三個(gè)月前，，決定「All in AI」。Lütke 提到，「有效地使用 AI 技術(shù)是對 Shopify 每位員工的基本期望?！惯@種做法隨后引來眾多效仿，包括 Box、Fiverr 乃至加拿大總理。

三個(gè)月后，Shopify 內(nèi)部實(shí)際發(fā)生了什么樣的變化？僅僅是領(lǐng)導(dǎo)者的一句「激情口號」，還是真的在企業(yè)內(nèi)部有效地用起了「AI」？

AI 的落地，改變了哪些工作流程？

First Round Review 與 Shopify 的副總裁 Thawar 進(jìn)行了對談，Thawar 分享了公司對于引用 AI 的具體策略以及實(shí)際提升效果，同時(shí)分享了三個(gè)「反直覺」的 insights。

• 全員無差別用 AI，不設(shè)費(fèi)用上限。

• 讓 AI 更多展示思考和結(jié)果，而不是隱藏。

• 新手和畢業(yè)生很有用，尤其是 AI 使用上。

可以說，在 AI 如何在公司落地這件事上，從戰(zhàn)略指導(dǎo)到技術(shù)落地，Shopify 給了一個(gè)很好的示范。

基于 First Round Review 的文章，F(xiàn)ounder Park 進(jìn)行了編譯處理。

原文：https://www.firstround.com/ai/shopify

超 10000 人的「AI 產(chǎn)品市集」社群！不錯(cuò)過每一款有價(jià)值的 AI 應(yīng)用。

邀請從業(yè)者、開發(fā)人員和創(chuàng)業(yè)者，飛書掃碼加群：

進(jìn)群后，你有機(jī)會(huì)得到：

• 最新、最值得關(guān)注的 AI 新品資訊；
  

• 不定期贈(zèng)送熱門新品的邀請碼、會(huì)員碼；
  

• 最精準(zhǔn)的AI產(chǎn)品曝光渠道

01全員「無差別」使用AI

許多公司在推廣 AI 時(shí)，往往只向全員開放最基礎(chǔ)的工具，而將更強(qiáng)大的模型和應(yīng)用保留給技術(shù)團(tuán)隊(duì)。Shopify 的做法恰恰相反：它允許所有員工使用公司引入的每一款工具和模型。

這種策略背后的邏輯是，高價(jià)值的創(chuàng)新應(yīng)用可能來自公司的任何一個(gè)角落，你根本無法預(yù)判哪一個(gè)會(huì)最終脫穎而出，成為最值得投入資源的用例。

我去年采購了 1,500 個(gè) Cursor 授權(quán)，但很快就發(fā)現(xiàn)供不應(yīng)求，不得不追加了 1,500 個(gè)。而增長最快的用戶群體并非來自工程部門，而是來自客戶支持和營收部門。 Farhan Thawar 法爾漢·塔瓦爾 Shopify 工程副總裁兼負(fù)責(zé)人

為了鼓勵(lì)員工真正用上最好、最新的模型，Shopify 采取了以下三大策略：

策略一：讓法務(wù)團(tuán)隊(duì)默認(rèn)「開綠燈」

變革始于高層。包括法務(wù)在內(nèi)的整個(gè)高級領(lǐng)導(dǎo)團(tuán)隊(duì)必須達(dá)成共識(shí)：擁抱 AI 是公司最重要的事。最高層的一致性意味著，在面對安全、隱私等關(guān)鍵議題時(shí)，所有人都必須以「如何促成」為出發(fā)點(diǎn)?！溉绻悴话选和狻辉O(shè)為默認(rèn)選項(xiàng)，那你實(shí)際上就是在默認(rèn)『拒絕』，」 Thawar 指出?！溉绻?guī)則模糊不清，那實(shí)際上就等于不行，大多數(shù)公司都如此?！?/p>

2021 年底，當(dāng) Thawar 決定引入 GitHub Copilot 時(shí)，他與法務(wù)團(tuán)隊(duì)的溝通很直接：「我第一句話就是，『我們準(zhǔn)備上這個(gè)項(xiàng)目，如何才能確保萬無一失？』」 Thawar 說?！杆麄兓卮?，『我們來想辦法?！粵]有任何反對意見?！?/p>

這種態(tài)度，與其他頂尖科技公司 CTO 們的遭遇形成了鮮明對比。在一個(gè)同行的 WhatsApp 群里，Thawar 經(jīng)常聽到他們抱怨來自法務(wù)的重重阻礙。

群里總有人問我：『能讓你們的總法律顧問（GC）和我們的談?wù)剢?？』他們遇到的阻力，我們從未體會(huì)過。 Farhan Thawar 法爾漢·塔瓦爾 Shopify 工程副總裁兼負(fù)責(zé)人

策略二：AI工具的預(yù)算「上不封頂」

要實(shí)現(xiàn) AI 的全面普及，成本是無法回避的問題。隨著 Cursor 在公司內(nèi)部的廣泛使用，一些人開始擔(dān)心費(fèi)用會(huì)失控。但這恰恰與 Thawar 的初衷相反：他希望只要工具能創(chuàng)造價(jià)值，人人都能毫無顧忌地使用。

Thawar 通過一個(gè)內(nèi)部排行榜觀察，誰為 Cursor 的 tokens 支付額外費(fèi)用最多?！肝覀儾辉O(shè)額度限制。我也不希望有人用腳本刷榜，但它確實(shí)是一個(gè)衡量價(jià)值的絕佳指標(biāo)。我們不希望員工在使用 AI 或最新模型時(shí)有任何顧慮，」 Thawar 說?！肝艺J(rèn)識(shí)一些人，他們因?yàn)橛?AI 完成了重要工作而榮登 token 消費(fèi)榜前十，并以此為傲。」 Shopify 的首席技術(shù)官 Mikhail Parakhin 最近也名列其中。

「我和許多 CTO、CEO 交流時(shí)，發(fā)現(xiàn)一個(gè)令人憂慮的趨勢：他們過分糾結(jié)于 token 的成本，」 Thawar 說，「他們會(huì)盤算：『工程師們使用 Cursor、Windsurf、GitHub Copilot 這類工具，每人每月要多花 1,000 到 10,000 美元，我負(fù)擔(dān)得起嗎？』于是他們選擇收緊預(yù)算?！?/p>

這種思維方式與推廣 AI 的目標(biāo)相悖。

「如果你的工程師因?yàn)槭褂么笳Z言模型（LLM）每月多花了 1,000 美元，但效率提升了 10%，那這筆投資簡直太劃算了。任何公司都會(huì)為這樣『廉價(jià)』的效率提升而興奮?！梗═hawar 甚至表示，如果你的工程師每月能花掉 10,000 美元并創(chuàng)造價(jià)值，請務(wù)必私信他，他想學(xué)習(xí)經(jīng)驗(yàn)。)

策略三：統(tǒng)一的AI入口與 MCPs

為了讓員工能輕松地使用和構(gòu)建最新的 AI 工具，Shopify 將所有資源整合到了一個(gè)平臺(tái)：公司的內(nèi)部 LLM Agent。這個(gè) Agent 作為一個(gè)統(tǒng)一的入口，讓用戶能與各種模型無縫交互和切換。在生產(chǎn)環(huán)境中，該 Agent 還承擔(dān)著擴(kuò)展、追蹤和故障轉(zhuǎn)移等重要功能。

員工可以利用這個(gè) LLM 構(gòu)建自己的工作流，自由選擇各種模型，并總能第一時(shí)間用上最新版本。平臺(tái)內(nèi)建了豐富的 MCPs 集合，用戶只需向 Agent 或 Cursor 等工具發(fā)出請求即可調(diào)用。這里甚至還有一個(gè)由同事們創(chuàng)建好的 Agent庫，供所有人取用。它是一個(gè)一站式的 AI 工作站，滿足了員工的所有需求。

「MCP 服務(wù)器是連接公司所有內(nèi)部工具的重要基礎(chǔ)設(shè)施層。我們的理念是『萬物皆可 MCP』，」 Thawar 說?！肝覀儗⒐緝?nèi)部的每一份數(shù)據(jù)，無論它存儲(chǔ)在哪個(gè)工具里，都通過 MCP 變得觸手可及，方便員工隨時(shí)調(diào)用，構(gòu)建自己的工作流。」

02基于 AI 的工作流案例

有了 MCP、Cursor 和聊天這套基礎(chǔ)設(shè)施，無論是技術(shù)人員還是業(yè)務(wù)人員，工作效率都得到了極大的提升。以下是幾個(gè)來自研發(fā)部門之外的亮眼案例：

案例一：一個(gè)改變潛在客戶銷售線索開發(fā)方式的網(wǎng)站審計(jì)工具

在 Shopify 的銷售流程中，網(wǎng)站性能基準(zhǔn)分析是一個(gè)重要環(huán)節(jié)。為了向潛在商家證明其行業(yè)領(lǐng)先的網(wǎng)站速度，銷售人員必須先對潛在客戶的網(wǎng)站進(jìn)行審計(jì)分析，以數(shù)據(jù)證明 Shopify 的優(yōu)勢。過去，這項(xiàng)工作完全依賴人工，耗時(shí)耗力。

最近，一位非技術(shù)背景的銷售代表利用 Cursor 開發(fā)了一款工具，能夠自動(dòng)生成詳盡的網(wǎng)站性能對比報(bào)告。該工具可以抓取潛在客戶網(wǎng)站的數(shù)據(jù)，與 Shopify 的基準(zhǔn)進(jìn)行對比，甚至還能調(diào)用內(nèi)部文檔，為銷售溝通提供精準(zhǔn)的話術(shù)支持。

Shopify 的首席營收官（CRO）Bobby Morrison 稱贊了這種思維和工作方式：「我們頂尖的業(yè)務(wù)開拓者正在重塑工作的方方面面，從市場分析、機(jī)會(huì)識(shí)別，到為商家制定戰(zhàn)略、打造解決方案。其中最成功的人，無一不具備『AI 流利度』，他們能憑直覺與 AI 工具協(xié)作，并以 AI 的速度進(jìn)化。AI 對他們而言并不是獨(dú)立的，而是一種工作方式?！?/p>

在 Shopify 看來，AI 帶來的真正機(jī)會(huì)在于，它能讓你重新思考整個(gè)銷售模式。「比如，在一個(gè)追加銷售的場景里，銷售代表可以一邊與客戶通話，一邊讓 agent 在幾秒內(nèi)調(diào)取過去需要耗費(fèi)大量時(shí)間才能獲得的數(shù)據(jù)。這類銷售數(shù)據(jù)曾經(jīng)是稀缺資源，如今卻唾手可得，」 Thawar 解釋道。

「這會(huì)對銷售方法產(chǎn)生怎樣的影響？你可以更自信、更有力地闡述觀點(diǎn)，從而在客戶組織內(nèi)部開辟新的溝通路徑，甚至可能徹底改變你打陌生客戶拜訪電話的方式。」

案例二：銷售工程師的「今日待辦」主頁

一位銷售工程師將他最常用的 GSuite Drive、Slack、Salesforce 等工具的 MCPs 整合到了一個(gè)用 Cursor 搭建的個(gè)人儀表盤中。這個(gè)儀表盤能根據(jù)所有工具的實(shí)時(shí)信息，智能地為他排列任務(wù)的優(yōu)先級。

過去，他不得不在這些應(yīng)用間來回切換?，F(xiàn)在，他每天只需打開儀表盤，問一句：「我今天該做什么？」系統(tǒng)可能會(huì)發(fā)現(xiàn) Salesforce 中有一個(gè)即將成交的單子，同時(shí)注意到他還沒有回復(fù)該客戶的一封重要郵件，于是立刻提醒他優(yōu)先處理。Thawar 表示：「他現(xiàn)在幾乎不再打開那些獨(dú)立的工具了，Cursor 就是他的工作主頁。他甚至不用再登錄郵箱，這太不可思議了。」

這正是 Shopify 希望從其 AI 基建投資中看到的回報(bào)，對于一家以基礎(chǔ)設(shè)施建設(shè)聞名的公司來說，這順理成章。「我們優(yōu)先發(fā)展內(nèi)部的 AI 基礎(chǔ)設(shè)施，這是我們基因的一部分，」 Thawar 說。

「與其花幾周時(shí)間開發(fā)一個(gè)孤立的功能，我們寧愿投入更長時(shí)間去構(gòu)建可復(fù)用的基礎(chǔ)設(shè)施。比如，我們搭建了 LLM 代理和 MCP 服務(wù)器，就是希望構(gòu)建一個(gè)可供所有人重復(fù)利用的系統(tǒng)。一旦有人創(chuàng)建了 Slack 的 MCP，那么全公司的人都可以直接使用?！?/p>

工作流案例三：用 RFP Agent 提升贏單率

對于向大企業(yè)銷售的公司而言，填寫項(xiàng)目建議書（RFP）是家常便飯。每一份 RFP 都包括數(shù)百個(gè)問題，需要大量的定制化、公司背景信息和跨部門協(xié)作才能完成。

為此，Shopify 的營收工具團(tuán)隊(duì)開發(fā)了一款 agent，能夠一次性回答多個(gè) RFP 問題。這款 agent 基于 LibreChat（Shopify 是其核心貢獻(xiàn)者之一）構(gòu)建，它能調(diào)用內(nèi)部的知識(shí)庫，包括公開文檔、幫助中心、案例研究等，自動(dòng)生成內(nèi)容豐富且有據(jù)可查的回復(fù)，極大地解放了方案工程師的生產(chǎn)力。

在回答問題時(shí)，agent 還會(huì)為每個(gè)答案給出一個(gè)「置信度分?jǐn)?shù)」，表明其信息是否充分。同時(shí)，它還能從過去成功贏單的 RFP 回答中學(xué)習(xí)，并將新的成功案例儲(chǔ)存進(jìn)知識(shí)庫，來不斷優(yōu)化未來的應(yīng)答質(zhì)量。

03AI更多地展示思考過程，而不是隱藏

許多人的擔(dān)憂是，過度依賴 AI 會(huì)讓我們「大腦生銹」，與工作本身產(chǎn)生疏離感。但一個(gè)反直覺的事實(shí)是，如果使用得當(dāng)，AI 反而能向你更多細(xì)節(jié)，讓你更深入地參與其中。

「大多數(shù)人認(rèn)為，理想的用戶體驗(yàn)就是你提問，AI 給答案，中間的『混亂』過程越少越好，」 Thawar 說。「但如果你的目標(biāo)是幫助人們精通某項(xiàng)技能，那么展示這些過程細(xì)節(jié)反而效果更佳。」

策略：對人進(jìn)行「情境工程」

Shopify 認(rèn)識(shí)到，要有效地驅(qū)動(dòng) AI 的應(yīng)用，關(guān)鍵不僅在于優(yōu)化提示詞，更在于將「情境工程」 （context engineering） 理念，系統(tǒng)化地應(yīng)用在員工身上。

舉個(gè)例子：在 Shopify，項(xiàng)目負(fù)責(zé)人每周都需要提交項(xiàng)目進(jìn)展報(bào)告，這使得公司的項(xiàng)目管理系統(tǒng)成了一條信息高速公路。現(xiàn)在，一個(gè) AI agent 會(huì)自動(dòng)抓取與項(xiàng)目相關(guān)的 GitHub 拉取請求、文檔、評論以及 Slack 頻道信息，并撰寫周報(bào)初稿。

每周五，項(xiàng)目負(fù)責(zé)人會(huì)收到這份 AI 生成的報(bào)告，但附帶了一系列挑戰(zhàn)性的追問，比如「本周你具體完成了哪些工作？」. 這促使負(fù)責(zé)人必須批判性地審視 AI 的總結(jié)，并對其進(jìn)行優(yōu)化。他們被激勵(lì)去發(fā)現(xiàn)其中與實(shí)際情況不符之處，暴露潛在的風(fēng)險(xiǎn)，而不是草草接受完成情況，因?yàn)樗麄兿Ｍ约旱墓ぷ鞒晒鼙粶?zhǔn)確地理解。

「根據(jù)負(fù)責(zé)人的反饋，AI 會(huì)生成一份新的報(bào)告。我們會(huì)對比最終版本與初稿的差異，AI 則根據(jù)這些重寫內(nèi)容進(jìn)行學(xué)習(xí)，不斷進(jìn)化，」 Thawar 說。過去，撰寫周報(bào)需要耗費(fèi)大量時(shí)間搜集信息，而現(xiàn)在，項(xiàng)目負(fù)責(zé)人可以將精力集中在人類最擅長也最應(yīng)該做的事情上：批判性地思考和挑戰(zhàn)，從而讓工作成果變得更好。

我們發(fā)現(xiàn)，由 AI 生成的周報(bào)初稿，有一半都無需修改直接通過了。這些報(bào)告質(zhì)量很高，部分原因在于 AI 整合了它能獲取到的所有相關(guān)信息。 Farhan Thawar 法爾漢·塔瓦爾 Shopify 工程副總裁兼負(fù)責(zé)人

工作流：「吐槽」代碼的 Roast 框架

Shopify 運(yùn)行著全球規(guī)模最大的 Ruby on Rails 應(yīng)用之一。如何讓大量工程師高效地協(xié)作，共同維護(hù)這樣一個(gè)龐大的單一代碼庫，始終是一項(xiàng)挑戰(zhàn)。尤其是在 Ruby 這種推崇「約定優(yōu)于配置」，鼓勵(lì)開發(fā)者個(gè)人自由發(fā)揮的語言環(huán)境中。

Shopify 的工程師們發(fā)現(xiàn)，AI 可以成為維護(hù)代碼約定、統(tǒng)一單元測試和代碼更新規(guī)范的強(qiáng)大工具。但 AI 本身并不可靠，它需要明確的結(jié)構(gòu)化引導(dǎo)，并與確定性的工具和原則相結(jié)合。

于是，Shopify 開發(fā)了 Roast，一個(gè)用于代碼檢查、修復(fù)和迭代的開源 AI 編排框架。它的名字源于公司內(nèi)部一個(gè)同名的 AI 工具，該工具以「吐槽」（roast） 的方式對現(xiàn)有代碼和單元測試提出建設(shè)性的批評和改進(jìn)建議。Roast 并不是一個(gè)必須做所有事情的單一提示，而是讓開發(fā)者可以設(shè)計(jì)并運(yùn)行由一系列小而精準(zhǔn)、成功率高的步驟組成的反饋循環(huán)：

• Roast 將工作流拆解成多個(gè)步驟，并在每一步都清晰地展示 AI 的推理過程。

• 這些步驟共同構(gòu)成了一段完整的對話歷史，方便工程師追溯 AI 的決策邏輯。

• 其核心的 CodeAgent（基于 Claude Code 構(gòu)建）會(huì)總結(jié)自己的每一步操作及其原因。

• 在進(jìn)行測試評分等任務(wù)時(shí)，Roast 會(huì)就得分高低給出詳盡的反饋，在呈現(xiàn)最終結(jié)果前，先解釋「為什么」和「怎么樣」。

「將確定性工具與 AI 工具結(jié)合，它們可以互相補(bǔ)充信息，并彌補(bǔ)差距，」 參與開發(fā) Roast 的 Shopify 員工開發(fā)者 Samuel Schmidt 說道。Roast 簡化了 agent 的使用，并向與之協(xié)作的工程師展示其工作全過程，使得以可重復(fù)、可擴(kuò)展的方式執(zhí)行復(fù)雜流程變得更加容易。

這款工具已經(jīng)為 Shopify 內(nèi)部解決了許多技術(shù)難題，比如幫助工程師分析數(shù)千個(gè)測試文件，自動(dòng)修復(fù)常見問題，從而全面提升了代碼的測試覆蓋率。在解決這些問題的過程中，團(tuán)隊(duì)也摸索出了一套更可靠地利用 AI 完成復(fù)雜工程任務(wù)的新范式，這也是許多團(tuán)隊(duì)當(dāng)前面臨的挑戰(zhàn)。因此，Shopify 決定將 Roast 開源，邀請整個(gè)社區(qū)共同塑造 AI 輔助任務(wù)執(zhí)行的未來。

04在產(chǎn)品開發(fā)中建立「初學(xué)者心態(tài)」

Shopify 不僅在增加初學(xué)者的數(shù)量，也在改變產(chǎn)品開發(fā)流程，更加強(qiáng)調(diào)原型制作，這是一種將自己置于初學(xué)者心態(tài)的實(shí)踐。他們認(rèn)為，這才是突破瓶頸、找到解決方案的真正關(guān)鍵。

策略：雇傭更多的初級人才

在人才策略上，Shopify 有意轉(zhuǎn)變了思路，沒有停留在「AI 將取代人力」這種簡單的表面理解上，而是建立了一條新原則：「如果你能利用 AI 創(chuàng)造出卓越價(jià)值，公司就會(huì)投入更多資源來支持你」，而這些資源其中就包括新的人手。

傳統(tǒng)觀點(diǎn)認(rèn)為，AI 將會(huì)摧毀入門級崗位，工程專業(yè)的畢業(yè)生普遍有種「末日將至」的感覺，擔(dān)心畢業(yè)即失業(yè)。但 Shopify 相反，雇傭了更多的實(shí)習(xí)生。因?yàn)樗麄儼l(fā)現(xiàn)，這些年輕人恰恰是以最富創(chuàng)造力的方式使用 AI 的群體，他們天生就具備初學(xué)者心態(tài)。

在成功引入 25 名工程實(shí)習(xí)生后，Lütke 問 Thawar 這個(gè)項(xiàng)目最大能擴(kuò)展到什么規(guī)模?！肝易畛醯幕卮鹗?，在現(xiàn)有基礎(chǔ)設(shè)施下，可以支持 75 人。但后來我收回了這句話，將答案更新為 1,000 人，」 Thawar 說。

Thawar 有著豐富的實(shí)習(xí)項(xiàng)目管理經(jīng)驗(yàn)。他深知，實(shí)習(xí)生能為團(tuán)隊(duì)帶來活力、激情和沖勁。而在后 LLM 時(shí)代，他們還帶來了一項(xiàng)新技能：他們是天生的「AI 半人馬」?！杆麄兛偸菍π鹿ぞ吆徒輳匠錆M好奇。我希望他們能『偷懶』，去使用最新的工具，」他說?！肝覀冊谝苿?dòng)互聯(lián)網(wǎng)時(shí)代就見證過這一點(diǎn)。當(dāng)時(shí)我雇傭了大量實(shí)習(xí)生，因?yàn)槲抑浪麄兪恰阂苿?dòng)原住民』。」

策略：用更多原型，探尋最佳路徑

現(xiàn)在，更多的原型制作在 Shopify 的產(chǎn)品開發(fā)流程中占據(jù)了更核心的位置。具體來說，公司著力于提升原型嘗試與最終構(gòu)建之間的比例。這踐行了 Shopify 的一項(xiàng)核心原則，即「產(chǎn)品開發(fā)的綠色通道」：解決一個(gè)復(fù)雜問題的唯一方法，就是不斷地嘗試。Lütke 曾對 Thawar 說：「一個(gè)問題有無數(shù)種糟糕的解法，和大概一萬種不錯(cuò)的解法。你的任務(wù)是在那一萬種里找到最優(yōu)解。你剛才展示的只是第一個(gè)跑通的方案，而不是最好的方案。你為什么就停下了？」

Thawar 補(bǔ)充道：「你面對的是一個(gè)包含上百個(gè)變量和層級的問題，你必須探索不同的路徑。這些路徑也許會(huì)導(dǎo)向外觀相似的最終產(chǎn)品，但其背后的權(quán)衡與取舍卻可能天差地別?！?/p>

例如，Shopify 內(nèi)部的 AI 聊天工具就源于一個(gè)原型。高級工程師 Matt Burnett 最初只是為了改善內(nèi)部對 LLM 的訪問，用開源工具做了一些實(shí)驗(yàn)。他在早期版本中不斷迭代，解決了數(shù)據(jù)丟失和擴(kuò)展性等問題，并通過讓同事盡早試用，暴露了架構(gòu)上的缺陷。最終，這款工具被廣泛采用，以至于公司成立了一個(gè)專門的工程團(tuán)隊(duì)來負(fù)責(zé)運(yùn)營。

AI使用程度與績效緊密「掛鉤」

為了衡量整個(gè)組織工程效率的各個(gè)維度，Thawar 使用了一個(gè)工程活動(dòng)儀表盤。它追蹤誰在進(jìn)行結(jié)對編程，誰參與了面試，以及前邊所提到的，誰在使用 Copilot。

Shopify 多年的數(shù)據(jù)顯示，結(jié)對編程能顯著提升學(xué)習(xí)速度。利用這個(gè)儀表盤，公司進(jìn)行了一項(xiàng)分析，考察了結(jié)對編程時(shí)長與績效評估結(jié)果之間的關(guān)系。結(jié)果表明，工程師的結(jié)對編程時(shí)間越長，其影響力就越大；反之則越小。

現(xiàn)在，這個(gè)儀表盤也開始追蹤員工對 Cursor、Claude Code 和 LLM 代理等 AI 工具的使用情況。一項(xiàng)初步分析顯示，使用這些工具的員工，其影響力也呈現(xiàn)出正相關(guān)性。這有助于識(shí)別真正能創(chuàng)造價(jià)值的工具，并它們與個(gè)人績效之間的聯(lián)系。

Shopify 已經(jīng)將 AI 相關(guān)的問題納入了 360 度評估體系。經(jīng)理和同事需要評價(jià)彼此在「AI 原生」或「AI 反射性」方面的表現(xiàn)。公司計(jì)劃在積累幾年數(shù)據(jù)后，對 AI 使用與個(gè)人影響力之間的關(guān)系做更深入的分析。

Thawar 自己也身體力行，通過結(jié)對編程來示范如何使用 AI?！肝液鸵晃还こ處熃Y(jié)對編程，一方面是想觀察他解決問題的方法，另一方面也是為了推行我的理念。我總是開著一個(gè) ChatGPT 的標(biāo)簽頁，在實(shí)踐中向他展示我是如何無時(shí)無刻地與 AI 協(xié)作的?！?/p>

05效率提升會(huì)重塑工作流程

如果你能精密分析職業(yè)運(yùn)動(dòng)隊(duì)訓(xùn)練或米其林星級餐廳后廚運(yùn)作的每一個(gè)動(dòng)作，你會(huì)發(fā)現(xiàn)他們的運(yùn)動(dòng)效率高達(dá) 80% 左右。再反觀一家企業(yè)，其運(yùn)營效率最多可能只有 20%。

「企業(yè)中存在著難以想象的浪費(fèi)，僅僅是因?yàn)槲覀冞€沒有發(fā)現(xiàn)做事的最佳模式。」 Thawar 指出?！窤I 能加速現(xiàn)有流程，這一點(diǎn)顯而易見。但更深層次、更不為人所知的價(jià)值在于，它能讓你猛然發(fā)現(xiàn)，你的流程或許應(yīng)該以完全不同的順序、基于完全不同的假設(shè)來執(zhí)行。當(dāng)那個(gè)『頓悟』時(shí)刻來臨時(shí)，或許能跳過大量的冗余工作，或是重塑整個(gè)流程?！?/p>

再想想那個(gè)網(wǎng)站審計(jì)工具。Thawar 思考著它如何能徹底改變銷售流程?！府?dāng)制作一份網(wǎng)站審計(jì)報(bào)告的成本變得微不足道時(shí)，你可能會(huì)改變銷售流程中由誰、在何時(shí)來呈現(xiàn)這些數(shù)據(jù)。比如，你可以在銷售漏斗的更早期就引入它，而不必等到客戶被高度篩選后。這樣，銷售開發(fā)代表（SDRs）接觸的客戶類型可能都會(huì)改變，」他說?！高@最終會(huì)催生一個(gè)全新的銷售流程。而這一切的唯一驅(qū)動(dòng)因素，就是我們能以極低的成本生成網(wǎng)站審計(jì)報(bào)告?！?/p>

他以備受推崇但又極難復(fù)制的「豐田生產(chǎn)體系」為例。AI 或許正在改變這一切?！窤I 從根本上改變了我們的基本假設(shè)。你可以用它來破解生產(chǎn)線中復(fù)雜的組合問題，將效率提升一千倍。這才是真正的魔力所在。我們追求的，正是發(fā)現(xiàn)這種『流程的力量』?！?/p>

轉(zhuǎn)載原創(chuàng)文章請?zhí)砑游⑿牛篺ounderparker