告别AI焦虑：高金学员的实战落地与角色重塑

4月，高金MBA AI4Leader训练营正式拉开帷幕。以“智能体（Agent）与真实业务场景”为核心的课程实践，正促使众多学员首次将AI深度融入日常工作流。从掌握工具、拆解业务流程、构建工作流，到深入探讨AI如何融入组织并推动协同，诸多积极变化正在悄然发生。

近日，我们特意采访了两位来自高金北京班、参与AI4Leader训练营的学员。

度小满互联网研发经理兼架构师、高金北京2023级MBA校友李晓坤，深耕研发与技术架构领域；中科星图总裁助理及财务中心副总、高金北京2023级MBA校友刘子畅，则主要从企业管理与业务运营视角投身此次训练。

让我们分别从技术与业务两个维度，探讨他们如何理解这段AI学习与实践旅程中的蜕变与收获。

Q1

你们为何选择参加AI4Leader？

刘子畅：

我是带着非常明确的问题而来的。

鉴于我长期深耕企业财务管理，近两年行业内围绕“AI是否会取代财务人员”的讨论从未停歇，这促使我不断深思：若AI真正介入企业管理流程，我们该如何应对？在这一轮技术变革中，哪些人才将具备长期的核心价值？

同时，我在工作中深切体会到，大量重复性事务仍占据团队大量时间，诸如数据整理、回款追踪、经营分析及临时数据支持等。若团队长期耗费精力于此，便难以腾出时间思考更具战略意义的管理议题。

因此，我迫切希望进一步探明：AI究竟能否切实解决这些难题？以及业务管理者应如何推动AI在组织内的落地实施。

参加AI4Leader，一方面旨在验证AI是否能解决真实工作痛点，另一方面则是希望站在业务管理者的立场，思考企业内部AI落地的推进策略。

李晓坤：

过去一年，大模型与Agent技术迅猛发展，各类工具迭代飞快。作为从事研发与架构工作的专业人士，我格外关注：学校老师如何理解这些技术？这与外部看到的行业趋势是否契合？同时，我也期望将自己在技术落地中的经验带入训练营，与大家共同探讨真实业务场景下的挑战。

随后在与同学们的协作中，我逐渐找到了自己的定位，更像是一位“翻译者”。许多业务同学并非缺乏想法或不理解自身痛点，而是不知如何将痛点拆解为AI可理解、可执行的流程。我的作用，便是尽力协助大家将业务语言转化为技术可承接的结构。

Q2

训练营中有哪些令你们印象深刻的事？

刘子畅：

参与课程后，脑海中零散的AI概念第一次被真正“串联”起来。

例如Skill、Agent、Memory、工作流等概念，过去虽有所耳闻，却不明其具体关联。直到真正着手项目，我才首次理解AI系统是如何一步步构建而成的。

令我记忆犹新的是，晓坤当时建议：切勿急于追求复杂功能，而应先梳理清楚具体任务的输入、过程与输出。于是我花费数日，将工作中的SOP逐一拆解，再尝试用工具搭建。当我首次看到流程可视化运行时，感触颇深。即便当时结果尚不完美，但我至少明确了AI入门的起点。

李晓坤：

我印象较深的是，第一节课结束后，许多同学仍不知下一步该如何推进。

课堂虽讲解了众多工具与概念，如Claude Code、工作流、Agent等，但真正落实到个人业务场景时，大家会发现问题并不会自动清晰。因此，后来我与子畅讨论时，第一步并非直接选择模型或启用复杂工具，而是回归业务SOP。

子畅首次用扣子跑出的结果，从效果看或许不尽如人意，甚至她自认不及格。但在我眼中，这一步极具价值。因为业务流程首次被结构化沉淀，且我们能精准定位问题所在。

这实则是一次重要转变。以往人们可能简单抱怨“AI难用”，如今却能深入分析：究竟是模型能力不匹配、提示词表述不清，还是流程设计本身不够明确。这种判断力，正是训练营带来的关键收获。

Q3

训练营带给你们最大的改变是什么？

刘子畅：

于我而言，最大的改变在于，我终于知晓如何真正启动AI落地。

此前AI对我而言是个宏大概念，虽知重要且能改变工作，却不知从何入手。通过这段时间的课程与实践，我开始明白哪些内容应纳入知识库，哪些更适合Memory，哪些步骤需调用工具，以及整个工作流该如何串联。

更重要的是，我已开始将这些成果应用到自身工作场景中。

目前，我将之前沉淀的部分SOP转化为几个可直接使用的页面。只需上传系统导出的文件，即可自动生成数据看板。虽非极其成熟的系统，但已能节省大量重复性工作耗时。对我而言，这绝非“课堂Demo”，而是已开始切实助力工作。

此事也促使我进一步思考：若AI能替代部分重复性事务，团队是否可将更多精力投入真正需要判断、协调与管理的事务？这也是本课程带给我的重要收获。

李晓坤：

我最深切的感受是，这门课让“AI落地”变得具体可感。许多人误以为Demo跑通即代表AI落地，殊不知从Demo到真正上线，中间仍有一段漫长距离。稳定性、效率、安全、成本、模型选择、数据权限、部署方式等难题，皆会在真实业务场景中浮现。

我曾为同学们做过一次分享，某种程度上确实在“泼冷水”。因为外部诸多AI展示极为流畅，仿佛一人即可快速打造产品。但真正置于企业场景，商业化与组织落地绝非易事。

AI4Leader的价值在于，它不仅展示光鲜结果，更让大家提前直面这些真实问题。你会知晓项目从Demo走向可用系统途中有哪些陷阱，也会明确自身需补足哪些能力。

Q4

你们如今如何理解“AI for Leader”？

刘子畅：

我愈发觉得，对我而言，“Leader”甚至比“AI”更为关键。

因为AI本质仍是工具。真正重要的是，管理者能否用它解决组织内的真实问题。我们老板曾言：数据本身不产生价值，唯有解决业务问题，数据方能创造价值。如今我对AI也有类似认知——AI本身不产生价值，唯有与业务问题结合，方能真正释放价值。

本课程另一重要收获，是促使我开始思考组织中的AI落地角色。

例如，我现在正与公司信息化团队探讨：如何保障数据安全？业务部门与信息化部门如何协同？若业务部门能自行编写Agent，信息化部门是否仅需提供安全可靠的数据接口？对于那些需求不明的业务部门，是否需有人先协助其提出问题、拆解清楚，再转化为AI可执行的流程？

正是在此过程中，我提出了“AI体验官”的概念。

这一角色未必是纯技术人员，也不仅是业务使用者，而是能理解业务痛点、掌握AI基本逻辑，并推动两者融合的人。对我而言，这是本课程带来的重要成长。它不仅让我知晓如何制作小工具，更促使我思考如何在组织内推动更多人理解并使用AI，最终让AI真正服务业务。

李晓坤：

我非常认同子畅提出的“AI体验官”理念。

当下许多企业正面临类似问题：一方面，管理层期望通过AI实现降本增效；另一方面，技术团队也在积极尝试各类工具。但中间往往缺失连接点——谁来厘清业务问题？谁来判断需求是否适合AI？谁将技术能力转化为业务可接受的方案？

我认为，AI4Leader正在培养的，正是此类人才。

过去许多人视AI仅为技术部门之事，如今大家日益意识到，真正推动AI落地者，往往是既懂业务痛点又理解AI流程之人。他们未必需编写完整代码，但需知晓如何拆解问题、明确工具边界，并懂得如何与技术团队沟通。

因此，从这个角度看，AI4Leader并非单纯教授工具使用，而是在帮助大家构建一种新的工作能力。未来，无论是AI4Leader，还是更进一步的AI for Company，都将与组织转型建立更深层的联系。

结语

从技术侧到业务侧，从个人效率提升到组织流程重构，李晓坤与刘子畅的交流，生动呈现了AI4Leader训练营的真实一面：AI落地绝非简单引入工具，而是需重新理解业务、拆解流程、识别边界，并在组织内部建立新的协作机制。

对于业务管理者而言，AI带来的不仅是效率提升，更是重新审视工作与组织的机会。真正关键的，或许并非“是否会使用AI”，而是能否在真实问题中判断：哪些事务可交由AI，哪些环节需依赖人的经验与决策，以及如何让AI成为推动组织变革的力量。

这正是AI4Leader训练营期望赋予学员的能力——从理解AI起步，最终迈向用AI解决真实问题。