团队 AI 素养分层：不同岗位该会到什么程度

某公司 HR 花了三个月，给全公司 200 人做了一轮 AI 通识培训。课程内容是：什么是大语言模型、提示词的基本结构、AI 的局限性。培训结束，人人拿到了结业证书。

三个月后，这位 HR 被问：哪些人把 AI 用起来了？她数了数：技术同学早就在用，课对他们没有新东西；销售同学听完觉得"有意思"，但没有任何场景转化；产品经理说"有帮助"，但实际上只用 AI 偶尔查个资料。真正因为培训改变了工作方式的，大概是里面那十几个本来就有意愿的人——培训只是给他们一个台阶，不是真正的推力。

200 人，三个月，结果只是让有意愿的人更顺理成章地用起来了。这不是培训的错，而是目标设错了。

---

为什么一刀切行不通

大多数公司推 AI 落地，第一个动作是"全员培训"。出发点是好的：让所有人都懂 AI，整体水位就提上来了。问题在于，这个逻辑在实践中根本跑不通。

不同岗位的 AI 使用场景差距太大。 客服和工程师用 AI 做的事完全不一样，前者需要的是"怎么用 AI 快速回复客户"，后者需要的是"怎么把 AI 接进代码生成流程"。一套课讲不了两件事，讲了也各学各的，效率极低。

学了没有对应的使用场景，知识蒸发极快。 全员学提示词技巧，但财务同学一周也不见得用一次，学完就忘，再来一遍还是忘。知识必须在实际使用中固化，没有场景的知识是漏气的桶。

"全员成专家"是个假目标，会耗尽资源。 一个 50 人的公司，如果目标是每个人都会用 Agent、都能写自动化流程，你需要投入的时间和培训成本是天文数字——而且大多数人根本用不上这个程度的能力。精力花错了地方，反而把 AI 落地做成负担。

真正应该问的问题不是"所有人懂多少"，而是：这个岗位，用 AI 做到什么程度，才能让他的工作产生变化？

---

四层素养框架

不同岗位对 AI 的要求不一样，但可以归成四层，层层递进，各有边界。

第一层：全员基线

目标人群：全公司所有人，包括行政、财务、客服等非技术岗。

会到什么程度：

• 能用 AI 辅助日常工作中的文字类任务（写邮件、整理会议纪要、查资料、初稿生成）
• 知道哪些信息不能喂给 AI（客户隐私、合同金额、内部数据——即数据红线）
• 能判断 AI 输出"能不能直接用"，而不是照单全收（不迷信、也不全拒绝）

不需要会的：提示词工程、API 接入、流程自动化。

一句话标准：用 AI 像用搜索引擎一样自然，但多一层判断力。

第二层：业务骨干

目标人群：运营、销售、产品、设计、市场等岗位的核心执行者——每天大量产出内容、数据、分析的人。

会到什么程度：

• 能写出结构完整、有约束的提示词，而不是随手打几个字让 AI 猜
• 能把 AI 嵌进本职岗位的核心流程（比如运营能用 AI 做内容批量生产，销售能用 AI 写跟进邮件和客户摘要）
• 能判断 AI 产出的质量：哪里对、哪里有问题、哪里需要补充人工判断

不需要会的：设计整体流程，不需要会工程化实现，不需要会接 API。

一句话标准：AI 是自己工作流里真实运转的工具，不是偶尔试一试的新鲜东西。

关于如何把提示词写到这个水平，见 团队提示词库：从散乱到统一可复用的落地指南。

第三层：流程负责人 / 管理者

目标人群：部门负责人、项目经理、团队 leader，以及主导 AI 落地推进的人。

会到什么程度：

• 能识别哪些流程适合 AI 改造，能设计改造方案（不需要亲自写代码，但要能和技术对话）
• 能管"数字员工"——知道怎么验收 AI 的输出，知道在哪个节点加人工审核
• 懂 ROI 逻辑：能估算 AI 改造某个流程的时间节约和质量变化，不靠感觉拍板
• 懂基本的 AI 治理原则：数据合规、输出审核机制、权限管理

不需要会的：亲自搭 Agent，亲自接 API。

一句话标准：能在 AI 改造里做决策，而不是把决策全部下放给技术同学。

管理者自身该如何上手，见 管理者为什么必须亲自上手 AI。

第四层：技术岗

目标人群：工程师、算法岗、数据分析、技术产品经理。

会到什么程度：

• 能搭 AI Agent，设计多步骤自动化流程
• 能接工具、接 API，把 AI 能力嵌进公司系统和产品
• 能做工程化封装：不是自己用一次，而是让别人也能稳定复用
• 能评估不同模型和方案的适配性，知道什么场景用什么工具

一句话标准：AI 是技术能力的放大器，而不只是生产力工具。

---

岗位 × 素养分层表

岗位类型	全员基线	业务骨干要求	管理者要求	技术岗要求
行政 / 财务 / 客服	✅ 必须	—	—	—
运营 / 市场 / 销售	✅ 必须	✅ 必须	—	—
产品 / 设计	✅ 必须	✅ 必须	部分适用	—
部门 leader / 项目经理	✅ 必须	✅ 必须	✅ 必须	—
工程师 / 算法 / 数据	✅ 必须	视岗位	—	✅ 必须
AI 落地负责人	✅ 必须	✅ 必须	✅ 必须	视情况

说明：这张表不是绝对的，按团队规模和分工调整。初创团队一个工程师可能同时覆盖第三层和第四层要求，这很正常。关键是：每一层的要求是实际可检验的，不是"有所了解"这种模糊表述。

---

按层做培训：怎么设计才不浪费

先分层，再设计内容

不要先设计课程再想"谁来学"。正确顺序是：

1. 明确每个岗位属于哪一层
2. 每层的培训目标是什么（学完能做到什么具体的事）
3. 每层用什么形式：集中课？实操工坊？师带徒？工具内嵌文档？

全员基线层：集中培训 2—3 小时足够，重点在"数据安全底线"和"基本使用体验"，不需要深讲原理。加上一次"亲手试用"环节，比听课有效十倍。

业务骨干层：集中课 + 实操工坊（1—2 天）。课上讲方法，工坊里用自己岗位的真实任务练习。关键：输出物必须是"一条能用进本职工作的提示词"，不是完成题目交差。

管理者层：最好的培训是"参与一次真实 AI 改造项目的决策"，其次是 2—4 小时的专项工作坊，讲流程设计方法和 ROI 逻辑。不要给管理者讲工具操作，太浪费他们的时间和注意力。

技术岗：通常不需要传统培训，需要的是具体项目实践 + 内部技术分享机制。给他们项目、给他们资源、给他们分享的渠道，他们自己会深挖。

不要求所有层都同期进行

全层同步推进听起来很整齐，实际上容易让资源摊薄、每层都做到六七成。更好的节奏是：先做全员基线（让所有人有基本感知），再重点投入业务骨干层（这层的产出变化最直接可见），最后用管理者层推制度保障。技术岗通常已经在探索，不用等培训，需要的是正式的授权和资源。

---

反面教训

教训一：要求人人都成 AI 专家

某零售公司，AI 落地 KPI 是"全员掌握 5 项 AI 工具使用能力"。考核要求：所有人会写 RAG 流程图、会用 Python 调 API。结果是什么？有人为了过考核找同事代劳；技术同学觉得考核太基础，提不起兴趣；非技术同学花了大量时间学根本用不上的技能，怨声载道。最终 KPI 数字达标，AI 实际落地率几乎为零。

要求太高，反而把人推远了。

教训二：全员只学皮毛，没有人能真正落地

另一家公司走了相反的路：所有人参加同一套 3 小时 AI 通识课，课后调查"满意度很高"，人人都觉得"有帮助"。但六个月后，整个公司里真正把 AI 用进工作流的，只有两三个人——他们是靠自驱力自学深入的，跟培训无关。

学了皮毛，没有对应层次的深化，知识不会转化成行为。 这种培训只满足了管理者"我们做了 AI 培训"的心理需求，对实际落地没有贡献。

两个教训的共同根源：没有按岗位分层，没有对每层设定具体可验证的行为目标。

---

常见问题

公司规模小，只有 10—20 人，还需要分四层吗？

四层是框架，不是强制要分四级组织。10 人公司通常只需要区分两到三类：全员基线（所有人都要）、核心执行者（骨干层要求）、和一两个负责技术实现的人（技术岗要求）。分层的核心不是"分几层"，而是不同人对 AI 的要求是不同的，不能要求所有人学一样深。

业务骨干层的"判断产出质量"怎么考核？

不需要考试，最好的验证方式是：让他用 AI 完成一个真实的本职任务，你看输出他能不能指出哪里有问题、怎么改。能发现问题并且知道怎么修，就达标了。一个人如果把 AI 的错误当成正确产出直接用，说明质量判断能力还不够。

全员基线的"数据红线"怎么讲清楚？

不要讲原理，讲规则。做一张"什么能放进 AI、什么不能放"的清单，贴在团队常用的工具里（飞书文档、企业微信公告）。具体、可操作的清单比抽象的数据安全讲解有效十倍。关于企业 AI 使用的数据边界，可以参考 评估团队 AI 承受度自测表。

管理者说"我不需要懂技术，让技术同学做就好"，怎么说服他？

不用强推。但可以问一个具体问题：如果技术同学告诉你"这个流程要 3 个月才能做好"，你怎么判断这是准确估算还是保守估算？如果你完全不懂，你就没有判断的能力，只能照单全收。管理者不需要会写代码，但要能和技术对话、要能做验收判断，这是第三层素养的核心价值。

---

小结 · 你现在该做什么

• 明白了一刀切培训行不通的三个真实原因：场景差距太大、知识没有场景会蒸发、精力放错地方
• 拿到了四层素养框架：全员基线 / 业务骨干 / 管理者 / 技术岗，每层都有具体可检验的标准
• 有了一张"岗位×素养要求"分层表，可以直接对应自己团队的岗位
• 知道了按层培训的节奏和方法，以及两个反面教训的共同根源

下一步：先看自己团队目前真实处于哪一层——整体基线是否拉齐？骨干层有没有把 AI 嵌进流程？管理者有没有参与过一次真实的 AI 改造决策？可以用 评估团队 AI 承受度自测表 做一次摸底。如果想先了解管理者自己该做到什么程度，见 管理者为什么必须亲自上手 AI。

👉 看看 AI 时代的组织与管理 专栏，或了解 AI 时代管理者认知课。需要定制落地与陪跑，欢迎聊 企业服务。