# 会问、会用、会委托、会编排：员工用 AI 的四级与 60 分奇点

> 员工用 AI 分四级：会问、会用、会委托、会编排。前两级靠工具和培训就能到，提升的是个人效率；从第三级开始，AI 对结果负责，组织才真正变快，也才进入曾鸣教授所说的智能复利。多数企业卡在第二级，卡住的原因不在工具，而在岗位职责、交接方式和验收标准。

作者：刘启威（AI 转型顾问）
发布：2026-10-21
原文：https://liuqiwei.dev/insights/four-levels-of-using-ai/

先说清楚这篇在讨论什么：企业里的员工是怎么用 AI 的，以及为什么大家都在用，公司整体却没有明显变快。选哪个模型、买哪款工具不在讨论范围内，因为我越来越确定，问题不出在这一层。

## 一、员工都在用 AI，公司却没有变快

这两天跟几个企业 CEO 聊了聊，发现他们员工用 AI，基本还停留在写东西、做分析这个层面。原来写份报告要半天，现在半小时出初稿，确实快了不少。

但然后呢？该整理的背景还得整理，该开的会对齐还得开，审核照样一层层过。起草快了，整件事可没快。

一件事在公司里要走完，中间有起草、交接、审核、返工、再审核，AI 加速的主要是起草这一段，**真正卡住交付速度的，往往是流程里最慢的那一环，而最慢的那一环往往不是起草。**

所以这不是员工 AI 用得不够好的问题，而是 AI 被放在了流程的哪个位置的问题。

## 二、员工用 AI 的四级

为了把“AI 被放在哪个位置”说清楚，我习惯把员工用 AI 的方式分成四级。

**第一级，会问。** 遇到问题问一问 AI，让它解释一个概念、改改一段文字。AI 是一个更好用的搜索框。

**第二级，会用。** 写材料、查资料、做分析都离不开 AI，个人效率明显提高。但每一份产出都要人逐项检查、改完再交出去，AI 是人手里的工具，结果由人负责。

**第三级，会委托。** 把一件完整的事交给 AI，人负责讲清楚要求，最后验收结果。人不再盯着每一步，而是看结果对不对。

**第四级，会编排。** 多个 AI 和人协同完成一整条流程，人只在关键节点做判断。

目前大多数企业其实还停在第二级。而从第二级到第三级，看着就一步，背后其实是整个工作方式在变。

## 三、第二级到第三级，是一道结构性的坎

第二级和第三级看起来只差一步，AI 好像只要再可靠一点就能跨过去。但我理解，这两级的区别不在 AI 的能力，而在**谁对结果负责**。

第二级是人对 AI 负责：AI 给出建议，人检查、修改、署名，最后担责的是人。第三级是 AI 对结果负责：事情交给 AI 做完，人按标准验收，不再逐项检查过程。

曾鸣教授在《智能》一书中把这个转折叫作“60 分奇点”：从“人对 AI 负责”转变为“AI 对结果负责”。说白了，就是 AI 不再只是帮人干活，而是开始独立承担任务，围绕结果形成反馈和改进。他强调这不是一个技术分数，而是一个结构性的转折点。

这一步，光靠员工多学几个提示词恐怕解决不了，至少有三件事得跟着变：

- **岗位职责。** 出了问题还是员工一个人担责，那他肯定不敢放手，AI 做完还得从头检查一遍。职责要从“写这份报告”变成“定义这份报告要回答什么、按什么标准验收”。
- **交接方式。** 很多工作离不开老员工，不是流程多复杂，是大量背景信息都装在他们脑子里。AI 要接手，就得先把这些经验沉淀下来，变成一份写清目标、完成标准和所需材料的交接。
- **验收标准。** 什么叫做好了，什么情况算不合格，得提前说清楚，不然最后还是只能靠人盯过程，又回到了第二级。

说到底，这些都是组织管理问题，不只是技术问题。培训能提升一个人用 AI 的熟练度，但改不了这三样东西，**培训只能把人带到“会用”，原因就在这里。**

## 四、为什么越早跨过去越好

跨过 60 分奇点的价值，不只是省下逐项检查的人力。

曾鸣教授在书里提出了“智能复利”：AI 系统执行任务、拿到真实结果、结果反馈回系统、能力变强、接下更复杂的任务、拿到更高质量的反馈，形成一个循环。**用得越多，它越强。**

这个循环有一个前提：AI 要真的对结果负责。在第二级，AI 的输出都被人改过才进入现实，AI 看到的只是被修正后的结果，看不到错误是怎么产生的，也就学不到东西。一旦 AI 能独立完成任务，并且把执行过程、结果和反馈都记录下来，做过什么、哪里出过错、下次怎么改，都有机会成为系统持续改进的依据。

而且这种积累依赖的是真实经历过的历史。一家企业把月度经营分析交给 AI 做了一年，哪些判断被验证、哪些做法失败过、哪些数据口径有坑，这些经验沉淀在系统里，是别人买不来的。越早积累有效的任务经验，未来越有机会拉开差距。

当然，不是把任务交给 AI，复利就自动发生了。曾鸣教授自己也提醒，智能复利是一种价值创造机制，不等于自动形成竞争优势：如果反馈是被人工筛选过的，或者能力提升用户感知不到，复利就很难转化成差距。关键还是得让真实结果回到系统里，真正影响下一次执行。

## 五、用一个例子把四级走一遍

拿“月度经营分析报告”举个例子，这是很多公司每个月都要做的事。

**第一级**，分析师遇到一个指标口径拿不准，问一下 AI。报告还是他自己写，周期没有变化。

**第二级**，分析师用 AI 拉数、写初稿、画图，自己的时间从三天压到一天。但部门负责人还是逐段审，财务还是逐项核数字，来回改两轮，整份报告依旧要三天才能定稿。个人快了，组织没快。

**第三级**，负责人把这件事整个交给 AI：交接里写清楚这份报告要回答哪几个经营问题、每个结论必须有哪些数据支撑、用哪几张表、哪些口径要和财务一致。AI 交付完整报告，负责人只验收结论是否成立、证据是否充分。下个月再看上个月的判断有没有被验证，这个结果回流，成为下一次的交接材料。

**第四级**，取数、异常检测、归因分析、起草、分发由不同的 AI 分工完成，负责人只在“这个异常要不要上报管理层”这样的节点做判断。

从第二级到第三级，变化最大的不是 AI，而是负责人的工作：他从审稿人变成了定标准的人。

## 六、可以从哪里开始

如果要往第三级走，我的建议是先挑一件事，而不是全面铺开：

- 这件事要**完整**，有明确的起点和交付物，而不是流程里的一个片段；
- 要**高频**，每周或每月都在发生，才有足够的反馈；
- 结果要**能验证**，过一段时间能看出做得对不对。

挑好之后，把这件事的交接写清楚，把验收从过程改成结果，再让每一次的结果回流到下一次。跑通一件，再复制到下一件。

同时要注意，这一步离不开数据和产品的配合：没有可用的数据，AI 做不准，员工很快就不用了。产品、工作方式、数据要一起推，只推一头，很容易又卡回第二级。

## 七、再把这条线走一遍

员工都在用 AI，公司却没有变快，原因是 AI 停在第二级，只加速了起草这一段，交接和审核还是原来的样子。

从第二级到第三级，要跨过的是 60 分奇点：从人对 AI 负责，变成 AI 对结果负责。跨过去需要改的是岗位职责、交接方式和验收标准，这些是组织管理问题，所以光靠培训解决不了。

跨过去之后，行动、结果、反馈、学习第一次闭合，智能复利才有机会转动，而复利靠的是真实经历过的历史，越早积累有效的任务经验，未来越有机会拉开差距。

所以我现在看一家企业的 AI 转型，不太关心买了多少工具、组织了多少场培训，我更想知道：**到底有多少件完整的事，已经能由 AI 独立完成，并且形成了清晰的责任、验收和反馈闭环？**

这个问题，可能比员工每天用了多少次 AI，更能反映一家企业的真实进展。毕竟 AI 转型最终要改变的，不只是一个人的工作效率，而是整个组织完成事情的方式。