夜雨聆风说明：这是「AI落地双三角」系列第三篇。
第一篇聊了为什么AI工具试了一堆项目就是落不了地——结论是缺系统，并引出了双三角模型。
第二篇把六个角进行拆解，给到一张可以直接拿来用的应用画布。
本篇的重点：怎么把少数人的AI能力，变成整个组织的肌肉。
这也是双三角里「数据」那个角的深度展开。
本系列是根据一堂双三角课程，进行的学习心得与体会。
一个让老板睡不着的问题
先讲个场景。
A公司有个AI高手。Prompt写得飞起，工作流搭得漂亮，一个人能干三个人的活。老板很满意，给他涨了薪。
然后他跳槽了。
他一走，所有AI能力全带走。他搭的工作流别人不会改，他写的Prompt别人看不懂，他沉淀的「数据包」——等等，好像他根本没沉淀数据包。
团队一夜回到解放前。
B公司呢？每个团队的AI产出都在往一个公共知识库里「存数据」。今天客服部门调出来一个新的异议处理话术，明天销售部门就能用。
结果是：无论人怎么走，能力都不会走。
这两家公司三个月看不出差距，一年后呢？
「数据的资产性最强，它是最后沉淀到组织里的资产。」（关于这个主题，我有三篇文章）
这个提法一直有，但在AI时代，这定会是一个企业发展快慢的分水岭。
HR被低估的三个新角色
AI时代，人力资源到底该干什么？
很多人力资源现在的状态是：被业务部门推着走。业务说「我们要用AI」，HR就组织个培训。业务说「AI产出不行」，HR就再请个外部讲师。
这是被动响应。
真正的机会在三个角色上——
鉴别者：
萃取者：
架构师：
鉴别者：能不能用双三角重新做人才盘点
传统的九宫格人才盘点，两个维度：业绩和潜力。
AI时代得加一个维度：AI协同度。
什么叫AI协同度高？
就是双三角里人的那三个角——审美、体系、创造力——至少有一个是长板。
审美强的人：AI产出一堆，能一眼挑出哪个能用、哪个改一句就能用。
体系强的人：干活的流程拆得清楚，别人接手不迷糊。
创造力强的人：能告诉AI「你试试那个方向」，那个方向AI自己想不到。
这三种人，AI替代不了。反而会被AI放大。
在AI时代，我们必须达成这样一个关键判断：「所有低于AI水平的工作，AI已经吃掉了。剩下的全是AI水平以上的工作。」
HR要做的第一件事，就是帮老板把这条线画清楚——
哪些岗位的人，大部分工作时间在AI线以下？这些岗位，未来三年的编制规划要不要重新想？
哪些人明显在AI线以上，但他们的能力没有被放大？这些人是该给工具、给资源、给新定位的核心对象。
这不是一次性的盘点，是每季度要扫一遍的常规动作。
萃取者：能不能把专家的脑子倒出来
这是三个角色里最重的一个。也是「数据」那个角的解法。
先讲一个亲眼看到的案例。
某公司有个做了八年的资深客服。客户说了什么，一耳朵就能听出是真投诉还是假抱怨。新人处理不了的纠纷，转给她，三句话解决。
公司想做AI客服系统。厂商也找了，技术也搭了。
跑了一个月，AI客服的满意度，不到人工的三分之一。
问题在哪？
不是AI不行。是那个八年资深客服的判断逻辑，全在一个人脑子里。AI拿到的是FAQ文档，是话术库，是标准流程。但没拿到那个「一耳朵听出真假」的判断规则。
这就是数据缺口。
我们在现实中发现：「很多时候AI落地不好，真的不是不会用工具，而是没有那个数据包。必须得把专家的知识做可视化萃取，把审美建出来，把判断规则提取出来，把工作流拆到那个颗粒度，它才可能做出来。」
那萃取到底怎么做 ？我们有专业的现场教学课程，在这里可以提供一个思考框架：
关键四步。
第一步：锁定关键岗位
不是所有岗位都值得萃取。三个标准：业务核心度高、经验依赖度强、人才流失风险大。
Top Sales、资深技术、核心项目经理、王牌客服——这些岗位跑不掉。
第二步：结构化萃取
很多人以为萃取就是让专家「写经验总结」。写出来全是「用心服务」「深度理解客户」这种正确的废话。
真正的萃取，只抓一件事：他在什么情况下，做了什么判断，依据是什么。
访谈的时候三板斧：
「说说最近三个月最棘手的一个案子。从头到尾怎么处理的？」 「中间有几个分叉点？选A不选B，当时怎么想的？」 「如果换成新手，他在哪个分叉点最可能走错？」
问完，拿到的不叫经验总结，叫决策规则。
第三步：打包成AI可用格式
萃取出来的东西，要变成AI能读的格式。不是文章，是结构化条目。
比如销售异议处理：
如果客户说「太贵了」，先判断是真贵还是借口。 判断标准：客户有没有对比过竞品价格？没对比过——是借口。对比过并说出具体型号——是真贵。 真贵：走价值重塑流程。借口：走后置需求挖掘流程。
每一条都是「如果……就……判断标准是……」的结构。AI能读，人能复核，新人能学。
第四步：建更新机制
这是最容易被跳过的一步。
萃取不是一次性项目，是基础设施。
每个月的复盘会，新增的案例、翻车的教训、新总结的判断规则，全部往数据包里存一笔。一次一笔，一年之后，数据包就活了。
（这个活我们擅长，有需求的可以后台私信我）
架构师：能不能搭一个AI时代的团队
鉴别做了，萃取做了。接下来是团队怎么组。
AI时代的团队，不能按老办法搭。
AI时代，一个正在变得稀缺的新角色：AI项目经理。
这个人的特征是什么？
「在宏观战略上足够乐观，在微观执行上足够悲观。」
什么意思？
这种人在公司里可能是什么背景？
不一定是技术出身，也不一定是业务最牛的。
是那种「拼图思维」很强的人——能一眼看出一个AI项目需要凑齐哪几样东西，知道该去找谁要什么，敢跟老板开口说「缺你这块数据，这个项目别启动」。
HR可以做的：
从现有团队里筛出有这种思维的人，不用多，先找一两个。 让他们带一个小型AI项目，用第二篇那张画布从头走一遍。 把他们的经验变成AI项目经理培养案例。
这不是一个培训项目能解决的。是选对人、给战场、攒经验。
一张组织AI健康度月度体检表
个人有画布，组织也得有张表。
每个月花半小时，核心管理团队一起扫一遍：
评完只问三个问题：
最低分是哪个？下个月重点补什么？ 有没有什么「资产」是这个月新增的？ 团队里谁的AI能力进步最快？做对了什么？
一张表加三个问题，月度复盘不超过半小时。但坚持半年，组织的AI水位线会肉眼可见地往上走。
三个最常见的坑
最后说三个在组织层面最容易踩的坑。
坑一：技术驱动。
让IT部门主导AI建设，业务部门旁观。做出来的东西技术很先进，业务用不起来。
解法：
这个顺序不能乱。乱了就是白花钱。
坑二：培训万能。
做一次全员AI培训就觉得完事了。培训结束那天，就是AI使用曲线见顶的那天。
是靠实战、靠萃取、靠一次一次复盘攒出来的。
坑三：一次搞定。
年初建一个知识库，全年不更新。第二年打开一看，全是过期的废数据。
数据资产是活的。每周要喂，每月要理，每季度要翻新。把它当成一个需要持续喂养的系统，而不是一个做完就归档的项目。
写在最后
三篇写完了。
第一篇是框架：双三角。
第二篇是工具，一张画布：怎么诊断、怎么补角、怎么拆解、怎么判断都在这里了。
第三篇是组织在AI时代的进化方向：怎么把个人能力长成组织能力。
最后想说一句话：
AI不会淘汰人，也不会淘汰公司。它淘汰的是那些有框架不建、有数据不存、能萃取不做、每次都从零开始的团队。
反过来，那些踏踏实实把框架立起来、把数据喂进去、把萃取做下去的公司——AI不是来淘汰他们的，是来奖励他们的。
无数企业的发展轨迹证明：「在足够正确的方向上，迭代最快的团队，最终会战胜那些碎片化的、迭代很慢的公司。」
方向对了，慢一点也能到。
【往期推荐】
试了13个AI工具全部吃灰后，我们终于看清了那张底牌：AI落地的分水岭，不是工具，而是系统（二）-双三角是这么用的
试了13个AI工具全部吃灰后，我们终于看清了那张底牌：AI落地的分水岭，不是工具，而是系统
知识库系列（中观规划篇）| 传统知识管理是“三不管”地带，AI让这个尴尬再也藏不住了：一个“三方协同”新模型，重新定义知识管理
