一、先看 AI 有多强：1.24 亿播放背后，人和 AI 各干了什么
课件开场没有讲定义，先放了一支视频——《过来人》。十位古人轮流开麦说唱，唱的是失意，不是功绩。这支 MV 全网播放1.24 亿，制作周期4 天，直接成本几千元，由1 个人独立完成。
然后是拆解。这支 MV 的画面、编曲、声线是 AI 做的；但写什么、怎么排、留哪一句，是人定的。
- 人做的（不可替代）：立意与结构、歌词骨架、取舍与情绪、真实经历——共鸣来自创作者的人生，不是算法；
- AI 做的（重复劳动）：试韵脚与打磨句式、多版编曲与声线、生成 MV 画面、校验人物史实。
创作者自己的总结最直接："AI 可以批量生产内容，但无法批量生产共鸣和共情。"
淘汰你的从来不是 AI，是会用 AI 的同事。
二、你现在用 AI，到第几层了
课件在这里做了一次现场自测，把所有人放进三层里对号入座：
- ① 当聊天工具——问一句、答一句，当百度百科用。局限：只省了"查"的时间，AI 的价值用掉不到 10%；
- ② 当超级助理——把活交给它：数据处理、写材料、做表格、整理信息。局限：还是"你出题、它答题"，它并不知道你痛点的全貌；
- ③ 当顾问——说清痛点，它给系统化方案和可落地步骤。关键：提问里必须带上痛点。它补的，正是你不系统的那块短板。
这一场要讲的就是第 ③ 层——痛点提问法。
三、痛点提问法：全场最重要的 10 分钟
公式很简单，就三个格子：痛点场景（我在什么情况下，遇到什么麻烦）+ 想达成的目的（我想要一个什么样的结果）→ 系统化解决方案（能落地、成体系，不是一句空话）。
课件给出三条原则：
- 前置性痛点思考——提问之前，先想清楚你最痛的那个点。这是最核心的部分；
- 提问不需要多精准，但一定要包含痛点——说清楚"在什么场景、遇到什么麻烦、想达成什么"；
- 得到的是系统化解决方案——它补的是我们不系统的短板，而不是给你一个孤立答案。
课件上放了一组对照，一看就懂：
- 模糊提问："帮我写个通知" → 得到一堆模板，还得自己改半天；
- 痛点提问："门店 A 一个月迟到 3 次，按员工手册该怎么处罚？给我一份书面通知模板" → 直接能用。
四、跨领域的事，现在不用求人：门店处罚 5 分钟闭环
课件用一个非常具体的场景做示范：门店违规需要开处罚单，而处罚，需要法律知识。
整个过程只有四步——说清楚（门店情况 + 痛点 + 想达成的目的）→ 引用技能（调用法律专家能力）→ 出条文（专业的法律依据与条款）→ 给方式（具体、可落地的执行步骤）。
过去：求助律师，沟通成本高、来回拉扯，等 2~3 天。现在：5 分钟闭环——情况 → 依据 → 条款 → 执行，一步到位。
法律、财务、HR、文案、数据……跨领域知识库非常健全。一个人 + AI ≈ 一个小团队。
五、提效不是概念，是每天都在发生的事
课件把三个已经在跑的案例并排摆出来，看得见前后差别：
| 场景 | 过去 | 现在 |
|---|---|---|
| 数据清洗整理 | 2 小时——Excel 手工清洗、逐条核对 | 10 分钟——出干净结果，直接能用 |
| 门店处罚文书 | 2~3 天——找律师、来回沟通、反复改 | 5 分钟——专业条文 + 可落地执行方式 |
| 部门管理看板 | 手工拼图——Excel 东拼西凑，发完就过时 | 自动看板——可视化呈现，实时更新 |
课件把这三个案例的共同点写得很清楚：不是"AI 很厉害"，而是"提问的人提前想清楚了痛点"。
六、不只是一个人的效率：从个人，到部门，到公司
工具用得越深越会发现，它补的不是某一道工序，而是我们一直缺失的"系统性"。
- 个人工作管理——待办清单、任务进度、日程提醒，自己的事，一屏看清；
- 部门工作管理——巡检、活动、任务进度，全部门的进展，一屏掌握；
- 公司工作管理——门店数据、全局指标，老板视角，一屏总览。
我们缺的从来不是数据，是把散落的数据，变成"看得见的管理"。
七、谁在用：营运部已经跑起来了
课件里有一页专门讲"身边同事已经在怎么用"。营运部现在主要跑在数据模块，战区月度汇报、工作规划、数据清洗，已经常态化：
- 数据清洗——各战区经营数据先由 AI 清洗整理，再进看板，省掉大半手工核对；
- 月度汇报——战区做月度汇报时，AI 辅助汇总数据、起草初稿，人只做判断和润色；
- 工作规划——下阶段工作规划，AI 帮着梳理结构、补全维度，规划更体系。
而且不只有营运部。每个部门，都能找到自己那个"重复、费时、靠经验"的活：
- 空间设计部——人工画图、施工图逐张审、标准难统一；给一套标准库，AI 秒级审图、标出不符项；
- 市场品牌部——海报、文案、活动方案反复改；AI 批量出初稿，人只做审美定稿；
- 人力资源部——JD、面试提纲、员工问答重复写；AI 起草 + 知识库自动答疑；
- 财务与供应链——报销核对、库存预警、比价靠经验；AI 初核异常、数据预警、辅助决策；
- 门店（店长 / 督导）——巡检报告、活动落地、排班靠手写；AI 生成模板 + 日报，执行更标准。
思路都一样：先找到你部门里"重复、费时、靠经验"的那件事，把标准给它，再让它做。
八、从个人提效，到组织能力
真正接管的，是"组织的接缝"——不是替你干活，而是接管流转、提醒、催办、沉淀、答疑这些衔接环节。课件把企业最贵的成本列成了五类，而且它们都不在工资表上：
- 信息传递损耗——信息传着传着就变形、丢失、延迟；
- 知识资产流失——人会走，经验被带走，新人从空白摸索；
- 重复劳动——同一件事重复做，一线永远在；
- 决策等待——等审批、等数据；
- 执行断层——事情在流转中掉链子。
所以企业版真正买的是后三层：流程提效（消掉跨部门流转里的等待、变形、丢失）、组织资产提效（知识沉淀进公司知识库，新人对话即拿标准答案——人走，资产留）、管理提效（管理过程可见、结果可见、上下对齐可见）。
课件里那一句总结很克制，也很准：AI 不替代你，AI 替组织"打补丁"。对一家合作门店 550+ 家、覆盖 21 个省级行政区的连锁品牌来说，个人省下的时间只是开始；让每一份经验都沉淀成资产、让每一道流程都不再漏风，才是这场培训真正的落点。
九、几句不太好听、但最值钱的话
课件里有一页，标题自己写着："这一页可能有点扎心——但它是今天最值钱的一页。"
别用身体的勤奋，掩盖思想的懒惰。
页面把两种勤奋并排摆开：身体上的勤奋是加班到最晚、表格做得最多、跑门店最勤，交代什么做什么，从不问"为什么"，用"我很忙"证明自己的价值；思想上的勤奋是先想清楚"这件事为什么要做"，敢质疑流程有没有更好的做法，做完会复盘下次能不能更快，用"我做成了什么"证明价值。
课件的结论并不刻薄：身体的勤奋是态度，值得尊重——但在 AI 时代，它不再构成壁垒，因为那恰恰是 AI 最擅长接管的那部分。
最后还有三个问题，课件说不用回答给谁听，回答给自己就好：
- 只有我能做吗？我这周做的事，有多少是"非我不可"的？
- 非做不可吗？这件事一定要做吗？有没有更好的做法？
- 请假一周呢？如果我请假一周，我的工作会被谁替代？
课件最后一页的落点是一句话：当"量"被 AI 抹平，人和人之间剩下的差距只有"质"——也就是，你想清楚了没有。
十、带着痛点去提问
这场培训的机制，会一直跑下去：每周三晚上，腾讯会议，全程约 60 分钟，全员参加、零基础友好。课件只有一句话需要记住——
选一个你工作中的小痛点，用一句话描述清楚，丢给 AI。带着痛点去提问。
对总部同事、对门店店长与督导、对并肩作战的每一位伙伴来说，这门课没有门槛：不需要会写提示词，不需要懂技术，课不用预习，人来就行。
十一、不止于听课：一场人人分享的 AI 实战工作坊
课程讲完方法论，真正的"重头戏"在后面——现场变成了工作坊，多位伙伴接力上台，把自己已经在用的 AI 落地场景摊开来讲。主讲人高梦梦把这部分归纳为：先看到别人怎么用，才知道自己能怎么用。
- 战区数据复盘——以苏沪战区九月经营数据为例，AI 不只做"数据呈现"，而是基于数据给出经营洞察，辅助决策，替代过去"拍脑袋"；
- 官网零成本自建——不找外包、不花一分钱（靠签到积分），用 AI 一步步指引完成建站与上线，持续产出 4–5 条来自官网的客资线索；
- 职级薪资体系梳理——把 7 个职级、9 项评分、1–5 分计分的复杂制度，交给 AI 梳理结构与标准，落地效率大幅提升；
- 部门工作计划 AI 评分——营运条线的月度计划交给 AI 做"透视"，逐项给优点、短板与可执行建议（示例：某同事月度计划总评分 8.1/10，可复制的"警戒线"做法被树立为标杆）；
- 知识库沉淀 SOP——用乐享搭建企业知识库，让 AI 产出统一的命名标准与操作规范，一键替代传统 SOP 的反复起草。
现场还展开了一场工具横评与选型：扣子（Coze）做数据分析更顺手，豆包做 PPT 框架与小视频尚可，商汤小浣熊做新品方案能一比一复刻原方案、以表格清晰列数据，企业版 WorkBuddy 则打通企业内部系统、直接对话就能产出看板与多维表格。一个共识被反复强调：永远不要信 AI 的第一版，一定要做交叉验证。
更往前一步，港师傅已经把"AI 能力"写进了组织机制——企业版入企先小批量试点"种子选手"：意愿强烈、有真实业务痛点、能清楚表达需求、愿意每周分享、符合价值观、且有过 AI 产出（哪怕只是用豆包做一张图或一个 PPT）的人优先入选；并且，"AI 使用"已被纳入职级薪资评定的重要模块，直接影响薪酬设定。在港师傅，学 AI 不只是个人兴趣，而是和组织一起往前走的能力。
淘汰你的从来不是 AI，是用 AI 的同事；而 AI 缩短了人与人的差距——过去靠时间积累的经验，正在被快速拉平。学习力越强，拉齐的速度就越快。