我其实是带着比较明确的问题来的。

因为我本身长期从事企业财务管理工作。这两年，行业里一直在讨论“AI会不会替代财务”，所以我会不断思考：如果AI真的开始进入企业管理流程，我们应该如何面对这样的变化？以及，在这一轮技术变化中，什么样的人会真正具备长期价值。

与此同时，我在工作中也能明显感受到，大量重复性的事务工作仍然占据了团队很多时间，比如数据整理、回款跟踪、经营分析、临时数据支持等。如果团队长期把精力消耗在这些事情上，就很难有时间去思考更重要的管理问题。

所以我特别希望进一步理解：AI到底能不能真正解决这些问题？以及，一个业务管理者应该怎样推动AI在组织中的落地。

所以我来参加AI4Leader，一方面是想理解AI到底能不能解决这些真实工作中的痛点，另一方面也是想站在业务管理者的角度，去思考企业内部的AI落地应该怎么推进。

过去一年，大模型和Agent的发展非常快，很多工具也在快速迭代。我自己本身做研发和架构相关工作，所以会比较关注：这些技术在学校老师的视角里是如何被理解的，和我们在外部看到的行业趋势是否一致；同时，我也希望把自己在技术落地中的一些经验带进训练营，和大家一起讨论真实业务场景中的问题。

后来在和同学们合作的过程中，我逐渐给自己找到了一个定位，更像是一个“翻译者”。很多业务同学并不是没有想法，也不是不理解自己的业务痛点，而是不知道如何把这些痛点拆成AI能够理解、能够执行的流程。我的作用，就是尽量帮助大家把业务语言转化成技术可以承接的结构。

参加课程之后，过去脑海中的很多AI概念，第一次真正被“串联”起来了。

例如Skill、Agent、Memory、工作流等概念，以前其实都听说过，但并不知道它们之间具体是什么关系。直到真正开始做项目之后，我才第一次理解，一个AI系统到底是如何一步一步搭建起来的。

我印象很深的是，晓坤当时给了我一个建议：先不要急着追求复杂功能，而是先把一个具体任务的输入、过程与输出梳理清楚。于是我花了几天时间，把自己工作中的SOP一点点拆出来，再尝试用工具搭建。当我第一次看到流程能够被可视化地跑出来时，感受还是很强烈的。即使当时的结果并不完美，但我至少第一次知道了，应该从哪里开始做AI。

我印象比较深的是，第一节课结束后，很多同学其实还不知道下一步该怎么走。

课堂上会讲很多工具和概念，比如Claude Code、工作流、Agent等，但真正落到每个人自己的业务场景时，大家会发现，问题并不会自动变清楚。所以我后来和子畅讨论时，第一步不是直接选模型，也不是直接上复杂工具，而是先回到业务SOP。

子畅第一次用扣子跑出来的结果，从结果看可能并不好，甚至她觉得可能是0分。但从我的角度看，这一步已经很有价值了。因为业务流程第一次被结构化地沉淀了下来，而且我们也能判断问题出在哪里。

这其实是很重要的变化。以前大家可能会简单地说“AI不好用”，但现在可以进一步分析：到底是模型能力不匹配，是提示词不清楚，还是流程设计本身还不够明确。这个判断能力，本身就是训练营带来的一个重要收获。

对我来说，最大的改变是，我终于知道应该如何真正开始做AI落地。

以前AI对我来说是一个很大的概念，听起来很重要，也知道它会改变工作，但不知道具体从哪里进入。通过这段时间的课程和实践，我开始知道，哪些内容应该放进知识库，哪些内容更适合放进Memory，哪些步骤需要工具调用，整个工作流又应该如何串联起来。

更重要的是，我已经开始把这些东西放回到自己的工作场景里。

现在，我把之前沉淀出来的一部分SOP，做成了几个可以直接使用的页面。只要上传系统导出的文件，就能自动生成数据看板。它还不是一个非常成熟的系统，但已经能够节省我们大量重复性工作的时间。对我来说，这不是一个“课堂Demo”，而是已经开始对工作产生实际帮助。

这件事也让我进一步思考：如果AI能够替代一部分重复性事务，那么团队是不是可以把更多精力投入到真正需要判断、协调和管理的事情上？这也是我在这门课里非常重要的一个收获。

我最大的感受是，这门课把“AI落地”这件事变得更具体了。很多人会觉得，Demo跑通了，就意味着AI落地了。但其实从Demo到真正上线，中间还有很长一段距离。稳定性、效率、安全、成本、模型选择、数据权限、部署方式，这些问题都会在真实业务场景里出现。

我后来给同学们做过一次分享，某种程度上确实是在“泼冷水”。因为现在外部很多AI展示都非常顺畅，好像一个人很快就可以做出一个产品。但真正放到企业场景里，商业化和组织落地都不是那么简单的事情。

AI4Leader有价值的地方在于，它不是只让大家看到一个很漂亮的结果，而是让大家提前进入这些真实问题。你会知道一个项目从Demo走向可用系统，中间到底有哪些坑，也会知道自己接下来应该补哪些能力。

我现在越来越觉得，对我来说，“Leader”甚至比“AI”更重要。

因为AI本质上还是工具。真正重要的是，一个管理者能不能用它去解决组织里的真实问题。我们老板曾经讲过一句话：数据本身不产生价值，只有解决业务问题，数据才会产生价值。我现在对AI也是类似的理解——AI本身不产生价值，只有和业务问题结合起来，它才会真正产生价值。

这门课给我的另一个重要收获，是让我开始思考组织中的AI落地角色。

比如，我现在会和公司信息化团队讨论：数据安全怎么保障？业务部门和信息化部门怎么协同？如果业务部门自己能够写Agent，信息化是不是只需要提供安全可靠的数据接口？对于那些还不清楚自己需求的业务部门，是否需要有人先帮助他们把问题提出来、拆清楚，再转化成AI可以执行的流程？

也是在这个过程中，我提出了一个“AI体验官”的想法。

这个角色不一定是纯技术人员，也不只是业务使用者，而是一个能够理解业务痛点、理解AI基本逻辑，并推动两者结合的人。对我来说，这是这门课带来的一个很重要的成长。它让我不仅知道怎么做一个小工具，也开始思考，如何在组织里推动更多人理解AI、使用AI，并最终让AI真正服务业务。

我很认同子畅提到的“AI体验官”。

现在很多企业其实都在面临类似问题：一方面，管理层希望通过AI实现降本增效；另一方面，技术团队也在积极尝试各种工具。但中间往往缺少一个连接点——谁来把业务问题讲清楚？谁来判断这个需求适不适合用AI做？谁来把技术能力转化成业务可接受的方案？

我觉得，AI4Leader正在培养的，恰恰是这类人。

过去很多人会觉得AI只是技术部门的事情，但现在大家会越来越意识到，真正推动AI落地的人，往往是那些既懂业务痛点，又理解AI流程的人。他们未必需要自己写完整代码，但需要知道问题该如何拆解，知道工具的边界在哪里，也知道如何和技术团队沟通。

所以从这个意义上说，AI4Leader不是简单教大家使用某个工具，而是在帮助大家建立一种新的工作能力。未来，无论是AI4Leader，还是更进一步的AI for Company，我觉得都会和组织转型产生越来越深的关系。