由于公司的需求转变，作为研发出身的我，要转变成为AI落地的促进者，这无疑是很大的挑战。但是在去做的过程我，觉得这对于AI落到企业实处来说是特别重要的，经过我们的培训开展，大家也真的开始积极地使用AI了。本篇文章总结了我在今年的AI落地工作中，对于大家意识转变和需求收集上的一些经验和感受。
面临的困惑与初心
AI落地最大的难题，其实不是技术，而是认知共识的缺位。
两个月前，我们在公司内部开展了6场AI培训。我的初衷不是讲技术，也不是做普及，而是做一件更难、更重要的事：拆解AI的能力边界，对齐技术与业务之间的理解，同时发掘真正可落地的场景。当然，也希望推动更多人使用我们部署的本地模型。
早在去年，我们做了一轮关于AI与大数据的公司级需求调研，结果有些令我们为难：真正涉及AI的，仅占不到5%。并非没人想用，而是没人说得清：“它到底能做什么？能为我做什么？”
其实那时我自己也没有明确答案。当时还没有 DeepSeek 这类兼顾性能与成本的模型，“AI落地” 对我而言，也只是个方向，而非路径。讨论常常在两个极端之间摇摆：“AI什么都能做” VS “现在什么都做不了”。
而第一场培训，也确实验证了这些困惑。通知滞后、现场冷清，提问跳得太远，有人一上来就问模型能不能自动比对复杂合同——这让我们一度心里一凉。
但是我也没有失落，因为我知道，要让AI从“被围观”变成“被使用”，靠的不是一场讲座，而是一次次共创的积累。因此，第一场结束后，我和团队就开始调整方向，把内容从信息灌输转向问题引导，重点加入大量业务独有场景、找到入口。
意识到第一关，不是技术，是“掌控感”
首轮培训下来，我意识到一个更深的挑战：AI能否落地的第一道关卡，不取决于技术多强，而在于人有没有“掌控感”。现在，大家都不知道从哪里下手：
不清楚AI能做什么、不能做什么；
梳理不出自己的流程是否能嵌进去；
用了一次不理想，就断言“没用”；
没权限、没机制、没人鼓励，干脆不动；
而一些问题反复出现，听起来像是在“挑战AI”，但更多是认识模糊、期待过高：
“不给联网的模型还有什么用？”“它能准确识别、审核、生成图纸吗？” “它能判断信息是真是假吗？能纠正查找到信息的错误吗？”
但是，这些问题恰恰说明AI大模型已经进入大家视野。因为提问本身就是参与，越期待结果，就越需要对齐认知。这正是培训最有价值的地方。只有当AI不再被视为“遥远、复杂、不可控”，真正的使用才会开始。AI能否落地，前提不在于技术能力，而在于边界是否被感知清晰。
培训技巧：四步走出“围观区”
在6场培训中，我们设计了4步路径，帮助大家从“围观”走向“参与”：
- 拆边界：从模糊期待到清晰预期我们不回避AI的局限，而是用4个实际案例讲清楚它的能力边界。如何向基础模型提问；如何通过RAG接入企业知识；联网搜索能拓展哪些信息；本地模型与外部模型的差异；我最常用的比喻是：“把AI当作一个聪明的新同事”。他逻辑清晰、经验丰富、执行力强，但前提是：你得告诉他目标、给他资料、配合流程、接入工具。关键不是它是否万能，而是我们有没有为它设计好合适的任务。
- 配场景：嵌入真实流程我们尽量为不同部门模拟业务场景，用“抛砖引玉”的方式引导大家从自身流程出发提问。从第二场起，变化就开始显现。大家不再问“它能做什么”，而是问：“工作中有一系列相似问题，如何让它产生记忆，避免重复提问？”到第三场，有人已经能提出3个有步骤、可拆解的落地场景。从“等答案”到“带问题来”，这是最关键的变化。
- 引互动：互动激发共创我们设计了大量开放式演示与答疑。第二场优化开始，就有超过40分钟的自由讨论，三分之二的听众都加入了发言。第五场更是演变成一场“场景争论会”，大家相互启发、补充视角。那一刻我意识到：这已经不只是培训，而是一次认知的共振。
- 建连接：从培训走向共建培训之后，需求开始主动找上门。有人留下来深聊，有人发来问题求解，还有人直接问：“你们能不能帮我们把这个工具做出来？”那一刻我明白：我们做对了。不是因为大家掌握了技术，而是他们开始相信——这个东西，可能真的能帮我。
煽情一下：AI落地，始于人心
有位同事在培训后私下对我说：“我们讲的那些场景，我试了……还有，想问问谁提出来推动AI的？真的很有远见。”
这句话让我很受触动。是有人迈出第一步，才有机会看到更多人跟上来。
更让我确认这种变化正在发生的，是5月底我作为“听众”参加的第七场AI培训。虽然主讲是外部专家，但大家的提问更加具象：“使用什么AI能获取准确的市场数据？”“如何使用AI帮助我分解模糊任务？”“如何快速进行几千条用户数据处理？”那一刻我意识到：我们想唤起的“掌控感”，已经慢慢生出来了。
以上就是培训的经验了，如果大家有面临同样的困惑，欢迎留言讨论
