2026.06.23
心声周刊第10期丨不止是PM，他是团队AI路上的"摆渡人"
采访人物：J Da 广州事业部 AI推广负责人/PM
从"自己跑得快"到"带着大家一起跑"，他在做好PM本职工作的同时，主动推开那道从"个人提效"通往"组织能力升级"的看不见的门。本期，我们一起走近J Da，听他拆解小团队AI落地的实战路径，看一个"摆渡人"如何把AI从副驾驶变成团队真正依赖的引擎。
一、职场实操・经验心得
Q：你已担任项目管理多面手，又主动兼职担任AI推广负责人的角色，这个"兼职"对你来说意味着什么？
一开始其实不是"我做AI推广"，而是我在工作中已经明显感受到——AI对个人效率的提升是断层级的。但很快我发现一个问题：如果只有我一个人用得好，那只是"个人提效"；只有让团队一起用起来，才是"组织能力升级"。所以我开始主动去做这件事。对我来说，这个"兼职"本质上不是多一份工作，而是把AI从"工具"变成"组织能力"的过程推动者。它意味着三件事：把复杂的AI能力"翻译成业务语言"，帮大家从"不会用"到"敢用"，让AI真正解决业务问题，而不是停留在demo。某种程度上，这件事比单纯做项目更有价值，因为它是在改变团队的工作方式。
Q：从自己用AI提效，到教大家创建工作流、辅助领导决策，这个转变过程中你遇到的最大挑战是什么？是怎么克服的？
最大的挑战不是技术，而是认知差异。我自己已经在用AI做很多事情，比如写代码、做分析、搭Agent，但团队成员的起点差异很大：有的人完全没用过，有的人用过但觉得"没啥用"，有的人会用但不会用在工作里。所以最大的问题不是"怎么用AI"，而是"为什么要用AI"。我后来做了两件关键的事：
"不讲原理"，只讲结果。不讲大模型，不讲技术架构，直接给他们看：这个Excel→1分钟出分析报告，这个需求→AI帮你写初版代码，这个汇报→自动生成PPT。让他们先看到收益；
从"单点工具"升级到"工作流"。一开始大家只是零散用AI工具，但效果不稳定。后来我帮他们搭简单工作流，比如输入数据→自动分析→输出结论，输入需求→自动生成文档结构。一旦进入流程，使用就会变成习惯。
Q：在推广AI的过程中，有没有遇到同事"不想学、不敢用、觉得没用"的情况？你是如何调动大家积极性的？
这个情况非常普遍，而且本质上分三类人：·不想学（觉得麻烦）→ 降低门槛。我不会让他们去学复杂提示，而是直接给模板和现成工作流。·不敢用（怕出错）→ 限定场景。一开始只用于写草稿、做初版分析，让AI先当"副驾驶"。·觉得没用（没感知价值）→ 用真实案例验证。直接帮他们解决实际工作问题，比如节省30分钟以上时间。一旦他们亲身体验到价值，就会自然转变。
二、AI赋能 & 职场实用
Q：能否分享一个你们团队通过AI工作流真正解决业务痛点的具体案例？从想法到落地大概花了多久？
我们做过一个"经营分析助手"的场景。背景是领导每个月需要看经营数据，但传统方式依赖人工整理和经验分析，效率较低。我们的方案是构建一个简单的AI工作流：输入经营数据Excel，自动分析同比、环比、异常，输出分析报告与风险提示。成果很明显：原本半天的工作缩短到几分钟，报告质量更稳定，还能发现潜在风险。落地周期方面，第一版约1～2周即可上线，后续持续优化。
Q：给领导做"AI小助理"的过程中，你是如何让领导感受到AI的实际价值，并愿意持续支持推广工作的？
关键不是展示技术能力，而是让领导真正"用上"。我主要做了三件事：
聚焦核心场景，围绕经营分析、汇报材料等高价值场景展开；
输出结果导向，提供清晰结论、风险提示和建议，而不是复杂技术过程；
保证稳定性，持续提供稳定输出，让AI逐渐成为可依赖的工具。
当AI从"偶尔好用"变成"稳定可用"，领导自然会支持。
三、成长感悟 & 热爱挖掘
Q：对于其他也想在公司内部推动AI落地的同事（尤其非技术背景的），你最想给的三条实操建议是什么？
不要只研究AI，而是先用AI。从实际工作问题出发，而不是从技术学习开始；
从小场景切入。优先解决一个具体问题，如写报告、整理数据；
优先构建工作流。将AI嵌入流程，而不是停留在单次对话。
四、团队文化・暖心瞬间
Q ：在推广AI的过程中，有没有哪个同事让你印象深刻——从最初"我不想学"到后来"真香"、主动用起来的？
有一位同事一开始比较抗拒AI，认为"不可靠"。后来我帮他优化了一项日常工作：原本需要2～3小时的数据整理，通过AI只需约10分钟完成。他当时的反馈很直接："这个以后离不开了"。之后他反而成为团队中使用AI最积极的人之一，还会主动优化流程。
Q：当团队成员因为AI工具出问题而感到挫败时，你是怎么安慰和鼓励大家的？
"翻车"其实是常态。我一般会这样处理：
先调整预期，强调AI是"提升效率的工具"，而不是完全替代人工；
一起解决问题，带着大家分析原因，优化输入或流程，而不是简单归因工具问题；
沉淀经验，把失败案例转化为团队经验，比如数据质量问题往往比模型更关键。
有些"翻车现场"反而成为团队的共同记忆，也帮助大家更理性地使用AI。
编辑手记
从个人提效到组织升级，从自己跑得快到带着大家一起跑，J Da 的AI推广之路，没有惊天动地的技术突破，有的只是一个个真实的工作场景、一次次的耐心引导、一场场从"翻车"到"真香"的转变。他让我们看到：AI落地的最大瓶颈，从来不是技术本身，而是认知与习惯的鸿沟。而跨越这道鸿沟，需要的不是超级英雄，而是一个愿意先走一步、再回头拉一把的"摆渡人"。