AI 准备度评估

评估方式

十道选择题覆盖八个维度，每个回答计 0 至 4 分。总分为全部回答的平均值，并换算为百分制；各维度得分的计算方式相同。算法固定，并在浏览器中运行：相同的回答始终得到相同的结果。

为什么重要

多数团队在 AI 上受阻，并不是因为模型本身，而是因为没有人决定：哪些任务值得做、允许使用哪款工具、哪些数据不得输入、由谁核验输出。这些是组织层面的问题，只要有人提出，一个下午就能得出答案。

如何解读结果

• 先看得分最低的维度。 总分 60、治理仅 25，说明问题在治理，而不是“60 分”。
• 对比团队内部的回答。 如果管理者选择“有书面指引”，而团队选择“没有指引”，说明指引并未真正传达到位。
• 低分不是定论。 每个团队都从探索阶段起步，下一步是确定一款工具和一项范围明确的任务。
• 高分需要证据。 如果得分在 80 以上，你能否说出三条工作流、各自的负责人以及最近一次复盘的时间？

八个维度分别涵盖什么

• 人员： 对 AI 的熟悉来自完成一项真实任务，而不是观看产品演示。让每个团队围绕自己已有的工作进行练习。
• 使用： 请每位员工列出三项每周任务并打分，通过评估且范围最窄的那一项，就是其第一条工作流。
• 流程： 对话产出的是一个回答；工作流则有明确的输入、步骤、核验人与负责人，下周仍能以同样方式运行。
• 知识： 如果没有人能指出经批准的记录、价目表或流程文档，模型就没有可靠的依据。请先补齐资料来源。
• 工具： 员工实际上已在使用个人账号。请选定一款经批准的工具，向全员开放，并明确告知是哪一款。
• 治理： 列出两份清单：哪些信息不得输入 AI 工具；哪些输出在使用前必须由指定人员核验。
• 领导力： 当 AI 落地只是每个人的副业时，推进就会停滞。请指定一位负责人，每周用一页纸说明：有何变化、存在哪些风险、需要哪些决策。
• 衡量： 只问三个问题：是否在真实工作中测试过？结果是否足够准确？是否应当继续？出勤率与热情不是衡量标准。

使用建议

• 请三四位成员分别完成，再讨论回答中的差异。
• 培训结束一个季度后重新评估。各维度得分应有变化；如果没有，说明培训并未改变实际工作。
• 不要将不同团队的得分平均。销售与运营通常处于不同阶段。

常见问题