决定AI应用高度的，从来不是技术本身

李贺负责财务工作。三个月前，她对AI的态度是“完全不会用，零基础”。

后来发生了一件事。她找吴优学了最基础的操作，回来后开始实践——把之前分散的数据工具迁移过来，交给她的AI助手处理。几天下来，她自己的日常工作快速得到了释放。

但她没有止步于此。

她发现自己轻松了，下面的同事却不敢用。有人直接问她：“用了AI是不是就要被取代？”

她的做法不是开培训会，也不是发操作手册，而是帮同事铺好路径——先让他用AI，尝到甜头之后再谈其他。结果：几个小时的工作压缩到5分钟。尝到甜头后开始自己用AI做审核。这是第一层释放。

第二层觉得看板虽然做出来了，但“不够高级”——她原话：“看板都是底层数据，只不过展现形式不同，不是我想要的那种高级。”

然后她有天晚上刷到头条上一段采访，里面有句话：“人的认知深度决定AI的深度。”

她说这句话让她豁然开朗：不是AI做不到，是我的深度不够。

于是她开始研究：我之前用的是这种系统，现在怎么升级？方案不能直接落地，但思路打开了。

一周后，她从零搭建了“御金台”——六个模块：资金管理、应收管理、票据管理、项目管理、税务管理，再加报销审核。567条应收记录实时追踪，每日自动对比，AI八维度自动审核报销。系统名字她自己取的——为什么叫“御金台”不叫“财务管理系统”？她考虑的是用户体验：“太正经的名字大家看不懂就不看了。”

吴优看到这个速度，说了句：“上周还在问我怎么用，下周已经要做脱敏准备分享了。”

再然后，温柔让同事去对接银行API。招行给了接口，建行报价10万——她在倒逼银行开放数据。一个完全不懂代码的财务负责人，一周从零到上线一套完整的财务数据系统。

左左负责薪酬绩效。

她说的第一句话：第一步首先要完成最小闭环。

故事是这样的。小优是她的AI助手，之前处于“沉睡”状态——分配了，没怎么用。有一个周末，左左跟小优进行了一次简单的对话，想通了一件事：招聘筛选可以完全自动化。然后就爆发了。

小优现在每天跑三班（11点、15点、17点），从招聘系统和邮箱双渠道采集简历，9个岗位独立评分标准，逐条打分。上周10次运行，处理了581份简历，28分钟一轮，零人工干预。成功率从3%做到了97%。

但左左不满足于此。她发现了一个问题：小优的筛选规则全在AI脑子里，HR看不到也改不了。

她的反应不是“算了，能用就行”，而是——要做可视化规则管理界面。让HR能看到标准、能调整标准、能知道AI在按什么规则做事。

然后她同时在推多条线：招聘自动化、员工关系、群消息规则化，薪酬绩效也迭代到了2.0。她说“最近所有的熬夜都是因为AI”。

她还说了一句让我印象很深的话：“小优的执行力跟不上我的想象力。”

想想看：当一个HR负责人说出“AI执行力跟不上我的想象力”，而不是“AI太难用了”——她已经不是在使用AI了，她是在设计AI应该怎么工作。框架思维和想象力被AI放大了很多倍。

吴优是我们的FDE，是整个组织AI落地的支点。

有多支点？

端午节内部评选，31条提名，他被提的最多。诸葛亮叫他老师，温柔叫他老师，我也叫他老师。

他自己说了一个变化：以前做API对接和字段映射，一周算快的。现在？他把文档发给阿七（另一个AI同事），阿七自己去研究、自己要密钥、自己配置、自己解决报错。以前要排期的事，现在发过去就不用管了。

“API能力10倍不止。”

但更厉害的是她的实战洞察。吃饭的时候说了一句话让我特别有感触：“你不要跟AI说‘去联系那谁’，你要说具体的工具名和准确路径——你给对了路径，它比你快。”

这句话看起来简单，但它回答了一个很多人的困惑：AI不是“笨”，是你用了人和人之间的说话方式在跟机器交流。

很多人觉得AI“不听话”。吴优的答案是：不是AI不听话，是你没说对话。

温柔的“一周奇迹”背后也有吴优。他具体描述了温柔的进化速度：“上周还在问最基本的操作，这周已经要做脱敏准备在内部分享了。这不是10倍，是10倍不止。”

还有一个细节：温柔开始在群里“鞭策”吴优——“他真的在群里像鞭策我一样。” 反过来了，财务在推着FDE跑。

这三个人有一个共同特征：都不是技术出身，但都用产品思维在驱动AI落地。

李贺的策略是“先释放自己，再释放团队”——有节奏的赋能传导。

左左的策略是“先完成最小闭环，再扩展”——工程化的迭代方法。

吴优的角色是“给每个人一个技术支点”——降低所有人的起步门槛。

温柔和吴优：领域专家加技术支点，互相推着往前跑。 左左和吴优：产品思维加技术落地，让一个沉睡的AI助手变成了日处理581份简历的招聘流水线。 温柔和左左：两个“非技术部门”同时爆发，说明这不是个人天赋，是组织的土壤到了。

如果用AI协作的五层Loop来看这顿午饭：

L1 提词循环： 人给AI一条指令，AI出一个结果，人检查、修改、再来一条。每次从零开始。大多数人停在这里。

L2 流程循环： AI按设计好的流程自动执行。你不推它，它也在转。

L3 任务闭环： AI自主完成一个端到端的任务链。遇到问题自己调整，按目标走而不是按流程走。

温柔三个月前在L1。今天她站在L3——御金台六个模块，每日自动追踪、对比、审核，她只看结果。而且她在摸L4的门：不同模块的AI各跑各的，开始互相配合。

左左两个月前在L1到L2之间。今天在L3站稳了——小优不是按流程跑，是按目标跑。而且她已经在想L4才需要的事：规则可视化、标准透明化。

吴优一直在L3到L4之间。但他的特殊之处是：他不只自己在L3，他在帮别人从L1跳到L3。他是那个让Loop能转起来的支点。

三个人加在一起，让组织的Loop在一个月内实质性地转了一大圈。这一圈不是CEO推的，不是技术部门推的，是财务、HR和FDE在日常工作里自然推动的。

AI落地最大的瓶颈，不是AI不够聪明，不是预算不够，不是技术栈不到位。

瓶颈是人的认知深度。

温柔那句话说得最好：“人的认知深度决定AI的深度。”

这句话不是培训里学来的，是她晚上喂完奶刷手机看到的。然后她用一周时间证明了这句话。

所以FDE人才不是培训出来的，是长出来的：给一个人足够的信任、足够的自主权、和一个够好的技术支点——然后等他自己的认知深度追上AI的能力边界。

这个过程没有捷径。但一旦发生，速度是你预料不到的。

温柔用了一周。左左用了一个周末想通，接下来几天就爆发了。

而这两个人，三个月前都还在说“我完全不会用AI”。

AI落地最快的路径，不是找最好的AI，而是找到那些认知深度够、又愿意动手的人。然后给他们一个agent涌现的环境。