如何让AI原生企业将工作流转化为运营能力

# 人工智能原生企业如何将工作流转化为运营能力 来源：https://openai.com/index/ai-native-company-workflows/ OpenAI最新的《企业信号》报告（https://openai.com/signals/enterprise-data/）显示，企业人工智能正以截然不同的速度从辅助转向执行。前沿企业（即AI使用率前10%的企业）如今每位活跃用户产生的输出token数量已达到普通企业的8.3倍，而今年1月这一数字仅为2.6倍。不断扩大的差距指向更深层次的运营变革：领先企业将智能体与企业上下文及工具相连，委派更实质性的任务，并让成功的工作流程更易于复制。 对于领导者而言，挑战在于将这种深度转化为人们可以信任、衡量和改进的工作。领导者还应为实验留出空间，包括那些初次尝试时价值并不明显的用例。 初创企业Basis（在新窗口中打开）(https://www.getbasis.ai/)、Clay（在新窗口中打开）(https://www.clay.com/about) 和 Exa Labs（在新窗口中打开）(https://exa.ai/) 已将智能体融入员工入职、客户管理和开发者生态系统增长等环节。它们的工作流程各不相同，但其演进过程颇具启发性：教会智能体一个稳定流程，随着工作变化为其提供持久上下文，然后让它将机会转化为经过验证的行动。 综合来看，这些案例展示了团队如何将智能体融入熟悉的工作，并随时间推移不断改进流程。 ## Basis：用智能体让入职培训变得可传授 入职流程长期以来对雇主和员工来说都十分繁琐。在为会计公司构建人工智能智能体的Basis，第一天的入职时间现已从两小时缩短至30分钟，使人力资源部门有更多时间专注于企业文化和员工支持。 在第一天，员工即刻获得使用Codex的权限以及一项公司特定的入职技能（一套针对特定工作流的可复用指令和资源）。Codex欢迎新员工，介绍公司关键概念，并利用他们的计算机在后台完成集成设置。当出现重复性问题或例外情况时，人力资源部门可以在下一批员工入职前更新此技能。 Basis的AI引导入职工作区动画演示，展示新员工Matthew的首日待办事项清单和自动化设置步骤。 Basis曾演示过一次入职流程，随后将其转化为一项可复用的技能，该技能具备明确的触发条件、清晰的步骤、使用正确工具的权限以及清晰的“完成”定义。该流程不再依赖某个人的空闲时间，但团队仍能在遇到例外或复杂问题时介入。如今，入职培训更加一致、可重复且易于改进，新员工也立刻获得了与人工智能协作的工作范例。 ## Clay：为分散的工作提供持久的基地 Clay是一家为市场团队构建自学习收入引擎的公司，它面临着一个常见的销售挑战：关键交易信息分散在CRM记录、电子邮件、Slack、通话、演示文稿、短信以及与内部团队和客户支持者的对话中。 为保持这些信息的及时更新，Clay的一位GTM工程师尝试了一种更好的方法——为每个账户设立一个持久的工作空间和专属子智能体。每个子智能体每晚会审查原始资料并更新其交易文件夹。每天早上，一个协调智能体会将所有账户的这些更新，转化为一份优先行动简短清单：回答一个悬而未决的客户问题、填补决策链中的空缺，或给潜在客户一个重新接触的理由。 据Clay称，该工作流程每晚为她节省了大约一小时的收件箱分类时间。每日优先事项帮助她跟进那些在漫长的的企业销售周期中能积少成多的细微行动。支持性证据紧随每条建议，因此销售人员在行动前可以检查原始资料。企业可以将这种共享上下文扩展到客户经理、业务开发代表、解决方案工程师和销售领导层，前提是遵守现有的账户权限。 Clay展示了不断发展的业务若要规模化扩张需要什么：一致的结构、有用的刷新节奏、共享的证据以及在行动节点的人类判断力。 ## Exa：将机会转化为经过验证的行动 为AI智能体构建网络搜索基础设施的Exa Labs，希望让其搜索API在任何开发者可能需要的地方都可用。团队称这个目标为“Exa无处不在”。追求这一目标曾需要开发者关系团队和客户团队监控代码仓库和更广泛的生态系统，识别有前景的集成机会，收集上下文，并在不同系统间协调工作。尽管机会各不相同，但从发现到实施的路径遵循着一致的序列。Exa将该序列转化为Codex的一个定义明确的工作流程，设定清晰的优先级，提供访问必要来源的权限，并在任何内容发布前进行人工审查。 Codex现在会监控高优先级的集成机会，收集相关上下文，创建拉取请求，运行测试，并使用Slack和Notion等来源准备每周更新。在适当的情况下，它还能为团队起草下一步计划（包括初步公告）以供审查。该工作流程将机会从信号转化为经过验证的产物，同时减少了研究、工程和沟通环节之间的交接。 人们仍然决定哪些机会重要、Exa应做出哪些承诺以及如何管理外部关系。测试和审查点使智能体的工作在发布前变得可见。测试结果和人工审查可以帮助团队在下次运行前调整工作流程。随着工作的影响力日益增大，权限、证据和决策权在工作流设计中的比重也随之增加。 Basis、Clay和Exa共同将我们在《企业信号》中看到的模式付诸实践。Basis将已验证的流程转化为可复用的技能。Clay赋予智能体上下文和持久性，以保持不断发展的作品集的更新。Exa增加工具、测试和审查环节，使智能体能够将信号转化为有限范围内的执行。三者都将改进融入工作流程：入职过程中的例外情况揭示了技能需要优化的环节；新的账户活动和销售验证确保交易信息保持最新；测试和人工审查则为未来的执行划定了更清晰的边界。每个案例都始于一个具体任务，并留有足够的测试空间。通过实际使用，分工变得更加清晰，随着工作流证明自身价值，责任范围也随之扩大。 ## 立即实验并扩展成功模式的六个步骤 随着前沿差距不断扩大，企业领导者需要为员工提供空间，测试具有重要影响的工作流程，衡量成功与否，并将最成功的实验转化为可重复的实践。 - **选择一个关键的价值界面。**从端到端的工作流程入手，其中需要战略重点、系统、交接、控制措施和可衡量的利害关系相结合。该流程应足够频繁以便学习，且足够重要以证明重新设计的合理性。 - **定义成果及衡量方式。**明确负责人、关键绩效指标、基线和防护措施。通过已完成的任务、连接的上下文和工具、例外情况和审查工作量来跟踪深度。通过周期时间、质量、成本、收入或风险来跟踪价值。输出量可以表明人们正在要求AI做更多事情；工作流程成果则显示这是否重要。 - **撰写智能体的岗位描述。**定义触发工作的条件、成果、所需上下文、工具、权限，以及智能体应持续工作至完成的方式。规定其必须产生的证据以及必须停止等待人工审查的位置。 - **构建围绕智能体的人类系统。**让最贴近工作流程的人员参与设计循环。明确谁负责业务成果、领域逻辑、访问与控制、采用推广和日常使用。初创企业通常将这些职责压缩给少数人；随着工作流程规模扩大，企业需要明确的决策权。 - **使实验过程可见且可复用。**OpenAI的研究（https://openai.com/index/how-enterprises-put-ai-to-work/）发现，在采用AI六个月后，初级员工每周发送的消息比高管多13条。给员工空间测试新用例，然后捕获成功背后的流程和证据，并将其打包为技能、插件或共享工作空间。**Chat、Work和Codex**（在新窗口中打开）(https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex)支持不同的模式：Chat用于提问和快速协作，Work用于多步骤知识工作和完成交付成果，Codex用于技术执行。 - **将运营模式向前推进。**保留那些有效的上下文、权限、评估、审查点、负责人、衡量标准和赋能措施，然后将它们应用到下一个价值界面。每一次新的实验都应为下一个团队提供一个更好的起点。