AI协作的五个层次:我从构建精益辅导工具中学到了什么

阿特·斯莫利

为什么会有这么多浪费和变化？

为什么两个人使用同一个AI模型却得到完全不同的结果？一者带来清晰和洞察;另一种是噪音和挫败感。为什么有人认为科技会取代我们所有的工作，而另一些人却觉得它很糟糕？

经过两年研究和实践，利用大型语言模型（LLM）构建各种网页应用工具，我开始意识到答案不仅仅存在于技术，甚至不仅仅是用户的心态。事情比这更深层次。有些任务适合更全面的自动化，但大多数只能通过有意义的增强。区别取决于人与AI模型如何与这项新技术协作。

随着时间推移，我开始看到合作中几个明显的模式——我现在称之为AI熟练度的五个等级。这些层级代表了个人和组织如何与工具互动，从随意的实验到结构化的整合。大约95%的用户停留在我所称的“第一级”和“第二级”——在聊天框中输入随意问题，得到的效果各异。而规模更小的团队，分别处于3级、4级和5级，通过将AI视为需要改进的过程，而非一个需要被查询的魔法盒子，从而实现了一致且高质量的结果。

作为一个精益思考者，这种变体感觉很熟悉。两个操作员可以操作相同的设备——一个生产优质零件，另一个负责缺陷。问题不仅仅是机器本身。关键在于材料、工具、方法和整个过程。AI也是如此。仅靠工具并不能保证效果;能力、标准和反馈循环同样重要。

V层问题：精益思考者的谜题

当我刚开始尝试LLM时，结果有些不稳定。我观察到的一些专家从业者产生了真正有见地的分析，而像我这样的人——经常使用相同的模型，产出我们简言之称为“浪费”的东西。

技术相同。结果有显著差异。所以，我决定投入更多时间去了解LLMs及其运作方式。在精益模式下，我们不仅仅责怪设备或操作员。我们调查“为什么”。我们研究流程、培训和方法。有点像“去gemba”，但这次全是数字学习。我通过书籍、论文、斯坦福和哈佛的免费课程、在线社区和无尽的实验来学习。随着时间推移，我开始看到一些规律。

AI熟练度的五个等级

为了帮助解释情况，我提出了以下框架。目的是概述AI熟练度的五个层级，以及大多数用户如何与大型语言模型互动，以及你可以期待的输出和质量。我的主要结论是——你使用模型的方式决定了你的结果和对技术的看法。

第一级：原始对话框（95%的用户）

该群体使用大型语言模型（LLM），如OpenAI、Gemini或Claude，通过在ChatGPT或类似工具中输入随意问题。这些回复有时很有帮助，常常很普通，有时还会有幻觉。用户无法控制模型的行为，也不会对结果感到满意。他们可能会给70-80%的评分然后放弃。在这种情况下，用户自然会觉得“AI被过度炒作了”。这仍然和用谷歌、维基百科或Reddit类似。里面有些金块，但你得自己挖。

第二级：基础提示工程

在这个层面，用户发现模型输出的质量很大程度上取决于输入的精准度和清晰度——提问方式和指令的表达方式确实至关重要。这有专门的术语，叫做提示工程和上下文工程。提供必要的背景、分配角色、结构化请求并给模型示例，极大地提升了结果。例如，一个“系统提示词”可能包含两页文本。模型带来的感知结果突然提升到90%的可接受范围或更高。这里的用户开始引导模型，而不是被它摆布。很多人停在这里——对于日常使用来说，这没问题。

第三级：高级设置与参数

在此阶段，用户通过一些基本代码行和特定界面开始与模型互动。换句话说，你已经抛弃了聊天框界面。你现在是在OpenAI API平台或Google Vertex AI网站上。在这里，你可以在编码环境或专用工具中进行实验，调整模型参数以提升创意、一致性或专注度。模型的回答突然变得非常好，常常会改变你对整个AI话题的看法。换句话说，你已经学会了如何把模型当作一个可控系统，而不是一个黑箱。这个层级代表了应用到AI应用中的PDCA，如果你在底层设置中进行实验，会得到更高质量、更有洞察力且在许多情况下令人惊艳的响应。然而，问题是只有大约5%的公众知道如何达到这一水平。我花了将近一年才弄明白。对于普通用户来说，学习曲线仍然太陡峭，尤其是1级或2级。

第四级：带有RAG和工具的自定义应用

在这个层级，你是在构建自己的AI工具。你设计专业界面，整合特定领域知识，并创建检索增强生成（RAG）数据库以提供上下文。编程技能在这里很有帮助，但AI通常能解释如何连接——我就是这样自己摸索出应用的。在这个领域，有非常特定的工具，比如n8n或MCP服务器，也能扩展可能性。根据我的经验，结果非常令人印象深刻，但也非常依赖特定领域，因此传播起来比较困难。这些应用可以自动协助研究、编码、规划、文档和编辑，常常能产生远超我预期的惊人成果。但需要注意的是，只有1%的人口（或更少）能在这个级别与模型互动。这仍然太难导航，只能做我认为非常小众的任务。

第五级：智能系统与微调

在框架的第五层，终端用户可以微调模型，以获得更令人印象深刻的结果。而且可以将“代理人”串联起来，完成某些任务从头到尾。这里的重点转向编排——多智能体系统、微调和自主工作流程。虽然企业解决方案在这一领域不断涌现，但它们极其脆弱、有限且非常针对特定任务。日本有一家名为Sakana AI的公司，成功让代理完成科学方法的所有步骤，并产出期刊级文章。在科技会议上，最引人注目的例子似乎仍然涉及编码、媒体生成，以及我主要会归入销售和市场流程中的任务。但这一领域未来几年可能会迅速发展。

为什么这很重要

在第一级用户常常感到失望，因为结果差异极大，许多人将AI视为炒作。在第二层，用户看到了大型语言模型技术的一些潜力。在3级和4级，用户控制模型行为，整合真实数据并产生一致的高质量结果。在第五级，人们在行政价值流的某些部分协调工作系统。技术相同。不同的方法。不同的结果。

这一不幸的现实解释了为何有人坚持认为AI是“糟糕透顶”，而另一些人则默默构建有用且高影响力的细分系统。这就像买了一台新的CNC机床，却期望它能在没有设置或培训的情况下生产出完美的零件。这根本不会发生。3至5级的极少数用户投入学习、实验和迭代——发现了表面互动之外的可能性。这也是挫折与能力、浪费与价值的区别。

反思与五大经验教训

我属于那种认为狭义AI工具（大型语言模型）短期被过度炒作，但长期可能被低估的那一方。这项技术的影响将与几十年前互联网、网站和谷歌搜索一样重要。我个人并不认为像许多新闻报道中夸大的那样，会有40%白领职位即将一夜之间被裁撤的情况。这些说法似乎来自那些通过销售模特服务获利的人。我完全预料到模型会变强，界面会变简单，学习降低的门槛也会降低。这些模型将随着时间推移渗透到所有与语言相关的任务中，并以深刻的方式“增强”我们的能力。

人类+AI>问题。

随着技术的成熟，情况会改变，但我认为这五条建议在长期来看会经得起考验。

1. 学习投资带来回报

真正的价值需要真正的学习。像任何语言一样，短语手册能带来旅游结果，语法和练习能带来流利度。我不是软件工程师——我在丰田做汽车发动机，不是网页应用。然而，我在几个月内构建了一个3万行的网页应用，配备了安全认证、数据库和API。我是通过请AI做我的教练来学的。模型本身可以教你。但你必须付出时间。

2. 从小处开始，而非大

不要总是从企业级AI战略级别的问题开始。挑一个狭窄且真实的问题，用AI来解决它。刚开始时，做小项目比做大项目学到的更多。我先创建了一个简单的一页拖拽分析工具，然后是一个“5-为什么”根本原因教练“，帮助人们强化思维。精益教育我们要从价值出发，而非技术。一个问题，一个工具，一个实验。

3. 将精益思维应用于AI工作

AI世界最终将面临一个问题：仅靠语言并不等同于增值工作。更多的计算能力并不总是解决办法。更聪明、更简单的设计往往是这样。从问题开始，而不是工具。提问：

我要建立什么价值？
我到底在解决什么问题？
我是在减少浪费，还是制造数字杂乱？

目标优先于技术。价值优先于功能。去Gemba——联系终端用户。确保你构建的东西能带来价值，而不是增加复杂性。

4. 你需要帮助——但比你想象的少

要达到我框架的第3到第4级，指导很有帮助。但你可能需要的外部支持可能比你想象的要少。我大约90%的内容都是通过AI本身作为我的老师——定义问题、诊断错误、反复改进解决方案——学会了我需要的知识。我认为很多技能在工作中也会有同样的表现。AI会增强我们的任务，但不会完全取代它们。这就是放大的体现：AI让人们更有能力，而不是取代他们。

5. 计划多次重建 — PDCA

在学习和涉及AI的项目中，Kaizen将成为你的盟友。你所有的前期版本都会比较粗糙。接受这个事实并为此做好规划。使用PDCA——计划、执行、检查、行动。每个周期都会揭示新的事物。我目前的大多数工具都已经在第六、第七或第八次迭代了。每次重建都带来了关键的教训。期待学习而非完美，你的旅程会更加顺利。

增补，而非替代

两年前，我还是一级怀疑论者，对AI在现实世界中的潜力并不乐观。事后看来，我有点像那个可怜的高尔夫球手，把成绩不好归咎于我的球杆。随着时间推移，我逐步提升等级，逐渐接近标准杆，总体上对大型语言模型在精益和整体工作中的潜力更为乐观。我认为AI可以成为推动知识民主化的强大杠杆，同时也能让某些产品变得更简单、更快、更好。

这里列出的五个层级构成了路线图：

大多数人卡住的地方（Level 1）
改善开始的地方（Level 2）
以及持续创造价值的地方（Level 3、4和5）。

你不必升到5级才能受益。仅仅从一级到二级就能提升你的效果。但了解地形能帮助你看到可能性。

正如精益辅导我们流程和工具同样重要，AI提醒我们，技能和方法同样重要。人类+AI>问题。

工具都准备好了。问题是：我们准备好学会好好使用它们了吗？

开始提升。从小处做起。从今天开始。

国家二级乒乓球运动员；中国机械工程学会认证”工业工程师“,米其林轮胎认证“工业工程师”，艾默生电气认证 “精益倡导者”，亚马逊认证六西格玛黑带（ASAT)，美团认证讲师；国家人社部智能制造教材编委会成员，精益六西格玛委员会专家委员；曾任职星玛电梯中国区IE/PE经理，亚马逊物流中国”亚马逊客户卓越系统“ 项目经理。拥有超过多年的卓越运营机制建设及企业绩效提升实战经验。在价值管理、流程设计与优化、精益六西格玛转型、精益供应链、精益仓储物流，精益服务业,压缩交付周期、减少库存、提高生产效率等方面有丰富的实战经验。

70后黑俊堂-精益/IE/持续改进/运营优化专业公众号，分享精益六西格玛持续改善等相关事情的感悟，做一个知识的生产商。偶尔也会来一发对精益六西格玛之外事情的理解，扫描二维码添加堂主的个人微信号，成为好友。

相关学习资料