ARTICLE · 1257821
运营商选 AI 种子选手,先别问“你会不会用 AI”
智改工程一启动，AI 种子选手名单先报上来。可名单到手那一刻，最该问的不是“谁最会用 AI”，是“谁的业务做得怎么样”。
今年，智改数转在运营商体系里大面积铺开，选 AI 种子选手，成了件急事。
为什么急？有机构做过测算：某运营商里真正具备未来技能的员工，只占一成五左右，是科技公司的一半；软件类岗位占比更是只有 4.8%，跟科技公司差了近四倍。人不够，就得从存量里把“种子选手”挑出来，带着大家往前走。
可挑人这事，最顺手的起手式，往往是先看谁最会用 AI：谁提示词写得溜、谁工具玩得多、谁平时研究得深，谁就先上名单。
这没什么错——如果选这批人，只是为了组织几场分享、做几个演示。
但智改要的不是演示，是把 AI 接进真实业务、做出结果。真冲这个去，第一眼就看错了。
那该怎么挑？一句话先记住：不是给业务、AI、沟通各打个分再相加，而是一层一层往后筛。
这套筛法，我画成了一张图，放在下面。你先扫一眼，就知道我接下来要讲什么——三道关，一关过不了，就先停在那。
图看完了，我们一道关一道关，往下走。
图上的第一关，是业务先过线。为什么先看业务？因为 AI 的使用能力最显眼、最好测，业务判断却难测。可 AI 种子选手迟早要面对真实业务。
我见过一位客经，提示词写得漂亮，方案 PPT 一页比一页惊艳。可真坐下来聊，客户最头疼的环节在哪、这笔单卡在哪个部门、什么算正常什么算异常，他说不太清。结果 AI 帮他做了个更漂亮的方案，却还是没解决客户的问题——只是把“错的方向”做得更快、更好看。
更隐蔽的是，AI 给的答案常常看起来特别完整。这时候，人得能判断哪些能用、哪些必须查、AI 有没有漏掉业务里的限制条件。这些，光会写提示词补不上。
所以第一道门槛，是业务底座：能不能说清工作的最终目标，能不能认出影响结果的关键环节，出了异常能不能定位，面对一个看似合理的答案，能不能判断它符不符合实际。
如果你是管智改的负责人，不妨先问自己一句：我挑出来的这些人，是真懂这摊业务，还是只会让 AI 干活？
过了第一关，图上的第二关，是看 AI 放大率。业务过线了，也不是直接挑业务最强的人，还得看第二个判断：AI 到了他手里，能把他原来的能力放大多少？
同样是业务过硬的人，差别很大。
有人工作方式已经固化。AI 到手，主要用来查资料、写材料、润色文字——原来怎么干，现在还怎么干，只是几个动作快了一点。
还有一类人不一样：业务过线，又习惯拆问题、试新法。一旦懂了 AI 能干什么，就开始重做原来的活——五个步骤能不能缩成两个？原来人工整理几小时的信息，能不能先交 AI 干第一轮？老员工脑子里的经验，能不能整理成规则，让更多人借 AI 用上？
关键的差别，不在“把活干快一点”，在重新想这活该怎么干。
所以一个人现在会多少工具，只说明他此刻的状态；更值得看的是学习速度、拆问题的习惯，以及能不能把新能力接回自己的业务。
图上的第三关，是能不能带动别人。走到这一步，这个人可能已经是个很强的 AI 使用者了，但“种子选手”还有一层组织的含义。
如果一个人用了 AI 每天省两小时，方法却全留在自己电脑里——同事不会用、流程没变化、团队没长出新能力——那说到底，还只是个人提效。
企业培养 AI 种子选手，要的是个人能力往外扩散：愿意把试出来的方法讲给同事听，能把经验整理成模板，能拉着上下游一起调流程；别人不想改时，愿意搞清阻力在哪，再一点点往前推。
这一层，最容易在选人的时候被忽略。面试时大家都爱问“你会不会用”，可真到落地那天，组织真正关心的是：你能不能把一种有效的新方法，变成更多人的工作方式。
种子选手的价值，不在自己快，在让一群人一起快。
把图上的三道关走完，筛法也得跟着换。三层不是三个平行的分数，是一层一层往后筛：
第一轮 · 先考业务让候选人讲一个他真解决过的业务问题：问题是什么、为什么值得解决、关键卡在哪、最后怎么判断方案有效。看的是业务底座。
第二轮 · AI 进真实任务看他把任务拆成什么样、哪些环节交给 AI、哪些坚持人工判断、拿到结果怎么检查修改。看的是放大率。
第三轮 · 翻过往经历看他有没有把方法教给别人、有没有推动过跨团队的事、有没有把一次成功经验沉淀成团队能复用的东西。看的是带动能力。
这么一层层筛下来，找到的就不是“最早开始用 AI 的人”，而是业务站得住、学得快、还能把变化带进组织的人。
所以做 AI 人才盘点，第一张表别先问“他会哪些工具”。先问一句更基础的：这个人原来的业务，做得到底怎么样？
第一步选对了，后面的 AI 培训才是在放大一个值钱的底座；选错了，投再多资源，最后培养出来的，多半只是一批更熟练的 AI 使用者。而智改要的，是把 AI 慢慢变成业务结果的人。
本文仅代表个人观点，系独立思考与判断，供交流学习之用。
