混沌学园 · 组织进化 系列 25

你缺的不是更多 AI 工具，
是一个编了号的同事

FDE 系列第 25 篇 · 认知调剂 · 整理自混沌学园上海分社胡凌的分享

引子：被碎片活淹掉的那个人

一个人手头总有一堆高频但碎的活。每天被它们撕成碎片：对账、周报、线索初筛、待办整理……哪一件单独看都不难，合在一起就把人淹了。

老板说：要不要招个人？

他说：招不到，也养不起。

然后他打开另一个 AI 工具，又把那一堆活重新做了一遍。

问题不在工具不够多。问题在于，那一堆活从来没「属于」过谁——每次都是临时抓一个工具来救火，救完就散了，下一次从头再来。

换个思路：如果那个「人」不占编制、不交社保、24 小时在线，只固定干那一类活呢？

这就是数字专家，和它该有的样子——一个虚拟工位。

一、虚拟工位不是又一个聊天窗口

先说清楚虚拟工位是什么。

给企业里的 AI 数字专家，设定一个专属的虚拟工位：起个名字、配个工位牌，放在真实同事旁边。把岗位里高频重复的待办任务，直接交给这个工位上的「人」。

注意，这不是「再开一个 AI 聊天窗口」。开窗口是临时的、随机的、跟人走的；工位是固定的、有名字的、跟岗位走的。

把 AI 当成一个编了号的同事，比你多开一个聊天窗口管用得多。

区别就在这四个字：编了号。一旦它有了名字和工位，一类活就「固定」给了它——它才接得上经验，长得出资产。不然 AI 永远是你工具箱里又一件趁手的锤子，用完了放回原处。

编了号还有一层好处：责任有了归属。一个没有名字的窗口，干错了你怪工具；一个有了名字的工位，干错了你会去改它的规则——前者是消耗，后者是沉淀。

▲ 一个数字专家工位 = 名字 + 工位牌 + 一份待办，不是又一个聊天入口

二、第一步永远是定义问题，不是搭工具

这是最容易反着来的地方。

很多人一上来就问：这个专家用什么工具搭？提示词怎么写？其实错了顺序。

素材里有一条被反复强调的原则：问题定义不清楚，答案毫无意义。所有数字专家，都从清晰定义岗位核心问题开始——这个岗位最该被解决的，究竟是哪一件事？

招一个数字专家，先别问他能干什么，先问他该解决哪个问题。

为什么顺序这么要紧？因为工具是无限的，问题是具体的。先定问题，工具才有锚点；先选工具，多半会搭出一个「看起来什么都能干、其实哪件都靠不住」的东西。它的工位上第一天该放的，是那个最痛、最高频、最值得被固定的活，而不是你最想炫耀的那项能力。换句话说，工位不是能力的秀场，是问题的收容所。

三、工位上放什么：高频重复待办，不是一次性救火

工位不是垃圾桶，不能什么活都往里丢。

放上工位的，应该是岗位里高频重复的待办——经营数据滚动看板、线索分层、邀约名单筛选这类。判断标准很实在：高频反复出现、判断错了代价大、逻辑能拆成信号与阈值。三条满足，才配进工位。

不该放的是另一类：临时救火的一次性任务、没有标准答案的临场决策、跨部门协调。这些要么不重复，要么每次都不一样，放进工位只会让它越干越乱，反过来污染它积累的规则库。

工位要「专」不要「满」。一个工位只接一类高频、有明确标准的活，比一个工位啥都干，更能长出资产。

反例很常见：有人把周报、对账、客户分诊全塞给同一个专家，美其名曰「全能助理」。结果三类活的标准互相打架，规则库里一会儿按汇报口径、一会儿按财务口径，谁都对不齐。拆成两个工位之后，各自的标准才立得住。这也说明工位不是能力的秀场，是问题的收容所——放进去的，是值得被长期固定的那一个问题。

这也呼应了上一篇讲的逻辑：工位每跑一次，就把这次的判断回流进规则库、错题库、口径库；下一个同类任务直接带起跑线。工位越专，回流越干净，复利越明显。

四、三个自有数字专家：它们怎么长出来的

混沌上海自己先跑了三个数字专家，安全可写，不涉及任何客户：经营分析专家、课程销售专家、营销获客专家。

它们不是被统一设计出来的，是从一个个清晰定义的问题里，逐个长出来的：

1. 经营分析专家
   ，接的是经营数据的滚动看板、异常波动预警、周月季报初稿——高频、口径固定、错了影响决策，最适合沉规则库与口径库；
2. 课程销售专家
   ，接的是线索分层、跟进话术生成、意向判定——重复性强、信号清晰、容错有兜底，适合先沉淀错题库；
3. 营销获客专家
   ，接的是邀约名单筛选、触达文案、回复分诊——量大、节奏密、需对齐口径，适合跑通后规模化复制。

三个专家的起点一模一样：先说清这个岗位最该解决哪个问题，再决定工位上放什么。

我们自己的三个数字专家，不是设计出来的，是从一个个清晰定义的问题里长出来的。

我们之所以先在自己身上跑通这三个，再拿来讲给别人——一是它们不涉及任何客户，写出来没有合规顾虑；二是「自己先用起来」本身就是一个判断：连自己的高频活都沉淀不下来，就没资格教别人怎么沉淀。混沌上海的经验是，自有案例先把坑踩一遍，对外讲的时候才有底气说「这一步我们真干过」。

▲ 混沌自有三个数字专家：起点都是「先定义问题」，再决定工位放什么

五、边界：什么不该放进工位

主动划边界，比多铺工位更重要。

1. 简单问答、信息查询类，不配工位。
   同事打开工具跟 AI 对话写周报，那属于个人提效，用基础 RAG 方案成本更低，不必动用完整的角色结构与资产沉淀。
2. 跨部门协同的复杂活，不配单人工位。
   一级只覆盖单一岗位、不涉及跨部门协同；要跨部门的，得上到双人协同甚至三人团完整闭环，不能拿岗位级方案硬套。
3. 专业级场景不进通用工位。
   图生图、生视频、测绘一类不在一级范围，需要单独立项、配专门技术角色。
4. 问题没定义清楚的，不碰。
   问题定义不清楚，答案毫无意义。先把五步法第一步业务诊断（含基因分析）做扎实，问题写清楚了，再给它配工位。

边界划清楚，工位才跑得完——这和前面每一条线是同一个道理：不划边界，定级也好、配工位也好，最后都会变成一场往上堆数量的竞赛。

▲ 四样东西别硬塞进工位：简单问答 / 跨部门复杂活 / 专业级场景 / 没定义清楚的问题

六、回到引子

那个被碎片活撕碎的人，如果给其中一类活起个名字、配个工位，会发生什么？

头一周，它干活、你复核；一个月后，它开始把判断回流成规则；半年后，那一类活你几乎不用再碰——它成了组织里最不请假、最不难招的那一个同事。

它不占编制，但它在。它跟着岗位走，不跟着人走。

这一步其实很轻：起个名字、拉一份待办、配块工位牌，半天就能开张。难的是后面三个月的回流与对齐——把每一次判断攒回规则库，把每一个坑记进错题库。开张容易，长胖难。

给数字专家一个工位，真正改变的不是你多了个工具，是那一类活终于有了主人。

把方法跑成案例，把案例跑成资产

先给它一个名字，那一类活才有人接

混沌学园 · 组织进化系列 第 25 篇
整理自混沌学园上海分社胡凌的分享 · @照相机先生