OpenClaw之后,企业AI培训到底该教什么?

有人组织员工学提示词，有人给每个人开通大模型账号，还有人花几天时间演示 AI 写文案、做 PPT、改表格。

培训结束以后，最常见的结果是：现场很热闹，回到工作岗位，几乎没人持续使用。

问题不一定出在员工身上。

更大的问题是，很多企业培训教的是“AI 能做什么”，却没有继续回答三个问题：

• 它应该进入哪一个业务流程？
• 它需要哪些企业资料？
• 它做完以后，谁来审核，结果如何进入下一步？

AI真正的变化，不是更会聊天，而是开始能干活

我最近越来越强烈地感觉到，OpenClaw 出现以后，AI 的使用方式发生了变化。

以前我们更多是在对话框里提问，让 AI 输出一段文字、一份总结或者一个方案。

现在，AI 开始被期待直接处理任务：读取资料、调用工具、更新系统、发送消息、跟进客户，遇到不能确定的情况再交给人处理。

这也是最近企业 AI 产品变化的一个重要方向。

2026 年 7 月，OpenAI 发布了面向企业工作流的 Presence，强调让 AI Agent 连接企业知识和系统，执行获授权的动作，并在需要时升级给人工处理。OpenAI 官方介绍

这说明一个变化：

企业 AI 的竞争重点，正在从“谁能生成更漂亮的文字”，转向“谁能把一段业务流程真正跑起来”。

但这并不意味着企业买一个 Agent 就能完成数字化升级。

如果企业的文件混乱、流程不清楚、权限没有划分，AI 只会更快地把混乱放大。

企业最容易忽略的第一个问题：资料根本没有准备好

一家企业可能有几百份 Word、Excel 和 PDF。

其中有些 PDF 是正常文本，有些 PDF 是扫描件；有些 Excel 记录了项目费用，有些 Excel 只是员工随手建立的临时表格；还有很多资料存在不同版本，文件名也没有统一规则。

这时，企业负责人常常会说：

“把这些资料全部放进知识库，让 AI 帮我们搜索不就行了吗？”

事情没有这么简单。

Word 需要保留标题、段落、表格和版本信息。

Excel 不能只当成文本搜索，涉及金额、数量和日期时，需要真正查询和计算。

扫描 PDF 需要先做 OCR，也就是光学字符识别，还要检查数字、表格和印章遮挡造成的错误。

最后，AI 回答问题时，还必须告诉用户答案来自哪个文件、第几页、哪个工作表，不能只给一个无法追溯的结论。

所以，企业知识库的核心不是“把文件上传进去”，而是：

让资料被正确解析、准确检索、可靠引用，并且始终受到权限控制。

企业最容易忽略的第二个问题：没有先改流程

很多企业一上来就问：“我们要不要做一个 AI 员工？”

更应该先问的是：

“员工现在到底是怎样完成这项工作的？”

比如客户服务流程，可能是：

客户发来问题→ 员工查制度和历史案例→ 判断问题类型→ 回复客户→ 记录处理结果→ 复杂问题交给负责人

如果只是做一个聊天机器人，它可能只能完成“生成回复”这一步。

真正有价值的方案，应该把知识检索、问题分类、回复生成、记录归档和人工升级串起来。

这就是为什么企业 AI 培训不能只教提示词。

员工需要学习的是如何识别任务、拆解流程、设计审核节点，再选择合适的 AI 工具。

微软的企业 Agent 方法也强调，不是所有任务都应该使用 Agent。固定、规则清晰的工作，普通自动化往往更可靠；静态资料问答，知识库检索就够了；只有涉及多步骤判断、多个系统和动态决策时，才更适合使用 Agent。Microsoft AI Agent 业务规划

真正有效的企业 AI 培训，应该怎么做

我认为，企业 AI 培训应该从“课程”升级为“项目训练”。

第一步，先找一个真实且高频的问题

不要一上来规划全公司的 AI 战略。

先找一个同时满足这几个条件的场景：

• 每周都会发生
• 员工觉得麻烦
• 有明确的输入和输出
• 出错后可以人工审核
• 能够比较改造前后的效率

比如资料检索、会议纪要、合同初审、客服回复、客户跟进、报表整理。

第二步，把人工流程完整画出来

不要只问员工“你想不想用 AI”。

应该观察他每天具体做了什么：打开哪些文件，复制哪些内容，在哪些地方反复判断，最后把结果发到哪里。

只有看清完整流程，才知道 AI 应该放在哪一个环节。

第三步，先做一个最小可用版本

以企业资料检索为例，第一版不需要接入几万份文件。

可以先拿 5 个 Word、3 个 Excel、2 个普通 PDF 和 2 个扫描 PDF，准备 30 个真实问题进行测试。

重点检查：

• 找到的是否是正确文件
• 扫描件里的数字是否识别准确
• Excel 的计算结果是否正确
• 是否能返回页码、工作表和原始依据
• 没有答案时，是否会诚实说明

第四步，让真实员工使用，而不是只让技术人员演示

技术人员觉得好用，不等于一线员工愿意使用。

企业应该让真正执行这项工作的员工参与测试，记录他们在哪一步不信任 AI，在哪一步觉得比原来更麻烦。

这些反馈比一次漂亮的现场演示更有价值。

第五步，建立人工审核和效果指标

企业 AI 不能只看“用了多少次”。

至少要记录：

• 处理一件事情需要多长时间
• 人工修改了多少内容
• 错误主要集中在哪些地方
• 是否减少了重复劳动
• 员工是否真的愿意持续使用

微软关于 Agent 成熟度的建议，也强调要在部署前建立基线，再比较上线后的效率、质量、成本和体验变化。Microsoft Agent 成熟度模型

企业真正需要的，不是一次培训，而是一套能力

一次课程只能让员工知道 AI 的存在。

真正的企业赋能，至少包含四层能力：

第一层是员工会使用工具。

第二层是员工能把自己的经验和资料整理出来。

第三层是企业能把知识嵌入流程，让 AI 在合适的节点参与工作。

第四层是企业能够持续测试、复盘和升级，让系统越用越好。

这也是我理解的企业 AI 服务：不是给客户讲一堆概念，不是展示几个看起来很厉害的工具，而是陪客户从一个具体问题开始，把流程真正跑通。

先解决一个资料检索问题，再解决一个重复办公问题；先做一个客服助手，再逐步连接客户系统；先在一个部门试点，再根据结果决定是否推广。

最后

AI 的市场确实会很大，但不是所有 AI 项目都会产生价值。

真正有价值的，不是让企业拥有更多工具，而是让企业少做一些重复劳动，让资料更容易被找到，让经验可以被继承，让员工把时间用在更重要的判断和关系上。

所以，企业 AI 培训最应该教的，不是“如何写出一个更长的提示词”。

而是：

如何发现问题，如何拆解流程，如何整理知识，如何设计人机协作，如何验证结果，以及如何把一次成功变成可以复制的能力。

这才是 AI 从聊天工具走向企业生产力的真正路径。

关于我

我是 WalkTop，来自南京，过去长期深耕网络安全，后来把系统架构、知识结构化和自动化工作流，逐步应用到企业 AI 落地中。

我不太关心“哪个工具最热门”，更关心一件事：AI 能不能真正进入企业的工作流程，帮员工少做重复劳动，让经验变成可以复用的资产。

目前我主要关注企业 AI 培训、知识库搭建、Skill 封装、工作流自动化和长期陪跑升级。

如果你的企业也在使用 AI，却遇到过资料找不到、员工不会用、流程接不上、效果无法衡量的问题，可以先从一个具体场景开始梳理。

比如：

公司里哪一项工作，每周都在重复发生，却一直没有被真正解决？

这个问题，可能就是企业 AI 落地最值得开始的地方。

参考资料

• OpenAI：Introducing OpenAI Presence
• Microsoft Learn：Business plan for AI agents
• Microsoft Learn：Agentic AI maturity model