简而言之：Malt内部的AI转型并非始于董事会的战略规划或巨额预算，而是始于五个人，他们看到了别人眼中只有任务却蕴藏的巨大潜力。本文讲述了我们如何凭借这股自发的力量将AI采用率提升至55%，以及为什么这还远远不够。
“有了人工智能，我们就不再需要实习生了。”
你到处都能听到这种说法。但在 Malt，我们发现了截然不同的现实。
经验对于制定策略和做出判断至关重要，但我们注意到，初级员工和实习生往往能最快地接受这些新的工作流程。为什么呢？因为他们不受“我们一直以来的做法”的束缚。
他们无需先摒弃旧方法再学习新方法。他们只需要面对一个问题，拥有一个新工具，以及将二者联系起来的好奇心。
许多组织都倾向于通过公司顶层部门推进人工智能项目，而我们的转型则始于更为自然的过程。这主要得益于一群背景多元的核心技术领导者，他们各自发挥独特优势，共同将人工智能打造成为一项切实可行且具有变革意义的业务资产。
不是我们的战略创造了工作，而是工作创造了战略。
催化剂组合
我们的成功并非归功于某一位天才，而是归功于一个团队，团队成员的多元优势自然融合，共同产生了巨大的影响。
当时的首席数据与人工智能官克莱尔很早就意识到，这并非技术上的更新，而是一次组织架构的变革。她为我们提供了失败的掩护。
数据平台总监阿奈斯专注于“交付”。当其他人都在谈论“颠覆”时，她却将愿景转化为切实有效的试点项目。
Nicolas，机器学习运维工程师，利用业余时间构建了第一个智能体 RAG 系统。他将“如果……岂不是很酷？”变成了“来，试试这个链接。”
数据工程师乔丹证明，如果一个Python脚本只能由三个人运行，那么它就毫无用处。他构建了将大脑（人工智能）与双手（Slack）连接起来的基础设施。
而我本人，是数据项目经理。我的职责是打破信息孤岛，将技术能力转化为业务现实。
这个团队之所以能够蓬勃发展，是因为他们能够本能地划分角色，并充分发挥彼此的优势。克莱尔定义了“为什么”，阿奈斯构建了“如何做”，尼古拉斯证明了“这是可能的”，乔丹构建了“可扩展性”，而我则确保了“推广”。
一切的起源——这个用例
产品知识助手（2024年2月）
每个正在扩张的公司都会面临“知识问题”。
在 Malt，以前要找到某个具体的法律政策或产品详情，就像考古挖掘一样，得花上十分钟，翻遍 Notion 页面、Confluence 文档，还要翻遍埋没在 Slack 讨论串里的帖子。
尼古拉斯构建了一个技术精湛的RAG系统，但它过于复杂，只有技术专家才能使用。乔丹则富有远见地将其移植到Slack平台，使之成为人人都能轻松使用的工具。
我的职责是在此基础上进行规模化发展。我们按角色对响应进行了垂直划分（销售人员和支持人员需要的信息不同），使界面更加直观，并向所有员工开放。
技术架构很简单：借助 Dust.tt，RAG（检索增强生成）将我们的文档连接到对话界面。没什么革命性的。
但效果显著。人们第一次感受到了这些工具的潜力。而且，这些工具的使用也通过 Slack 频道自然而然地传播开来。
从最初的成功出发，我们自然而然地开发出了销售异议处理助手、国际团队翻译工具，并逐步构建了如今我们拥有的庞大专业代理库。每一个新的业务需求都成为了拓展新业务领域的契机，而我们始终遵循着同样行之有效的方法：技术创新、Slack平台的便捷访问以及规模化应用。
以下是该 Slack 频道在短短一年内的发展历程：
涟漪效应
我们最初的成功源于一个意想不到的地方：我们影响了我们自己的员工。数据和产品团队率先接受了我们的理念，并非因为我们强制推行，而是因为他们在日常工作中看到了立竿见影的价值。
最初只有数据团队的五个人参与，但这种现象开始在整个组织内蔓延开来。这并非通过强制规定或培训计划实现的，而是源于一种“良性竞争”。
当市场部看到销售部利用邮件草稿节省了大量时间时，他们也想效仿。当产品部看到客服部实现了自动回复时，他们也开发了自己的助手。当财务部看到运营部简化了报表流程时，他们也开始尝试。
这种自然增长感觉很神奇。没有自上而下的压力，没有变革管理顾问，只有人们看到了价值，并渴望从中受益。
凭借这股势头，我们在不到六个月的时间里实现了 40% 的用户采纳率。
55% 高点
到 2025 年 4 月，也就是 12 个月后，这种魔力消失了。我们的用户采用率达到了 55% 的瓶颈。使用指标趋于平稳。新助手的创建速度也放缓了。
我们分析了事件经过：
创新者（约占公司10%）已经全面采用了所有技术。他们不断创造、试验、突破界限。
早期用户（约占15%）的出现是自然而然的。他们看到了价值，并积极参与其中。
随后，约30%的人接受了劝说。这前半部分人很容易通过现场演示被说服。
但早期大多数（接下来的45%）并没有改变主意。他们提出了一些我们尚未解答的合理问题：
“我已经能高效工作了，为什么还要花时间学习这个？”
“ChatGPT Plus 功能更强大。为什么还要用你们的工具呢？”
“如果明年它就过时了怎么办？”
“这岂不是让我变得可有可无了吗？”
影子人工智能经济应运而生：90% 的员工使用个人人工智能工具（ChatGPT、Claude、Mistral），但只有 55% 的员工信任我们的官方解决方案。
我们吸取了一个惨痛的教训：自下而上的能量可以点燃火焰，但却无法控制火焰的燃烧。
瓶颈教会了我们什么
第一点：自然增长势头有限。
自下而上的力量对早期推广非常有效，但它无法跨越鸿沟，最终被主流市场接受。早期大众需要的是：证据、支持、清晰的价值主张，以及就业前景的答案。
第二点：创新者自身无法扩大规模。
我们五人的核心团队已经人手饱和。五十多位早期用户热情高涨，但在帮助他人方面却缺乏一致性。我们有活力，但缺乏组织架构。
第三点：我们没有正视人们真正的恐惧。
人们并非害怕人工智能，而是害怕：
把时间浪费在粘性差的工具上。
明明有更好的工具，却偏偏使用劣质工具。
投资于无法转移的技能
被取代而不是增强
第四点：我们需要一种新的方法。
自下而上的创新使我们达到了55%的转化率。要达到90%，我们需要自上而下的赋能。不是控制，而是协调；不是强制，而是系统性的支持。
战略转向
克莱尔和阿奈斯决定：我们将通过研讨会来系统化我们的方法。不是通用培训，而是定制化的实践课程，让人们能够为他们的实际工作构建真正的解决方案。
这一决定标志着增长模式从有机增长转向结构化规模扩张。从5个人四处宣传，到50个团队赋能建设者；从被动接受，到主动推动。
推动变革的三大要素
在这个过程中，我们了解到，跨越鸿沟需要三种特定角色协同合作。我们称之为“三明治模式”。
好奇的C级高管
简介：一位资深领导者，视人工智能为根本性变革而非渐进式改进。他负责分配资源，扫清障碍，并为实验提供支持。
克莱尔正是这种精神的体现。她不仅审批预算，还参与研讨会，分享自己的实验经验，并表明这具有重要的战略意义。
优势：设定愿景，提供资源，为变革创造空间。
缺点：与日常工作距离太远，难以直接推动采用。需要其他层级的配合才能执行。
2. 业务领导
简介：一位注重结果、深入了解团队日常工作的管理者。务实、能够将愿景转化为可衡量的现实。
阿奈斯就是个很好的例子。她找到了高价值的应用案例，严谨地记录了成功案例，并让持怀疑态度的人看到了成果。
优势：精通“如何做”，推动实际应用，并能提供可靠的证据。
缺点：容易形成部门壁垒。过于关注团队绩效，而忽略了跨职能协作。
3. AI原生Junior
简介：通常是实习生或初级员工，从小就接触人工智能。他们没有“我们一直以来都是这么做的”这种先入为主的观念，而是以自动化优先的思维方式来解决问题。
我们遇到了好几个这样的系统。它们带来了没人要求的自动化功能，挑战了长期沿用的流程，并暴露了那些已经变得不易察觉的低效之处。
优势：不带偏见的创造力。快速原型制作。挑战现状。
缺点：缺乏组织背景信息。如果没有经理或高管的支持，影响力有限。
为什么这三层都很重要
缺乏执行的愿景终究只是空想。缺乏支持的基层创新终将消亡。缺乏自上而下愿景或自下而上动力的中层管理者，最终会成为阻碍。
当这三者协同合作时，奇迹就会发生：
高管层提供愿景和资源
管理者将愿景转化为团队执行力
年轻一代带来未经雕琢的创新，并挑战既有观念。
这才是跨越鸿沟的方法。不是自上而下的强制命令，也不是自下而上的混乱局面，而是对这三种力量进行结构化的协调。
我们学到了什么
有效的方法：
从实际问题入手（产品知识）
打造一款简单易用、能立即产生价值的产品
让采用通过同伴影响自然传播
识别并培养天然的冠军
哪些方面行不通：
假设有机增长势头能够一路引领我们走向终点
依靠创新者来教授主流知识
没有及早解决就业能力问题
低估了系统性支持的需求
突破性见解：要引发一场革命，你需要有机能量。
要想在公司范围内推广，就需要构建相应的结构。
第一阶段关注的是火花，第二阶段关注的是系统。
接下来会发生什么？
我们曾拥有发展势头，也取得了显著成效。我们的用户采纳率达到了55%，并且拥有一个忠实的拥护者社群。但我们也遇到了瓶颈，存在一些未解的疑虑，而且对于如何获得剩余的45%的用户，也没有明确的途径。
下一阶段需要采取不同的方法：系统性的研讨会、协调的基础设施，以及对棘手问题的坦诚解答。这需要我们承认自身的不足，并为那些并非天生创新者的人建立支持体系。这需要跨越鸿沟。
来源（公众号）：数据驱动智能
