OpenAI 给管理层的 AI 采用五步法
OpenAI 出了一份给管理层的 AI 采用指南，不谈模型、不谈 Agent 架构、不谈供应商选型——直接回答一个问题：为什么你的公司 AI 推不动？
答案很朴素：不是技术不行，是组织没准备好。
几个数字可以感受一下节奏：前沿模型发布频率自 2022 年涨了 5.6x，GPT-3.5 级别成本 18 个月降了 280x，AI 采用速度比桌面互联网快 4x，先行者收入增速达到同业 1.5x。技术在加速，组织跟不上——这才是这份指南想解决的问题。
大多数公司推 AI 的方式是”先找几个场景试试”。问题就在这儿，没人知道公司到底要不要做、做到什么程度、跟自己有什么关系。
OpenAI 的建议说白了就四个字：领导先讲。设一个组织级目标，公开示范怎么用，让各部门跟自己的真实业务连起来。
Moderna CEO 要求员工每天用 ChatGPT 20 次——激不激进可以讨论，但他至少在做一件事：让全公司看到这不是选修课。
把 AI 当创新项目，最终只会停在局部试验。写进 KPI 和日常预期，才会变成工作方式。
第二个坑：发完账号上完课，就觉得”赋能”到位了。
现实是，员工不是不会用 AI，而是不知道怎么用到自己的工作里，也看不到别人已经踩了什么坑、跑通了什么流程。A 组调出来的 prompt、B 组摸出来的工作流、C 组踩过的坑，彼此看不见，每个团队都在重复起步。
有效的做法是让经验可见、可复用：按角色做培训，建 champion 网络让先跑起来的人带后面的，给团队实验时间，把 AI 使用跟绩效挂钩，建一个知识库把成功案例沉淀下来。
San Antonio Spurs 把 AI fluency 从 14% 拉到 85%，关键在把训练嵌进日常工作流，不是单独开课。Notion 靠一次聚焦的 hackathon 做出了后来变成 Notion AI 的原型。两个案例说的是同一件事：经验不扩散，每个团队都在从零开始。
很多公司不缺 AI 点子，缺的是把点子送进生产的通道。工具访问链路太长、数据打不通、审批层层加码，有想法也落不了地。
OpenAI 建议打通数据和工具访问，建简单的项目 intake 流程，设一个能拍板的跨部门 AI council。治理这块它写得很克制，重点在把边界和升级路径说清楚，让大多数低风险尝试能在边界内快速发生。
Estée Lauder 建了集中式 GPT Lab 收集 1000+ 个员工想法再筛选落地，Promega 先放开访问再根据使用情况追加投资。路径不同，思路一样：给 AI 项目一条短链路，别让每个团队自己撞流程墙。
真要按这份指南做，四件事最优先：
- 定一个可衡量的组织级目标。 周活、覆盖率、场景落地数，什么都行，但得能数。
- 培训、champion 和知识库一起设计。 别用统一大课解决所有人的问题，不同岗位面对的 AI 工作流完全不同。
- 补一条项目快车道。 没有 intake 和拍板机制，hackathon 最后只会变成素材库。
- 治理写薄但写清楚。 员工最怕的不是有规则，而是不知道规则是什么。
五步法是表面结构。真正要补的就三样：清晰的组织信号、能扩散的经验系统、从试点到生产的短链路。哪一件没到位，AI 就还是”有人在试”。