Building an AI-First Snack Company

You will receive a data file for this session during the program. Please download the file to your laptop before class. We will use it throughout the session, along with your preferred LLM.

老师的问题

1. What are your favorite personal and professional uses of AI?
2. How do you expect AI to change your business over the next 6-18 months?
3. How would you like your employees' use of AI to change? What could you do to accelerate that change?

我的回答

Q1. What are your favorite personal and professional uses of AI?

对我最有用的个人用途，是把学习材料转成能够理解、讨论和回看的成果。在OPM学习中，我用AI把指定阅读与老师问题结合，准备英文和中文答案，再把思考整理成文章，也用它辅助配图和形成可审阅的预览。这是一条相连的学习流程，不只是快速拿到摘要。

我看重的是比较不同解释、练习用简单英文说明想法。但我仍要回到原文、核对数字、区分案例事实与推论，并决定自己真正相信什么。答案写得漂亮，不等于我已经学会。

职业使用上，我倾向优先辅助知识整理、研究归纳、初稿和方案比较。这里是在提出优先方向，不是在报告员工当前实践。目的是把注意力留给判断、关系与复杂例外，同时仍对交付负责。

评价标准是完整任务是否更有用、更可靠。我会把检查与修改时间一起计入，而非只看生成速度。输入缺失时应明确说明，就像这次课堂数据文件尚未取得，不能用看似合理的结果替代。

Q2. How do you expect AI to change your business over the next 6-18 months?

未来6—18个月，我预期最有价值的变化来自围绕AI辅助重新安排若干工作流程。这是工作假设，不是技术预测或内部经营计划。起草、检索、对照文档和准备解释可能变快；能否改善业务，要看输入质量、核查与交接。

我会从一项重复、边界清楚、材料适合交给工具的任务开始。先定义交付标准并测量人工基线，再比较相近任务中的AI辅助结果，计入复核与返工。效果成立后，把有用的指示、样例和检查沉淀成共同方法，再扩大范围。

在依赖信任的服务中，速度必须与准确解释、可兑现承诺结合。我希望人的工作更多转向问题定义、证据解释、例外处理与关系维护。没有证据前，不假定特定裁员比例、收入增幅或全自动服务能力。

我会观察周期时间、重要错误、一次验收与接收者是否觉得有用。若初稿更快却被核查耗时抵消，就缩小任务或改善输入；证据不足时停止该用途。我希望得到更可靠的判断与服务，而非仅仅更多内容。

Q3. How would you like your employees' use of AI to change? What could you do to accelerate that change?

我希望员工从偶尔提问，走向对真实任务负责地使用AI。好的使用者能解释目标、提供相关背景、检查结果、说明不确定性，并知道何时需要找人。这是我希望的方向；本次预习没有经过核实的员工使用基线。

促进学习，我会和团队选一项任务，提供不被挤占的练习时间，以及明确可用的工具和适合的样例材料。让领域熟悉者与愿意尝试的人搭配，同时展示成功结果和失败例子，包括错误怎样被发现。每周简短演示关注工作如何改变，而非谁的提示词最花哨。

可建议四周试点：第一周建立基线与质量标准，第二周尝试辅助初稿，第三周用未见过但相近的任务和例外检验，第四周比较总投入与质量。这是建议节奏，并非已经作出的经营承诺。由明确负责人决定扩大、修改还是停止。

我会奖励有用结果和诚实报告问题，不把聊天次数或工具使用率当绩效目标。员工需要知道，拒绝一个输出、升级一个例外，不等于抗拒变化。持续更新参考资料，复用有效方法，对重要承诺保留人的批准。代价是学习和审查时间，领导者必须真正分配资源。

故事梗概

这节课要求学生带着自己对AI的使用经验进入课堂，再用指定数据文件和偏好的LLM一起练习。准备重点不只是知道工具名称，还包括能否说明它改变了什么工作、哪些判断仍需自己承担。

这个流程把输入、分析、表达和交付连接起来，也暴露出原文核对、数字口径、个人立场与最终审核不能省略。

教师第二题把视角移到未来6—18个月的业务变化。这里适合提出有条件的情景和试验，而不是宣称组织已完成转型。工作中的资料整理、初稿形成和重复处理可能先变化；判断标准、知识更新、责任和例外处理决定这种变化能否变成可靠服务。

第三题关注员工使用习惯与领导者的促进方式。一个人偶尔得到好答案，与团队持续交付可验证结果之间有距离。需要提供使用场景、时间、参考示例、反馈和明确的判断责任。

数据文件尚未拿到，因此不能提前选择字段、汇总指标或宣布课堂结论。已准备下方的文件检查、问题澄清、计算核对与结果解释流程；文件到手后，可直接按该流程完成实际练习。

核心数据

类型	内容	边界
教师要求	下载指定数据文件至笔记本，课堂配合偏好的LLM使用	数据文件当前未取得；不把其他案例表格当作替代文件
教师问题	个人/职业用途；未来6—18个月业务变化；员工使用及促进办法	三道原题逐题作答
已确认个人使用	本次预习、双语表达、文章、配图和预览	可观察的工作流，不代表全部生活偏好
未知内部现状	员工采用率、耗时、质量基线、客户满意度、数据权限	不给未经提供的百分比或业绩数字
建议试点周期	先用约4周评估一个重复任务	管理建议，非老师要求，也非公司已实施项目
建议效率指标	完整周期时间=起草+核查+返工+沟通；净节省=基线耗时−试点耗时	比较相同任务复杂度和质量门槛；不能只计生成时间
建议质量指标	重要错误率、来源可追溯性、一次验收率、升级/返工情况	错误需按严重度分级，不能用平均准确率掩盖关键失误
未来判断	以流程逐渐重组作为6—18个月工作假设	不是对模型能力、市场或人员变化的确定预测

关键人物

角色	职责	关键连接
员工作为任务负责人	提供背景、使用工具、检查与交付	有资源学习，也有说明不确定性的责任
复核者/领域专家	检验关键结论与例外	不等于为所有文字逐字重做一遍
AI工具	整理、生成候选、辅助计算与表达	输出是待验证材料，不是独立授权
接收者/客户	使用结果、反馈是否有用	成功应以其问题是否解决来判断
教师/课程方	提供数据与练习情境	实际分析需等待指定输入

核心矛盾

1. 起草速度提升，与验证和吸收理解所需时间之间的取舍。
2. 个人熟练使用，与团队可重复交付之间的距离。
3. 更完整的背景可能改善输出，但输入范围必须适合任务和授权。
4. 工具能生成立场候选，个人仍要决定相信什么、愿意承担什么。
5. 看到许多可能性，与选择一个可衡量试点之间的取舍。