書。他沒有專門去學，只是照常做工作。但系統(tǒng)會自動幫他整理數(shù)據(jù)、生成周報、標出異常，提醒他有哪些注意事項。

在他自己都沒意識到的時候，AI改變了他處理事情的方式。

這足以說明一個現(xiàn)實。對很多一線員工來說，“被AI取代”是一個很難放下的心病，但“讓AI幫我搞定一些煩人的事”，卻是完全可以接受的。

這樣看來，AI落地的關鍵，從來不是功能有多強，而是它用什么姿勢進入工作。

很有趣的是，如果直接問員工“你會不會用AI”，十有八九是否定的；但換一種問法，問工作里有哪些重復的事情，希望有人來幫忙，幾乎每個人都能說出來一堆。

這中間的距離，可能就是AI落地過程中最關鍵的那段。

不完全是能力差距，也不只是認知問題，更像是一種還沒完成的遷移，從不得不學習一種新工具，到我用新能力更好完成了工作。

這也是為什么，飛書把重點從“培訓員工使用AI”，轉向“讓員工在工作中自然接觸AI”。

別讓員工覺得自己需要額外學習才能使用AI，而是要把AI嵌入文檔、表格、會議這些高頻場景里，先習慣，再自然地用起來。同時，“AI先鋒”這樣的項目也可以把來自其他企業(yè)的先進實踐經驗匯集成可供參考的路徑，讓后來者不必從零開始。

從“效率先鋒”到“AI先鋒”的變化，某種程度上，也是在回應這個過程，不再只關注誰能做得更好，而開始關注誰已經進入這場變化。

從這樣的視角來看，那些還沒開始的人，也許不是拒絕AI，只是還沒碰到一個足夠低門檻的入口。

在AI時代，真正稀缺的，不是把事情再做快10%的人，而是那些愿意把AI接入自己工作流的人。

因為只有他們，才會推動組織發(fā)生真實的改變。