企业谈“AI 人才战略”时，常把问题简化成招聘：要不要招算法工程师，要不要培训提示词，哪些岗位会被替代。这样的讨论很容易追逐新名词，却没有回答更实际的问题：一项工作应该怎样在人、模型和软件工具之间流动，谁负责判断结果是否合格，错误出现后又交给谁处理？
AI 人才的核心不是某个神秘职位，而是一套协作能力。领域专家知道什么问题值得解决，工程人员把模型接入数据与工具，评测人员建立可重复的质量标准，工作负责人则决定何时自动、何时复核。把这几种能力接起来，比给所有人安排同一门提示词课程更重要。
## 先画任务地图，不要先画岗位名单
同一个岗位往往包含完全不同的任务。市场人员既要检索资料，也要判断定位；客服既要归类问题，也要处理情绪；开发者既要生成样板代码，也要理解遗留系统。模型在其中某些环节表现很好，在另一些环节却可能自信地犯错。
哈佛商学院与 BCG 的随机实验把这种不均匀能力称为“锯齿状技术前沿”。在落入模型能力边界的任务上，参与者完成得更快、质量更高；在边界之外，使用 AI 反而可能降低正确率。实验对象是特定时期、特定模型和特定咨询任务，不能把数字直接套到所有行业，但“按任务判断而非按岗位判断”的结论很有启发。
画任务地图时，把一项工作拆成可观察的步骤：输入来自哪里，输出交给谁，错误代价多大，正确答案能否检查，数据多久变化一次。优先选择高频、低风险、容易验证的步骤，例如分类、摘要初稿、格式转换和候选方案生成。目标模糊、证据稀缺或一旦出错很难挽回的步骤，应保留更多人的判断。
## 四种能力比一个“AI专家”更可靠
第一种是领域建模能力。它把“提高效率”翻译成具体任务，知道哪些例外最危险，也能提供真实样本与合格答案。这个角色不一定会编程，但必须能解释判断依据。
第二种是工作流工程能力。它负责模型选择、检索、工具调用、权限、结构化输出和错误回退。优秀的工作流工程师关注端到端成功率，而不是只展示一段漂亮回答。
第三种是评测能力。它建立固定测试集，区分事实错误、遗漏、格式失败和不当拒答，并跟踪版本变化。没有评测，团队只能靠印象争论模型是否“变聪明了”。
第四种是产品与运营能力。它决定界面如何呈现不确定性，用户怎样修改或撤销，哪些反馈值得进入下一轮改进。它还要观察人工修改时间、返工率和真实采用率。
小团队可以一人承担多种能力，但职责不能消失。若只有“会调用模型”的人，没有能定义任务和验收结果的人，项目通常停在演示阶段。
## 用输入契约减少提示词猜谜
很多人机交互问题并非模型能力不足，而是输入没有形成契约。一句“帮我分析一下”既没有目标，也没有材料范围和交付格式，模型只能猜。
一个稳定的输入契约至少包含五项：任务目标、允许使用的资料、必须保留的事实、禁止推断的空白、交付格式。把这些项做成表单、模板或程序字段，比要求每位员工临场写长提示更稳定。
例如生成客户访谈摘要时，输入应指明只使用本次访谈记录，区分原话与推断，保留关键异议，缺失信息标记为空，并输出可解析的主题、证据和待跟进项。这样做的价值不在于措辞“神奇”，而在于让任务可重复。
## 输出界面要帮助人发现错误
微软研究团队在 CHI 2019 提出的人机交互指南强调：系统应说明能做什么、表现如何，在出错时支持纠正，并让用户保持控制。把 AI 回答直接放进一个空白文本框，往往隐藏了这些信息。
更好的输出界面会把结论与证据并排呈现，把推断与原文分开，对缺失资料显示明确状态，并提供接受、修改、重试和退回人工的入口。结构化字段还可以让程序检查日期、金额、引用和必填项。
不要把模型自报的“置信度 95%”当成真实概率。更有用的是可验证信号：检索到了几条独立证据，引用是否支持结论，规则检查是否通过，同一问题多次运行是否稳定。用户看到这些信号，才能决定花多少精力复核。
## 设计失败时的交接
许多 AI 项目只设计成功路径：输入材料，生成答案，点击采用。真实工作却充满扫描件模糊、工具超时、资料冲突和模型输出不完整。人才战略若不包含失败处理，最熟悉业务的人最终会被迫充当隐形补丁。
为每个工作流定义停止条件。例如检索不到来源时不生成事实结论；两个系统的关键数字冲突时转人工；结构化输出连续两次解析失败时回到简化流程。交接单应携带原始输入、模型尝试、工具日志和失败原因，让接手的人不必从头调查。
这种机制也保护学习机会。员工不是被动替模型擦错，而是在标记最常见的边界案例。评测人员把这些案例加入测试集，工程人员据此改进流程，领域专家再确认是否真正解决。
## 培训重点从“会问”转向“会验”
提示表达仍有用，但它会随着模型界面变化。更耐久的能力包括：把模糊目标拆成步骤，寻找可靠来源，识别遗漏与数字错误，设计小型测试，理解自动化边界，以及在工具失败时恢复任务。
培训可以直接使用本公司的真实匿名任务。先让员工独立完成，再使用 AI，再互换结果盲评。比较的不只是速度，还要记录错误类型、修改时间和信任变化。每次只改变一个因素，例如输入模板或检索工具，才能知道改善来自哪里。
管理者也需要训练。若绩效只奖励产量，员工会隐藏复核成本；若把所有错误都归因于个人，大家不会报告模型边界。应同时观察合格产出、返工、升级人工和知识沉淀。
## 一个30天的最小实验
第一周选择一个高频窄任务，收集 30 到 50 个真实样本，定义合格标准与不可接受错误。第二周由领域人员和工程人员共同搭建输入、输出和失败交接，不追求全自动。
第三周让一小组用户在真实工作中使用，记录任务完成时间、人工修改、拒绝采用和故障原因。第四周回放全部样本，比较纯人工、直接使用模型和结构化工作流三种方式，再决定扩大、修改或停止。
AI 人才战略最终要回答的，不是谁最会和模型聊天，而是谁能把问题定义清楚、把结果验证明白、把错误变成下一轮改进。人才与模型都在变化，稳定的任务接口和学习闭环，才是组织能够持续积累的部分。
## 参考资料