我几乎试过所有让 AI 在工作中变得实用的方法:新模型、路由器、智能体框架、电子表格插件、Telegram 机器人、iPhone 快捷指令、邮件工作流。让一个人借助 AI 提高效率,结果发现很容易。让整个团队每天都用起来,则是另一个问题,而模型很少是阻碍所在。
真正需要的是思维方式的转变,以及契合团队现有工作方式的工具。
建工厂,而不只是造引擎
更好的模型和更多算力是引擎。它们本身造不出工厂。
在软件领域,我们早已知道工厂就是围绕代码的编排、评审、测试和 CI/CD。知识工作也需要同样的东西,而你要追求的是可用的生产力:
可用的生产力 =
f(visibility, collaboration, transparency, judgment, leverage)
一个工具如果对某个人很出色、对其他人却不可见,那么在大多数这些维度上得分都很低。
思维方式
公开构建。采用是团队运动,人们通过看彼此使用 AI 来学习 AI。如果工作发生在私聊和个人终端里,其他人什么也学不到。当工作发生在共享频道和话题串中时,每个人都能看到提示词、结果和纠正过程,然后加入进来并复用。这篇文章所源自的那份宣言,就是在 Slack 里用语音口述、并在一个话题串中公开实时构建出来的。
把琐事交出去,把判断留下。让 AI 承担可重复的杂活:拉取数字、检查测试邮件、再次搭建同样的电子表格。人在关键时刻做决定。限制不再是人数,而是我们的创造力、雄心和判断力。
现在做实验很便宜。一个概念验证只需几分钟,所以尽管提出比你认为合理的更多要求。一位队友让智能体重新生成某一天的邮件用于对比,然后补充道:“另外,如果能有个 diff 视图就太有帮助了。”一个贪心的要求,而且是最好的那种贪心。把它做出来,从中学习,如果行不通就丢掉。
把行之有效的做法变成规则。当某个实验证明了自己,就把它确定下来:一个脚本、一项检查、一个定时任务。AI 生成的“垃圾”就是这样变成团队可以依赖的健壮代码。
工具
想想人形机器人。人形机器人并不是任何单一任务的最佳机器人。专用机械臂焊接得更好,Roomba 扫地更干净。但它是最好用的通用机器人,因为我们生活的世界是为人类建造的:楼梯、门把手、按手的大小设计的工具。
我们的工作世界由聊天频道、话题串和文档构成。被采用的 AI 工具会被塑造成适配这个世界,在人们已经工作的地方与他们相遇,而不是要求所有人再搬进另一个窗口。
给工作一个形状。一个无休止的聊天无法扩展到团队规模。项目、工作流和话题串让每项任务都有归属,这样人们就能找到它、接手它,并跨越团队边界在其上继续构建。
让集成开箱即用。如果连接一个工具意味着每个人都要走一遍 MCP 认证流程,团队里大多数人根本过不了设置这一步。原生集成(包括 Google Docs)让整个团队一次连接即可,这才是让 AI 在工程之外变得有用的关键。
让安全不再是任何人的作业。如今,把 AI 推广到团队往往意味着要求技术背景较弱的人自己管理密钥。这种设置很容易出问题,也无法扩展。
它通常长这样:
- API 密钥被粘贴进
.env每台笔记本电脑上的文件 - 每个人都自创一套安全习惯
- MCP 服务器跑在 localhost 上,每人一套配置
- 认证悄悄失效,还得找工程师来修
它应该长这样:
- 密钥通过安全表单输入一次,绝不粘贴进聊天
- 智能体在运行时使用凭据,却从来看不到具体值
- 集成集中连接,任何人电脑上都不用跑东西
- 一套共享配置,整个团队继承
脆弱性大大降低,采用起来也容易得多。虽然你不该免除团队理解安全考量的责任,但也不能对大规模下的人类行为抱有天真幻想。
不要强迫做取舍。好的团队工具让你两者兼得:
- 定时自动化以及按需帮助
- 多种模型以及一个使用它们的地方
- 全新的云机器以及你自己的硬件
- 自主性以及在关键时刻有人在环
- 必须正确之处用精确代码以及混乱部分用模型判断
我们用什么
对于我们的团队,Capy一直是最接近那种人形机器人的东西:它生活在 Slack 里,它的集成(包括 Google Docs)确实能用,工作被组织成项目和话题串,安全设置集中处理。我们好几个重复性工作流现在都跑在它上面。这不是唯一的路径,但如果你在为团队挑选 AI 工具,至少要把这些因素看得和基准测试分数一样重。
轮到你了
你的团队日常是怎么用 AI 的?是少数几个高手在用,还是所有人都在用?我尤其想听听那些并非以工程师为主的团队怎么说。