“今年必须把 AI 用起来。”
这句话在会议室里已经很常见了。真正难的是下一句：那我们怎么知道谁真的会用？
很多公司的第一反应，是办一场提示词考试。让候选人写一段复杂指令，十分钟做出一页漂亮的 PPT，再看谁讲得最顺。这个办法能筛出会演示的人，却很难判断他能不能接住一项真实工作。
生产现场没有干净的题目。资料会缺页，口径会打架，客户会临时改要求，最后还要有人签字。会把模型叫出一个答案，和能对结果负责，是两种能力。
所以我更愿意把筛选做成一段四周的真实任务试工。它不是统一的人事标准，也不是用来自动淘汰谁的算法，而是一套可以在企业内部调整的管理试点：把候选人放进一条有输入、有验收、有例外的工作流里，观察他留下了什么证据。
先看他能不能把一件旧工作说清楚
拿电商团队的商品上新举例。运营每天要把供应商表格、产品图、规格说明和客服常见问题整理成商品页。看上去是填标题、卖点和参数，真正容易出错的地方却在细节：某个尺寸到底按厘米还是英寸，库存表的更新时间是什么，图片里的颜色和文字描述冲不冲突，哪些承诺必须让负责人确认。
第一周，先关掉 AI，让候选人照原流程完成一次。他要画出材料从哪里来、每一步产出什么、谁验收、哪些情况必须人工判断。这个阶段不追求快，追求把隐含的判断摊到桌面上。
如果他一上来只说“把资料丢给模型，让模型生成商品页”，说明他还没有看见任务的骨架。模型能处理文字，不会替团队决定哪个字段算最终口径。
第二周，再让他用 AI 跑同一类任务。要求保留原始材料、使用过的任务说明、模型输出的版本、人工修改和最后的验收记录。这样才能分清：效率来自流程变好了，还是只是把检查工作藏到了最后。
四周的重点不是做出一次漂亮演示，而是让一条工作流经得起换人和出错。
第三周，把任务交给另一个同事。原作者不能坐在旁边口头救场，只能提供他留下的说明、样例和检查表。别人能不能按说明跑出相近结果，暴露的是流程有没有被真正交出来。
第四周，准备一个隔离的测试副本，故意放进缺失字段、互相矛盾的数据、格式混乱的附件和临时改动的要求。这里不考谁能把错误“修得像没发生过”，而是看他会不会停下来、标记问题、升级给谁、留下什么记录，以及能不能回滚到上一版。
留证据，比交一个漂亮结果重要
筛选 AI 人才时，最容易被忽略的是过程证据。一个结果看起来正确，可能是候选人凭经验手工修好的，也可能是模型碰巧猜对的。没有原始输入和修改记录，管理者无法判断这条流程下一次是否还可靠。
我会要求候选人至少留下五样东西：原始材料的范围和版本、任务拆解、每次输出、人工改动的理由、最终验收人和验收标准。材料涉及客户或内部数据时，测试应使用脱敏资料或副本，不能把真实敏感信息直接塞进公共工具。
这也解释了为什么“提示词写得长”不是好指标。长提示词可能只是把所有愿望堆在一起，真正重要的却是：输入变了，哪一段需要重新确认；输出不完整，谁来补；模型给出看似合理的数字，依据在哪里。
把原始材料、版本和验收放在同一张桌上，结果才有机会被复核。
分数只划候选池，分项决定岗位
为了让讨论不只停留在“我觉得他不错”，可以做一个 100 分的内部试点评分表：业务判断 25 分，验收与纠错 25 分，任务拆解与上下文 20 分，风险边界 15 分，复用和教会别人 15 分。
这个权重是管理试点建议，不是行业验证过的标准。企业可以按自己的风险调整。比如财务、法务和医疗相关任务，风险边界和验收权重就应该高一些；低风险的内容整理，可以把复用和速度放得更前。
分数的作用也不是给人贴标签。我会把 60 分当作“可以继续观察”的候选线，把 75 分当作“进入高潜池”的讨论线，但最终仍要看哪几项得分。一个人总分不错，却完全不会做验收，就不该单独负责高风险流程。
岗位路由大致有三条：能理解业务、拆任务、使用工具的一线 AI 使用者；能把任务做成可维护流程的工作流负责人；能定义标准、抽查结果、拥有暂停权的风险与验收角色。有人工具用得很熟，但不懂业务，他可以做实现和支持，却不应独自定义“什么算完成”。
把业务判断、流程实现和验收权拆开，团队才不会把“会用工具”误当成“能对生产负责”。
老员工不是要不要保，而是经验怎么换位置
真正熟悉业务的人，往往知道哪些情况表面正常、实际上马上要出问题。他们的经验不一定写在 SOP 里，而是藏在一句“这个供应商月底最容易失约”、一个客户的特殊习惯，或者一张旧表格的颜色标记里。
如果公司只要求他们把经验全部上传，然后让另一个人接管，他们当然会警惕。更可行的安排，是让业务老手负责整理例外库、验收规则和不能自动化的边界，再和熟悉 AI 工具的人组成小组。前者决定什么不能错，后者把这些判断变成可运行、可检查的步骤。
配对能不能成立，还要看管理者有没有把几件事说清楚：培训时间算不算工作，流程上线后的功劳怎么记录，谁有签字权，谁可以按下暂停键，出了问题往哪条线升级。没有这些安排，四周测试很容易变成一场新的隐性加班。
给管理者的一张最小检查卡
如果你准备在团队里试一次，可以先做下面七步：
- 选一项高频、重复、已有验收人的真实任务，不要从空泛的“做个 AI 助手”开始。
- 第一周关掉 AI，要求候选人画出输入、输出、人工判断和异常分支。
- 第二周开放 AI，但保存材料、任务说明、版本、修改和验收证据。
- 第三周换一个同事执行，原作者只提供文档，不在旁边口头补洞。
- 第四周在脱敏副本里放入缺字段、冲突数据和临时要求，观察停、问、记、退四个动作。
- 用分项评分讨论他适合做使用者、流程负责人还是验收角色，不只看总分。
- 事先写好暂停线、升级人和回滚办法；红线的含义是暂停生产资格，不是自动解雇。
这套方法的价值，不在于四周后得到一个看起来精确的分数，而在于把“他到底会不会”换成一串可以检查的问题：任务交给别人还能不能跑，资料变了会不会重验，结果不对时能不能说清楚，出了边界有没有人能按下暂停。
真正会用 AI 的人，不是把模型哄出一段漂亮答案的人，而是知道什么时候不能继续，能让别人复现，能把证据交回来，也能承认这一步需要业务负责人签字。
至于 100 分怎么分、60 和 75 放在哪里，只能由每家公司的任务风险、数据边界和管理规则决定。先拿一条真实流程试四周，通常比再办一场提示词比赛更接近答案。