一场40人内部创新实验，也成为X星球实验室企业创新培训业务的首次验证。

下午2点，一家企业总部的约40名员工被告知：接下来的几个小时里，他们原有的部门身份暂时失效。

八个人先被抽签选作“种子”，再通过一场类似 NBA 状元选秀，迅速把现场气氛推高的现场挑人组队，各自重新组成一支五人团队。

他们没有被要求学习某个AI软件，也没有Prompt课程。

任务只有一个：

在120分钟内，找到一个公司尚未真正占领的新机会，并把它变成一个看得见的产品。

120分钟后，所有团队都交出了产品原型。

如果只看表面，这是一场完成度不错的企业AI创新培训。

但真正值得注意的并不是员工在120分钟里做出了多少张海报，而是他们在哪里开始变慢。

答案很一致：

不是不会用AI。

而是不知道如何从一个问题走到一个产品，再从一个产品走到一门生意。

这或许揭示了企业AI培训正在出现的一个重要转折。

当AI工具本身越来越容易获得，真正稀缺的开始变成判断力。

第一波AI培训教人“怎么用”，第二波必须回答“用来做什么”

如果把过去几年企业里的AI学习粗略分成两个阶段，第一阶段的任务相对简单。

企业需要解决的是工具普及：

怎样写Prompt，怎样生成PPT，怎样总结文件，怎样辅助写作，怎样让AI帮助编程，怎样建立一个简单Agent。

这类培训仍然有价值，但它正在迅速变成基础能力。

当越来越多员工已经能够自行调用AI，一个更困难的问题随之出现：

掌握这些工具以后，他们究竟能创造什么新的价值？

当天的现场提供了一个很典型的答案。

活动开始不久，各组讨论就迅速热烈起来。

有人用AI搜索信息，有人让AI分析需求，有人生成产品名称和市场逻辑；也有人一开始坚持手写、面对面讨论，后来随着任务推进，自然开始调用AI。

没有人要求所有团队使用同一种模型。

也没有必要。

AI已经像搜索引擎和办公软件一样进入工作台。

真正的停顿发生在下一步。

一个团队讨论出了大量需求，却还在继续讨论。

导师听了一阵，发现他们没有意识到任务已经发生变化，于是提醒：

“你们现在不是继续讨论问题，而是要开始设计产品。”

类似情况很快在其他团队出现。

这看起来只是一个培训现场的小插曲，却对应着企业创新中一个巨大的断层：

能够识别问题，不等于能够定义产品。

AI可以迅速生成二十种解决方案，但“究竟选择哪一个”，仍然需要人做决定。

真正的瓶颈开始沿着一条链条暴露

从那以后，现场不断出现相似的停顿。

有需求，却没有产品。

有产品概念，却没有原型。

有原型，却没有价格。

有价值描述，却没有投入产出。

于是导师的干预也开始发生变化。

第一次是：

“开始设计产品。”

第二次是：

“不要继续描述，把产品做出来。”

最终所有团队必须把自己的想法压缩在一张A0白纸上。

陌生人不听解释，也应该能够回答：

这是什么？

谁使用？

解决什么问题？

用户怎么用？

为什么值得存在？

AI可以辅助他们完成大量工作，但随着产品越来越具体，现场出现了一个更加明显的问题。

员工很容易说：

“提高效率。”

“降低成本。”

“创造新的用户价值。”

但当问题变成：

提高多少？

减少多少人工？

需要投入多少？

用户愿意支付多少钱？

一年能够产生多少收益？

不少团队再次慢下来。

这可能是整场活动最重要的一幕。

因为生成式AI正在让企业获得一种前所未有的“表达过剩”。

一个产品名称、一份市场报告、一套商业模式、一张精致的效果图，都可以在几分钟内生成。

过去，“把一个想法说得像产品”需要相当高的专业能力。

现在越来越容易。

但这也制造了一个新的风险：

一个没有经过验证的想法，也可以看起来非常像一个成熟产品。

AI降低了制作方案的成本，却没有降低判断方案真假的成本。

这意味着企业AI能力的重点正在发生迁移：

从Prompt能力，转向问题定义；

从内容生成，转向产品判断；

从“AI给了我什么答案”，转向“为什么我要相信这个答案”。

这更像一次微型加速器，而不是一堂培训课

活动进行到中段，现场临时增加了一个原方案里没有的动作。

每组只能留下一名成员。

其他人全部离开自己的桌子，到另外七个团队观察和提问。

被问到的团队不能刻意隐瞒。

几十个人很快在整个空间里流动起来。

有人查看竞争团队正在解决什么问题，有人追问产品逻辑，有人回到自己的桌子以后立即修改方案。

原本相对固定的八个小组，突然变成一个持续交换信息的小型市场。

这段意外增加的环节，后来反而成为最值得保留的部分之一。

因为真实商业世界从来不是：

五个人关起门来讨论两小时，然后宣布自己完成了创新。

企业每天都在观察竞争对手、客户、技术和价格变化，并据此调整自己的选择。

信息流动本身就是创新的一部分。

从这个意义上说，当天下午发生的事情已经不太像传统“企业培训”。

它更接近一个被高度压缩的创业加速器：

寻找机会，

形成团队，

定义需求，

设计产品，

观察竞争，

制造原型，

接受市场选择。

AI只是其中的基础设施。

一个主动缩小产品范围的团队，最后拿到了最高票

下午5点，八个团队的作品进入公开展示。

一个结果让现场颇为意外。

早期有两个团队选择了比较相近的方向。

其中一个方案看起来更完整，市场空间也更大。

另一个团队却在中途主动收缩，把一个宽泛的产品方向改成了更加具体、更加聚焦的小产品。

最后，后者获得了最高票。

这恰好体现了产品世界一个常见、但容易被内部创新团队忽视的事实：

市场并不会因为一个产品想得更宏大就自动选择它。

很多时候，更窄的用户、更具体的痛点、更容易理解的价值，反而更容易获得第一次真实选择。

更加有意思的是，管理层和导师看好的几个项目，并没有全部进入最终TOP3。

这使现场同时出现了两种不同信号：

Expert Signal——专家信号。

以及：

Market Signal——群体选择信号。

两者并不一致。

但这并不是坏事。

专家可能看到了长期价值，而普通用户首先看到的是眼前需求。

群体投票也可能错。

但它至少提供了一种不能被会议桌上的判断替代的证据：

别人到底有没有兴趣。

一个优秀产品如果没有被看见，不能简单抱怨市场不理解它。

产品团队还需要问：

究竟是市场错了，还是我们没有把价值讲清楚？

连“拉票”都变成了产品教育的一部分

原来的规则要求不能拉票。

最后还是有人开始主动争取选票。

甚至出现了并列名次。

从严格的培训流程来看，这似乎是规则被破坏了。

但从商业角度看，它反而让活动变得更加真实。

现实市场里从来不存在一个完全静态、公平、没有传播能力差异的产品评选。

创始人需要说服客户。

销售需要争取订单。

品牌需要被传播。

一个没人愿意主动解释和传播的产品，本身就可能存在问题。

于是一个原本没有被刻意设计的变量出现了：

产品本身的质量，与把产品卖出去的能力，第一次被放在一起。

AI正在放大创造能力，也在放大平庸方案

企业为什么需要这样的训练？

一个容易被忽略的事实是：

AI不仅能够放大优秀人才的能力，也可以放大普通方案。

一个逻辑不够扎实的产品，现在同样可以拥有漂亮的界面、专业的文案、完整的市场分析和令人信服的演示。

于是未来组织可能面对一种新的管理困境：

方案会越来越多，但真正值得做的事情并不会同比增加。

这也是为什么当天培训后半程，导师越来越少回答“AI怎么用”，而越来越频繁地追问：

用户为什么会使用它？

这个方案真的能解决刚才那个问题吗？

投入是多少？

产出是多少？

如果竞争对手提供类似功能怎么办？

这些问题表面上与AI无关。

实际上，它们恰恰是AI时代最重要的问题。

当制作能力被大规模民主化之后，企业的竞争优势会越来越集中在：

谁更早发现真正的问题；

谁能够更准确地理解用户；

谁敢于舍弃看起来很聪明、实际没有价值的方案；

以及谁能够把技术可能性转化为真实的商业结果。

企业AI培训的下半场，可能更像“产品训练”

这也是X星球实验室决定由此正式开启企业创新培训业务的原因。

此前，它的主要实验场包括青少年创新教育、AI编程、真实世界项目以及公共场景创新。

这些看起来完全不同的场景，背后实际上有一套相似的方法：

进入真实世界；

观察问题；

重新定义问题；

创造一个解决方案；

做出原型；

接受现实反馈。

企业只是把最后一层约束变得更严厉。

孩子可以问：

“这个世界还可以怎样？”

企业必须继续问：

“有人会买吗？”

“成本是多少？”

“多久能产生效果？”

“这个问题究竟应该用大模型、Agent、传统软件，还是完全不同的技术解决？”

这也是企业AI培训与大量工具课最根本的区别。

真正专业的AI培训，不应该告诉企业“AI什么都能做”。

恰恰应该帮助企业建立一种越来越重要的能力：

知道AI能做什么，也知道它不能做什么。

企业真正缺的，可能不是更多AI高手

下午六点，活动结束。

桌面上留下的是八个完全不同的产品原型。

它们有的粗糙，有的成熟；有的可能不会再继续，有的值得进一步验证。

但如果把这场活动仅仅评价为“产生了八个创意”，显然低估了它的意义。

它真正进行的是一次组织能力扫描。

当部门边界被暂时拆掉以后：

谁会主动组织团队？

谁能够听懂用户？

谁善于把问题变成产品？

谁只会调用AI，却无法判断答案？

谁能够把一个宏大的方向缩小成可以真正执行的第一步？

谁能够把别人没有注意到的价值讲清楚？

这些能力过去通常隐藏在职位和部门名称下面。

一次真实任务把它们暴露了出来。

这也意味着企业AI培训的目标可能需要重新定义。

第一阶段的问题是：

如何让更多员工学会AI？

下一个阶段的问题则是：

如何让更多懂业务的人，成为能够借助AI创造产品的人？

蒙牛等大型企业正在尝试把一线经验转化为AI工具，而越来越多传统企业也开始面对同一个问题：它们并不缺对AI时代的期待，真正缺的是把自身业务问题转化为可落地AI场景的能力。

因此，企业AI培训真正的下半场，可能并不发生在课堂里。

它发生在产品桌上。

发生在一个业务人员第一次被迫回答：

“不要告诉我AI有多强。告诉我，你到底准备拿它创造什么。”

而这，才是这场40人实验真正开启的东西。