AI PRACTICE / 01

AI 不是额外的一步。\n它应该进入工作流。

这里记录 AI 如何参与真实工作:从读取资料、运行代码到自动检查。每个实践都明确标注成熟度,不把半自动包装成全自动。

AI belongs inside the workflow—with explicit boundaries, human judgment, and verifiable outputs.

01
AI 辅助半自动工作流

AI 企业课程开发工作流

AI-assisted course development

01资料读取
02课题分析
03经验萃取
04课程结构
05课件与题库
06自动检查
原来的问题

课程开发常被切成访谈、结构、课件和题库等孤立任务,资料在不同文件之间反复搬运。

AI 承担

处理文件、提取结构、生成初稿并执行格式与连续性检查。

人保留判断

判断业务场景、学习目标、内容取舍与交付标准。

实际产出

课程设计、逐页文案、题库、课件与可复用的检查规则。

02
已进入实际工作

AI 辅助质量分析与复盘

Quality analysis & review

01数据清理
02缺陷归类
03原因提取
04根因假设
05改进验证
06经验沉淀
原来的问题

问题记录分散、归类口径不一,复盘容易停留在现象描述或泛化的‘加强沟通’。

AI 承担

汇总信息、识别重复模式、辅助提出根因假设与检查证据缺口。

人保留判断

确认因果关系、责任边界、改进成本与是否真正闭环。

实际产出

结构化分析、复盘报告、改进清单和历史问题知识库。

03
持续实践中

AI 辅助项目交付管理

AI-assisted project delivery

01会议输入
02待办提取
03风险识别
04计划同步
05状态汇报
06项目复盘
原来的问题

会议、计划、风险和汇报各自存在,项目经理被迫成为信息搬运工。

AI 承担

整理会议输入、生成可追溯待办、检查遗漏并辅助形成阶段性汇报。

人保留判断

做优先级、资源、风险接受与跨团队承诺等管理决策。

实际产出

连续的项目事实链、可追溯待办、风险台账与复盘材料。

MATURITY

能力边界比能力口号重要

03

文件与信息处理

直接读取、整理和检查真实文件。

03 → 04

当前实践区间

调用工具、运行代码,仍由人触发和判断。

04

工具与自动检查

把重复动作变成可运行、可复核的步骤。