预算批了但没人用：企业 AI 内训为什么建议从岗位场景倒推课程

企业 AI 内训更稳妥的做法是：先锁定一个岗位、一个高频场景、一个可衡量的产出，再倒推课程模块和练习任务；先定课程大纲、再找场景套用，往往会出现“课上热闹、回到工位不用”的情况。

这不是理论偏好。培训预算花出去之后，真正决定成败的通常不是讲师水平，而是学员第二天打开电脑时，有没有一个明确的、跟手头工作对得上的动作可以照做。下面按可执行的顺序拆开讲。

为什么先定课程内容容易翻车

常见的采购流程是这样的：业务部门提需求“我们想学 AI”，HR 找几家机构比方案，谁的课件目录厚、覆盖工具多，谁看起来更专业。于是课程表上出现提示词工程、大模型原理、绘图工具、自动化平台，一整天排得满满当当。

问题出在第二天。学员回到工位，面对的是一封要回复的英文询盘、一份要整理的竞品价格表、一张要更新的产品参数表。课程里讲的是通用能力，工位上要的是具体动作，中间那一段没人接。

另一个隐性成本是工具账号。培训后开通了账号，但没人规定“谁在什么情况下必须用它完成什么”。账号变成摆设，续费时自然被砍掉，下一轮再提 AI 培训，预算就更难批。

所以顺序应该反过来：先回答“哪个岗位、哪件事、做完之后产出长什么样”，再决定课上讲什么、练什么、谁来验收。课程内容是结果，不是起点。

选场景：三个筛选条件和一个排除条件

不是所有岗位场景都适合作为第一期内训的切入点。挑错了，要么太简单显得没价值，要么太复杂学员跟不上，两种都会消耗信任。

条件一：高频，每周至少发生几次

低频场景练不出手感。一个月才做一次的事，学员学完就忘，等下次遇到早就生疏了。优先选那些“每周都在重复、每次都要花时间”的环节，比如询盘初筛、产品描述改写、客户跟进记录整理、展会名单归类。

条件二：有明确的输入和输出

输入是学员手里已有的材料，输出是能被别人检查的东西。比如输入是一段客户邮件，输出是一份包含需求点、疑问点、建议回复要点的中文摘要。这种场景好教、好练、好验收。

反过来，“提升客户沟通能力”这种描述就没法做课程，因为没人说得清练到什么程度算过关。

条件三：出错代价可控

第一期内训适合选错了也能改的场景。涉及报价终稿、合同条款、对外正式承诺的环节，可以放进课程讨论，但不适合作为新手练习的主任务。先让学员在低风险环节建立判断力，再逐步过渡。

一个排除条件：不要选“全公司都需要”的场景

“所有人都该会写提示词”听起来覆盖面广，实际上没人负责。不同岗位的提示词写法、评判标准差异很大，混在一起上课，每个人都觉得跟自己关系不大。宁可先做透一个部门，再复制。

按角色拆内容模块：同一套 AI 能力，讲法要分人

场景定下来之后，课程模块按角色分层。这里说的分层不是难度分层，而是任务分层——每个角色学的东西要能直接接到自己的日常动作上。

业务执行岗：重点是“怎么问、怎么改”

这类学员不需要理解模型原理，需要的是把任务描述清楚的能力。课程模块可以包括：如何把一段模糊需求拆成背景、目标、限制条件；如何给示例让输出更贴近自己的写作风格；拿到结果后怎么判断哪里需要人工修改。

练习任务建议用学员自己的真实材料，脱敏后带入课堂。用真实材料练，学员当场就能发现“原来我平时是这么描述问题的”，比用虚构案例有效得多。

主管岗：重点是“怎么定标准、怎么抽查”

主管不需要比下属更会用工具，但需要能判断输出质量。课程模块可以包括：为某个场景写一份简短的输出检查清单；设计一个抽查机制，比如每周抽几条 AI 辅助产出做人工复核；识别哪些环节不适合交给 AI 直接出结果。

这类内容容易被忽略，但它决定了培训之后有没有人管。没人管的工具，用两周就停了。

支持岗（HR、行政、财务等）：重点是“怎么把流程说清楚”

支持岗的优势是熟悉流程，劣势是离业务语言远。课程可以围绕“把一段内部流程写成可执行的说明”展开，练的是结构化表达能力。这项能力迁移到任何 AI 工具上都用得上。

练习任务怎么设计才不留于形式

练习不是“大家试着用一下”。有效的练习任务通常有三个特征：有真实材料、有明确产出、有人当场给反馈。

• 材料真实：用学员本周实际处理过的任务，去掉敏感信息后带入。不要用讲师准备的通用案例。
• 产出可见：每个练习都要交出一个具体东西——一段摘要、一份清单、一版改写后的描述。没有产出就没法判断学会没有。
• 反馈具体：反馈要落到“哪句话描述得不够清楚”“哪个限制条件漏了”，而不是“挺好的，再练练”。

时间安排上，讲和练的比例建议控制在讲占三分之一、练占三分之二。入门阶段尤其如此，听懂了和做出来之间隔着一道坎。

练习任务的数量不用多。一次内训能扎实练透两到三个场景，比走马观花过十个场景更有价值。剩下的场景可以放进后续的进阶场次。

内训落地前后的检查清单

下面这份清单可以在方案评审时逐条对照。它不保证效果，但能帮你提前发现明显的漏洞。

培训前：

• 是否明确了本期培训对应的岗位和场景？
• 场景是否有真实的输入材料和可检查的输出？
• 是否确认了学员日常使用的工具和账号权限？工具能力和可用范围变化较快，请以官方当前规则和实际后台为准。
• 是否和主管对齐了培训后的抽查方式？

培训中：

• 练习是否使用了学员自己的材料？
• 是否留出了当场修改和二次尝试的时间？
• 是否记录了学员普遍卡住的环节，作为后续优化的依据？

培训后：

• 是否有一份简短的场景操作说明，方便学员回去查阅？
• 是否安排了两到四周后的一次短复盘，看看哪些场景真正用起来了？
• 是否收集了“用了但效果不好”的反馈？这类反馈比好评更有用。

一个常见的推进节奏

如果公司是第一次做 AI 内训，可以按这个节奏走：第一期只选一个部门、两到三个场景，小范围跑通；跑通之后整理出这个部门的操作说明和检查清单；第二期再复制到相邻部门，同时把第一期暴露出来的问题补进课程。

这样做的好处是每一期都有可复用的沉淀，而不是每次从零开始设计课程。缺点是前期看起来慢。但从“培训完真的有人用”这个角度看，慢一点通常更省事。

需要提醒的是，AI 工具的功能、可用模型、数据合规要求都在变化，课程里涉及具体工具操作的部分，建议在开课前重新核对一遍，请以官方当前规则和实际后台为准。

常见问题

公司规模不大，也需要做分层课程吗？

不一定按岗位分那么多层，但“业务执行”和“主管抽查”这两类内容建议区分开。哪怕只有半天时间，也可以前半段练操作、后半段讲怎么检查输出。

学员基础差别很大怎么办？

把练习任务设计成可以重复尝试的，基础弱的先完成基本产出，基础好的在同一个任务上追求更好的表达。用同一个场景、不同的完成度要求，比准备两套课程更实际。

怎么判断第一期内训有没有效果？

看培训后两到四周，目标场景里是否有人持续在用、主管是否能说出一两条抽查发现。这比满意度评分更能说明问题。具体衡量方式建议结合公司实际情况设定。

课程内容需要每年更新吗？

涉及具体工具操作的部分建议定期核对，场景和判断标准的部分相对稳定。更新时优先看学员反馈里“卡住的地方”，而不是先追新工具。