乐于分享
好东西不私藏

AI转型的断层:业务和技术之间,缺一个“翻译”

AI转型的断层:业务和技术之间,缺一个“翻译”

原创不易,点赞、推荐、关注,您的支持是我创作最大动力
周日去老东家(某新能源车企),参加了一场质量团队的AI转型研讨。
现场有个挺典型的矛盾:
业务搞不懂AI能帮自己做什么,技术不理解业务到底想要什么。
质量工程师知道”良率波动很头疼”,但说不清楚——是哪个参数、在什么时间窗口、偏离多少才算异常。
算法工程师知道模型精度和召回率,但搞不懂产线上哪几个数据点才是真正的关键信号。
两边说的都是对的。
就是搭不上。
这不是一家的问题。我去过的很多打算AI转型的公司,几乎都在同一个地方卡住。
业务和技术之间,有一层翻译的断层
01
🔍 Palantir的解法
早年间,Palantir就遇到了类似的困境。
他们的客户是政府、情报机构、国防部门,业务极其复杂,客户自己都说不清楚”要什么”。
于是他们创造了两个角色:
Forward Deployed Engineer(FDE),以及更偏业务侧的 Echo
FDE不写核心代码,也不只出报告。他们扎进客户的一线,听懂真实的痛点,再把这些问题翻译成技术平台能解决的形态。
Echo则更像一个双语者。他们不需要深耕代码,但需要极强的业务理解力和抽象能力——能跟高管对话,也能跟工程师协作。
他们负责回答两个问题:
业务到底需要什么?
技术应该/可以解决什么?
这两个角色的本质,是桥接
02
🌉 桥接者的稀缺性
这种”桥接”的工作,比单纯的编程或业务经验都更稀缺。
因为它是跨语言、跨思维框架的。
需要极强的抽象能力。
你需要听懂质量工程师说的”良率波动”背后,是”什么时候、哪个参数、超出什么阈值”。
然后要绘制出开发愿景。
并转译给算法工程师:”我需要一个能对某条产线的五个关键参数做实时监控、当三个参数同时偏离历史基线时发出预警的模型。”
再回头确认:”如果提前6小时预警,对你们意味着能做什么?”
最终还要把产品应用于业务场景——这也相当于一次变革,变革手法很重要。
过去一年,我一直在不同场景里尝试做这种翻译。
03
🧪 三个翻译案例
📊 销售场景:从”写周报”到”预测成交”
很多公司还在给销售配AI写周报,但我看到的是:销售缺的不是文笔,而是知道该跟进谁
我设计了业绩倍增助理的四大愿景。其中“预测成交时机”已经落地——从行为数据识别价格敏感信号,自动推荐话术和跟进策略。其他三个愿景(销售驾驶舱、智能教练、团队仪表盘)还在产品化过程中。
这是把”提高转化率”翻译成”数据信号识别”。
🏢 组织效能:从”凭感觉”到”有数据”
HR被问”这人能不能裁”时,往往给不出依据。
我设计了OrgLens组织效能平台的框架,把流程、网络、会议数据打通,不是为了做报表,而是让HR能说出:”根据协作网络分析,裁掉这个人会导致三个关键项目延期。”
这是把”管理直觉”翻译成”结构化证据”。
👋 新员工融入:从”填表”到”找对人”
新人入职焦虑的不是流程,而是”遇到问题该问谁”。
我正在设计智能融入平台,让试用期新人在第三周就能找到对的人问问题,而不是第六个月还在”不好意思打扰别人”中瞎猜。
这是把”组织隐性知识”翻译成”可触达的关系网络”。
04
🃏 一张卡牌,启动对话
但这些工作的起点,都不是技术。
而是那张翻译的单子——业务写下痛点,技术找到对应的能力,中间那个人确保他们说的是同一件事。
为了降低这张单子的门槛,我设计了一套AI卡牌
把AI能做的事分成了七个类别:识别之眼(看)、预测之脑(猜)、生成之手(写)、匹配之心(找)、执行之腿(干)、决策之盾(比)、增强模组(附魔)
用法很简单:业务同事写下”每天最痛苦的半小时”,技术同事翻卡牌,找到能对上的那张,问”你看这个能不能帮到你?”
它不解决技术难题。它解决的是第一轮对话的启动成本
以上就是一点心得。
如果你也卡在业务和技术之间,缺的不是更牛的算法,而是一个能翻译的人。
卡牌PDF我整理好了。
加微信 RockyJ_J,备注“卡牌”,我发给你。
不卖课,不套路。就是一份能用的工具。
顺便聊聊你团队的断层在哪——如果上面提到的销售预测、组织效能诊断或新员工融入,恰好也是你需要的,我们也可以聊聊怎么落地。
本文作者姜振宇
十三年组织与人才发展实战经验,韧性与敏捷型组织转型操盘手,历经咨询、地产、互联网、新能源汽车、新式茶饮行业。