AI Proficiency: From Users to Builders
三句話摘要
企業如何識別和培養非技術型建構者（L2），以推動 AI 的實際商業價值。 組織應專注於找出懂業務的非技術型建構者（L2），賦予他們 AI 工具並測量商業成果，而非試圖普遍提升全員 AI 能力。 L0 有五種子類型，各有不同特性與對應策略。講者強調不應將所有抗拒 AI 的人視為問題，而是區分其原因：有些人（如對品質失望者）的反饋實際上很有價值，應該認真聽取，而非強制推行。識別 L2 的關鍵不是技術能力，而是對公司工作流程的深入理解與執行風格的一致性，他們能將隱性知識轉化為文檔流程，同時阻止機構人才流失。重點不在速度，而在於新興工作類型與可測量的商業價值。
重點整理
重點- 1
L0 有五種子類型，各有不同特性與對應策略。講者強調不應將所有抗拒 AI 的人視為問題，而是區分其原因：有些人（如對品質失望者）的反饋實際上很有價值，應該認真聽取，而非強制推行。識別 L2 的關鍵不是技術能力，而是對公司工作流程的深入理解與執行風格的一致性，他們能將隱性知識轉化為文檔流程，同時阻止機構人才流失。重點不在速度，而在於新興工作類型與可測量的商業價值。
實用技巧與重點
乾貨- L0 五大子分類：績效表現者（performative users）、不感興趣者（disinterested）、太忙者（too busy）、工作恐懼者（job fearful）、品質失望者（quality disappointed）
- 品質失望者比例：約 60%
- L2 選拔標準：不考技術能力，考察公司DNA、工作理解深度、交付風格一致性
- 團隊結構：1個L2 + 數個L1 + 若干L0最佳，多個L2會導致效率下降
- 案例數據：全球頂級製藥公司的文件轉換項目，原估成本 400 萬美元，L2 在3小時內用 Claude 建立技能，可並行處理 1,000 份文件，完全抵銷成本
- 個人電腦採用曲線與 AI 採用曲線完全相同
- Midwest AI Summit：10月15日於印第安納波利斯舉辦，使用代碼「PracticalAI20」享20%折扣
結論
結論“組織應專注於找出懂業務的非技術型建構者（L2），賦予他們 AI 工具並測量商業成果，而非試圖普遍提升全員 AI 能力。”
完整解析
詳細Mike Lewis 是 Tier 1 Performance 的首席 AI 架構師，該公司協助全球最大型組織進行轉型。他本人曾是肖像畫家（2016年前），偶然獲得 DALL-E 測試機會後才進入 AI 領域。這段經歷使他不帶既有成見，能以全新視角審視 AI 採用的挑戰。
講者的核心框架源自 Peter Yang 的 Substack 文章《Your New Job is to Onboard AI Agents》。L0-L3 分類框架出現後，他意識到現有組織對 AI 採用的理解存在根本偏差。組織通常過度關注「AI 興奮者」（那些四處宣傳新模型的人），卻忽視了真正能將 AI 轉化為商業價值的人——L2 非技術建構者。L2 的特色是對企業工作流程有深刻理解，知道哪些流程該優化、如何優化才能符合企業文化與品質標準。他強調品質失望者不應被視為阻力，反而應聽取他們的觀點，因為他們往往指出 AI 工具的真實限制。
講者經歷過兩年的組織轉變工作後體悟到，試圖從上而下推動 AI 採用如同逆流而上——能量耗盡但成效有限。他現在改變策略，專注於找到並賦能 L2，測量具體商業成果。他分享的案例是：一家全球頂級製藥公司面臨 400 萬美元的文件轉換任務，識別出合適的 L2 後，該員工在三小時內使用 Claude 建立技能，完成文件轉換，不僅一次性解決了高成本問題，還能併行處理 1,000 份文件。這類成果才是組織應該追求的——可測量、可重複、具真實商業價值。
在職位恐懼議題上，講者採取務實態度。他對害怕被 AI 取代的員工坦言：變化確實會發生，但威脅來自願意使用 AI 的同事，而非 AI 本身。歷史數據顯示組織適應力強於預期。他並認為創意解決方案在未來五年內將極具價值——即使在治理限制下，仍能找到創意方法整合現有工具，達成新的工作類型，這才是真正的競爭力所在。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
