后GenAI时代，出现了新的工作方式——“AI优先”，即优先让AI完成其力所能及的工作，让员工可以专注于更复杂的工作。

根据MIT的研究，相较于未采用AI的员工，使用AI的员工工作效率可显著提升40%。AI不仅提升了工作完成速度，还促使工作产出更稳定、更标准。

那么企业应如何向“AI优先”转型呢？

1. 识别 AI 机会 

当我们谈论AI时，一个常见议题是：“AI有哪些应用场景？”

然而对于企业而言，更推荐的做法是从自身出发思考这些问题：“我们当前正在做什么工作？在业务中试图解决什么问题？瓶颈在哪里？”

并非所有工作都是一样重要，我们可以通过划分工作层级，来明确AI工作范围。

试试将日常工作归为以下三类：

- 第一类：可以客观评判对错的工作，例如：回答客户咨询。

- 第二类：需主观评断打分的工作，例如：引导客户下单购买。

- 第三类：需更强判断力、专业能力的创造性工作，例如：客户支持体系建设。

梳理现有工作后，企业通常会发现大量工作归属于前两类，而这恰恰是AI的理想切入点，AI在处理这些相对规则化、标准化的任务时具有显著优势。

有了AI协助完成第一类和第二类工作，员工便能将更多精力聚焦于第三类工作，即那些需要深度专业知识、创新思维和高级决策的领域，从而实现人力资源的高效利用。

2. 找到合适系统

一旦识别出AI协助运营的机会，企业就需要开始构建系统。现实中，许多企业仍在使用一次性的工具，而这些工具往往未能从先前的操作中汲取经验、实现自我优化。

因此，找到那些真正能够自我提升、且企业也能介入改进的系统，是迈向“AI为先”工作方式的关键一步。

首先需要梳理业务流程，以客服售后为例，一个简化后的SOP如下：

1. 客户提问咨询

2. 人工客服在知识库中查找相关知识

3. 找到知识，回复给客户

4. 若未找到知识，向用户收集更多信息，提交工单转给技术部门

我们可以思考其中哪些环节适合AI辅助，从而找到AI介入并承担工作的切入点，这一过程也能帮助企业明确对AI系统的具体要求。

但要让系统不仅只是建立起来，而且要运转良好，还需要做什么呢？——需要将企业的专业知识融入其中。

3. 融入专业知识

我们对所需结果描述得越具体、越完善，在AI应用上取得的成效就越显著。关键在于明确告诉AI希望它做什么，并给AI提供相应的资料，使系统能够不断精进。

以下是几点建议：

1. 给予AI尽可能完备的知识，发现问题及时补充资料

2. 使用结构清晰的知识

3. 提供示例，告知AI预期的输出结果

4. 列出优秀回答应满足的标准和检查清单

4. 人工参与完善

AI项目常因期望过高、现实规划不足而失败。完成前期准备后，我们可能会觉得一切尽在掌握，这种心态很危险，因为期望值过高。很多情况下，AI项目和大多数项目一样，推进过程中总会遇到意料之外的挑战，初期的失望与困难可能是常态。

许多人因此过早断言AI无法胜任这项工作，事实上，我们应调整期望至合理水平，并认识到这一过程需要人工参与。

在AI系统运行初期，企业应安排专人监控AI输出结果，及时反馈并进行调整；随着系统成熟，逐步减少人工干预，但仍须人工审核敏感任务；过程中不断丰富知识库，记录修正案例。通常在几次迭代后，效果会有显著提升。这就是让AI最大程度为我们所用的方法。

以自动驾驶汽车行业的进展为例，他们设定了五个不同的自动化级别，明确展示了对AI的具体期望及考量。

无论何种应用场景，企业应找准自身在这一进程中的定位，无需因不能直接从第五级开始就感到沮丧。

开始启动“AI优先”转型

面对技术的持续革新，未来工作的重心将日益转向“如何有效地将任务交由AI接管”。企业在遇到此类尝试机会时，不妨适当放慢脚步，深入思考如何最大限度发挥AI潜能。

我们不必急于求成，期待一夜之间实现全面的AI化转型。然而，越早开始行动，就能越快抵达目标。我们可以从小规模试点项目开始，随着经验积累和信心增长，逐步扩大AI在业务中的应用范围。与此同时，培养团队成员对AI的理解和使用能力，让他们成为推动AI化进程的积极参与者。

总而言之，“AI优先”的转型是一项系统工程，需要耐心、细致的规划与实施。通过识别AI机会、选择合适系统、融入专业知识以及人工参与完善，我们将能够稳步迈向一个更高效、智能的工作生态，使AI成为提升生产力、激发创新活力、巩固竞争优势的强大工具。

信息来源：

AI Exchange CEO Rachel Woods - The AI & Operations Playbook: How to take AI and apply it to the operations of the business