今年，大家一定反复听到过一句话：“未来不是AI淘汰人，而是‘会使用AI的人淘汰不会使用AI的人’。”但我认为，这句话背后还有一个没有被充分解释的问题——到底什么叫“会使用AI”？

我想借助“AI工具图谱”做一个简单梳理，帮助大家建立对AI能力体系的整体认识。最底层是算力层。AI的发展离不开大量算力支撑，就像工业时代离不开电力一样，算力正在成为新的基础资源。大家接触最多的，是第二层——大语言模型层。无论是ChatGPT、Claude，还是豆包，目前大多数人的AI使用仍然停留在这一层。再往上一层，是AI开发工具层。这一层主要帮助用户构建AI应用，例如过去程序员常用的Cursor，以及今年比较流行的Trae等，都属于AI开发工具。继续向上，就是近年来快速发展的AI Agent（智能体）平台。像OpenClaw、扣子，以及此前广受关注的Manus，都属于帮助用户搭建AI助手的平台。最上层，则是真正与业务场景结合的应用层，包括自动会议纪要、内容生成、企业知识库、AI招聘助手等。

为什么很多人长期停留在大语言模型阶段，却很难真正发挥AI价值？原因在于，如果缺少一定的AI开发基础，上层很多能力其实无法真正被“解锁”。

01 培训人必须面对的三大挑战与能力升级

具体来看，培训人需要重点关注三大变化，这也是未来行业将面临的三项关键挑战。

第一个挑战，是企业组织规模收缩带来的影响。当越来越多企业开始缩减人员规模时，培训部门也很难独善其身，必然会面临新的压力和挑战。第二个挑战，是组织正在加速“去中层化”。AI正在替代越来越多过去由中层管理者完成的工作。例如信息汇总、数据分析、流程跟进、报告整理，以及部分决策支持工作，都正在被AI重新分配。第三个挑战，则是大量标准化培训内容正在被AI重构。过去，知识萃取、课程开发、培训陪练、岗位技能训练等工作，很多依赖人工完成。但只要这些内容具备明确流程和标准，就存在被AI辅助甚至替代的可能。

因此，我认为未来培训领域中高度标准化的工作会逐步减少。真正难以被AI替代的，是判断力、责任担当、系统思考、跨领域整合能力，以及面对复杂、非标准化业务时的决策能力。AI可以提供信息、分析和建议，但最终承担责任、做出判断的仍然是人。这也意味着，未来培训工作的价值不会消失，而是需要进一步升级。我们的重点应该从单纯传递知识，逐渐转向培养那些无法被机器替代的能力。

正因为看到了这些变化，几年前我就开始思考：培训工作一定要主动改变。学习的第一步，就是走出原有舒适区，主动接触过去HR较少涉及的领域，比如AI Coding。我认为，AI Coding就像五线谱对于音乐行业一样。不会五线谱，也可以欣赏音乐，甚至从事相关工作；但如果想进入更高层次的发展，就需要掌握这套基础语言。AI开发能力也是如此。它并不是要求每个人都成为程序员，而是帮助我们打开AI更多能力的一把钥匙。只有理解基本逻辑，我们才能真正知道AI能做什么、不能做什么。

其次，AI能力正在成为组织数字化转型的重要“入场券”。今年，很多企业都在讨论如何推动组织智能化，希望利用AI改造业务流程。如果自己没有任何AI实践经验，那么在参与这些项目时，很难真正参与决策，更容易成为配合执行的人，而不是推动变化的核心力量。只有亲自实践过，才能理解AI的边界在哪里，知道哪些业务适合被AI改造，以及组织应该如何真正落地AI应用。

最后，也是最重要的一点，现在学习AI的门槛已经降到了历史最低。两年前，很多人接触ChatGPT还需要解决网络和工具问题；去年，即使借助AI，也需要具备一定的Python基础，我当时还建议很多HR通过学习Python课程建立基本理解。但今天，情况已经发生了巨大变化。现在，你甚至可以直接把一份业务架构文档交给AI，让它帮助你完成开发和搭建。所以，今天最大的风险已经不是AI太难学，而是当所有门槛都在降低时，如果我们依然迟迟不开始行动，就可能真正错过这一轮能力升级的机会。

02 人人可用、人人可建：进入AI创造时代

之前，一位在外企工作的HR朋友和我聊天。他是文科出身，一直觉得自己这辈子都不可能写代码。后来，我带着他搭建了一些基础能力，让他继续实践。没想到，他很快开发出了一套HRBP 360度反馈报告生成系统。

过去，他们公司的360度反馈流程十分繁琐，每年都需要从内网导出数据、清洗整理，再逐一生成每位员工的反馈报告，整个过程需要花费两周左右。而现在，只需将数据表和预设模板导入系统，就能自动完成全部工作。整个程序仅用了三个小时开发，却节省了两周的重复劳动。这说明，即使没有编程背景，HR同样可以借助AI开发真正服务业务的工具。

另一个案例，是我最近为一家全球化外资企业开发的AI招聘系统。这家企业希望利用AI优化亚太地区招聘流程，但目标并不是“利用AI裁员”，而是“利用AI降本”。过去，他们大量依赖猎头招聘，成本一直较高，而市面上也缺乏能够真正实现自动搜索、筛选和评估简历的成熟产品。造成这一局面的原因主要有三点：一是招聘网站普遍设有验证码、登录验证、数据加密等反爬虫机制，数据获取难度大；二是不同岗位对应不同的搜索策略和评价标准，传统程序很难实现动态调整；三是开发成本高，通常需要前后端、数据库等多个技术团队协作，一套系统往往需要投入十几万甚至几十万元。但借助AI，我用了两周左右便完成了第一版系统，由多个AI智能体协作完成。目前项目已进入第二阶段，不仅支持国内招聘平台，还开始拓展越南、马来西亚等海外市场。

除了智能体，RAG（检索增强生成）也是当前企业应用最广泛的AI技术之一，尤其适用于知识管理。一直以来，企业知识分散在学习平台、内网文档、飞书、钉钉等不同系统中，彼此割裂，传统知识库不仅维护成本高，而且大量会议纪要、项目复盘、业务文档等宝贵经验难以沉淀和复用。RAG正可以解决这一问题。它采用语义检索，而不是简单的关键词匹配，不仅能够整合视频、PPT、PDF、会议纪要等各种形式的资料，还能够基于企业内部知识生成回答，而不是依赖互联网公共信息，使员工获得更加准确、贴近业务的支持。

对于企业来说，建设知识库最重要的两点，一是确保核心数据安全，二是控制开发成本和实施周期。去年，我为一家芯片企业开发类似系统时，由于AI能力尚不成熟，几乎用了两个月时间完成开发；而今年，同样的系统已经可以快速搭建演示版本，正式部署也只需要一个月左右。系统接入企业内部知识平台后，会议纪要、项目复盘、业务文档等内容都可以实时同步，员工随时向AI提问，就能获得基于企业最新知识生成的答案。培训制度、积分规则、报销流程等过去需要人工反复解答的问题，也都可以交由AI完成，大幅提升知识服务效率。过去，企业开发这类系统通常需要投入十几万甚至几十万元采购软件；而今天，AI正在不断降低技术门槛，让HR等业务人员也有机会参与系统建设，甚至独立开发真正解决业务问题的应用。这正是AI带来的重要变化，也是业务人员未来新的能力边界。

除了上述相对复杂的业务系统，还有很多轻量级工具，同样能够显著提升工作效率。例如，每个月大家都要整理周报、人力资源分析、培训积分统计、讲师授课统计等数据。过去，这些工作往往需要花费一两个小时反复整理，而现在，只需上传一两个Excel文件，AI就能自动完成分析并生成报告。掌握基本的AI开发能力后，这类工具通常一个小时左右就能完成。

今年，我还为一家企业开发了数字化管理沙盘。过去，管理沙盘依赖实体教具，不仅运输成本高，课程准备也十分繁琐。数字化之后，学员能力设定、任务卡、管理卡、时间分配、团队排名等环节都可以在线完成，不仅降低了培训组织成本，也让课程能够根据业务需求持续迭代。这些案例说明，AI正在不断降低技术门槛，许多过去必须依赖专业开发团队完成的工作，如今业务人员也能够参与开发和应用。

03 不追求一步到位：先行动，再迭代

去年，我曾带着很多HR学习AI Coding，希望大家尝试亲手开发工具。但我发现，90%以上的人对“写代码”仍然存在心理门槛。于是，今年我开始重新思考：企业AI转型究竟应该如何落地？

如今，越来越多企业已经把AI能力升级列为重点工作。有的由技术部门牵头，有的由IT负责，也有企业成立专门的AI创新团队，同时引入咨询公司、培训机构和软件公司共同推进。但实践下来，我发现，每一种方式都有局限。咨询公司擅长规划，却未必具备落地经验；IT部门能够提供技术平台，却未必真正理解业务场景；培训部门能够提升员工认知，但如果缺少实际工具，也很难真正改变员工的工作方式。

因此，我认为，企业AI转型需要咨询、工具和培训三者协同推进。咨询帮助企业明确方向，找到适合AI改造的业务；工具真正把AI能力交付到员工手中；培训则帮助员工理解、使用并持续应用AI。三者缺一不可。

那么，企业应该从哪里开始？我的建议是，从投入最低、见效最快的小工具开始，例如自动生成分析报告、签到识别、简历筛选、AI猎头、企业知识库等。过去，这类工具往往需要投入几十万元；如今，很多轻量化应用只需几千元就可以完成。如果暂时没有工具预算，也可以先开展AI培训，让员工建立AI意识，再逐步引入实际工具。对于希望推进组织级AI转型的企业，还需要进一步开展组织诊断，评估员工AI认知水平、应用能力以及未来需要重点提升的能力。

所以，我一直建议企业先从一个具体场景开始，先解决员工每天两三个小时的重复劳动，比如报告生成、数据统计、信息搜索等。当管理层真正看到效率提升，再逐步扩大AI应用范围，培养组织的AI能力。事实上，很多这样的项目，预算控制在一万元以内就可以完成。

还有很多人会说：“AI变化太快了，我们再等等。”AI行业有一句话，我特别认同：只要你学得足够慢，很多东西最后都不用学了。这句话有两层含义。第一，AI工具迭代越来越快，很多过去需要学习复杂工具才能完成的工作，如今已经成为基础模型的能力。第二，也是更现实的一层——如果一直等待，最后可能不是不用学，而是已经没有工作需要你去学了。

今年，我给一家MCN机构做培训时，负责人说过一句让我印象很深的话：“我不需要成为行业里最懂AI的人，因为我永远不可能比抖音更懂AI；但我希望比同行更早学会AI，这样就还能多获得一点红利，也还能多保住一口饭吃。”我觉得，这也是企业推进AI转型最重要的心态。

我们不需要一步到位，更不可能一夜之间成为最懂AI的人。AI每天都在发展，我自己也一直在持续学习。真正重要的，不是领先所有人，而是比同行更早迈出第一步。哪怕只是先开发一个每天能帮自己节省两三个小时的小工具，持续实践、持续积累，就能够不断放大AI带来的价值。

04 不会被AI替代的人，都在学习如何驾驭AI

那么，AI到底应该怎么学？我认为，可以从三个层次逐步进阶。

第一，是完成思维方式的转变——从个人贡献者走向AI管理者。在传统领导力发展中，我们经常讲，从个人贡献者成长为团队管理者，关键不是自己把事情做完，而是能够带领团队完成目标。AI时代也是一样，我们需要学会的，不只是使用AI，而是管理AI。

很多人觉得AI不好用，是因为AI生成的内容达不到自己的预期，于是干脆放弃，回到传统的工作方式。但真正的问题，往往不是AI能力不够，而是我们还没有学会如何管理AI。无论是提示词设计、任务拆解，还是工作流程设计，本质上都是在提升驾驭AI的能力。只有不断提高这种能力，才能从过去凡事亲力亲为，逐渐转变为通过AI完成更多工作。

第二，是建立人与AI协作的工作方式。刚才分享的智能体案例中，不同AI分别承担规划、搜索、执行、评估等不同角色，共同完成一项复杂任务。未来，我们不应把AI仅仅当作一个工具，而应把它视为自己的“数字团队”。让AI帮助筛选简历、搜索信息、处理重复流程、分析业务数据，甚至由多个AI智能体协同完成一个完整项目。从“使用AI”，走向“管理AI团队”，将成为未来的重要能力。

第三，是与AI共同进化。随着企业积累越来越多的数据资产，包括培训资料、项目经验、业务案例和知识沉淀，未来完全可以训练属于企业自己的AI模型，让AI基于企业自身知识提供更加精准、更符合业务场景的支持。这不仅能够提升知识利用效率，也将成为企业构建核心竞争力的重要方向。

因此，学习AI，并不是简单学会几个工具，而是不断提升人与AI协作的能力。从管理AI、协同AI，到与AI共同成长，这将成为未来每一位职场人都需要具备的基础能力，也是企业持续提升组织竞争力的重要方向。

作者：吴承远

来源：培训杂志