本文基于一次真实的助残AI培训课堂记录面向需要在机构或团队中落地AI工具的培训者与管理者。读完你可以得到一套可操作的复盘框架包括教会功能之后的四个推进步骤、一份可复用的AI指令模板以及三个用来检验「赋能」是否真的发生的问题。目录背景磐安两天AI培训的课堂构成第一步工具到手以后还有一段路第二步经验越具体AI才越有用第三步执行越快判断越要清楚第四步省下来的时间要有去处要点回顾检验赋能是否发生的三个问题背景磐安两天AI培训的课堂构成9月22日到23日我在磐安给三类学员上了AI课分别是残疾人朋友、启智园老师还有残联各机构管理人员。两天里内容从手机截图、课件制作一直讲到表格汇总与台账处理。一堂AI课结束后讲师走了学员还能独立做成什么。这是本次培训开始前我一直在追问的问题。教会一个功能当然有价值可如果按钮换了位置人就不会用了。如果离开讲师遇到问题就停住了这份能力到底留在了谁手里。这次课堂让我更愿意慢下来看看技术怎样真正变成一个人的能力。文中配图为AI生成的概念插画不代表现场照片、真实学员形象或系统截图。第一步工具到手以后还有一段路22日上午有几位朋友不会截图。我按手机型号寻找对应的办法再讲怎样从相册找到图片、传给豆包。到了下午大家生成了作品还得反复练习下载和发送。现场发生的事情就这么小。可是应用已经装在手机里了为什么还是用不起来。因为拿到工具和用它完成一件事之间隔着一串我们习以为常的动作。熟练的人一口气点完初学者得一个一个认。少一个动作整件事就断在那里。我们平时说AI降低了门槛往往是站在已经会用电脑、会找文件的人这一边。对这些人来说一句话就能得到一张图确实方便。可另一些人还在解决图在哪里怎样传进去做好了怎么拿出来。工具变强了这段距离也需要有人去补。同样一节课对不同的人往前一步的含义并不一样。有人需要学会处理复杂表格有人能自己把作品发给朋友就已经多了一种表达和参与的方式。我不想用统一的速度来评价这些进步。尤其面对残疾人朋友替他操作完一次很容易陪他练到下一次能自己试要多花耐心。前一种做法留下一个作品后一种做法才有机会增加他的自主。当然每个人需要的支持不同。自主也可以包括知道什么时候求助、能够说清楚自己想要什么。AI普及值得追问的是一个人在获得工具之后能不能多做一些由自己决定的事。所以下一次评估自己的培训我想多看一个时刻讲师不再指着屏幕之后学员会怎样继续。第二步经验越具体AI才越有用22日晚上一位启智园老师想改进第二天要用的冰皮月饼课件。原稿有17页放着真实照片、制作步骤和注意事项。我让豆包工作保留内容再调整风格。让我在意的是这份课件里已经存在的东西。老师知道要教什么手里有素材也能判断修改后的版本是否适合课堂。AI接到的其实是一份经过人准备和选择的任务。熟悉工作的人脑子里装着很多自己都没专门总结过的判断。这一步为什么要放慢这份材料为什么不能省这张表为什么这样汇总。平时做熟了觉得顺手要交给别人才发现还有许多话没说清。23日讲表格汇总时我让大家把原始分表和已经做好的总表放在一起让WorkBuddy分析对应关系。这件事很像带新同事把原料和成品摆出来还得解释中间的做法。可复用思路把原始分表原料与已做好的总表成品并列提供给AI 明确要求它分析两套表格之间的对应关系 再据此完成汇总而不是只给一个空表让它凭空填。AI在这里提出了一个要求经验需要被表达出来才能被它使用。这对老师和管理人员是很有价值的提醒。你多年积累的做法并没有因为工具会生成文字、会处理表格就失去意义。你得更清楚地说明什么算做对什么地方不能随便改。这也让我理解了AI思维先看清一件事需要哪些材料、遵循什么规则、怎样判断结果再决定让工具承担哪一段。不过也别把所有经验都想成能装进文件的规则。老师当面观察学生、临场调整讲解有许多判断还依赖具体情境。把可记录的部分整理好能帮助后面的工作现场的观察仍然需要人去做。这又往前带出一个问题经验怎样留得下来。23日我拿前一天三场课的录音做示范。录音转成逐字稿放进ima知识库再用WorkBuddy试着整理通讯稿。这个例子给我的启发比多写出一篇稿更大。如果一件事做完只留下一篇修饰得很漂亮的总结很多过程中的问题、判断和改法就丢了。下次换个人做又得重新摸索。保留适合保存的原始材料再把有效做法和适用条件整理出来经验才有机会被下一次工作、下一个同事接住。一家机构真正积累下来的除了文件数量还有多少遇到这种情况我们可以怎么做的判断。我希望知识库能帮忙留下这些东西。当然涉及个人的记录要有使用边界资料也要更新和核对。把一堆文件存进去只是开始。第三步执行越快判断越要清楚23日试台账时有一张手工记录表来自另一家机构和当时登录的启智园后台对不上。我给AI加了一条要求名字不匹配就跳过不要录入。这件事很具体也让我更在意一个问题什么情况下我们才放心把工作交出去。工具能进入后台说明一段操作路径走通了。可要把它放进日常工作还得知道材料是否对应、结果怎样核对、遇到异常找谁处理。执行能力增加了判断的责任也得跟着说清楚。平时人手工填表碰到陌生名字、看不清的字会停一下、问一句。这种停顿里藏着对工作背景的理解。交给AI后如果任务里只有全部填完这些原本由人承担的判断就容易被漏掉。做得越顺越需要有人确认它有没有在该停的地方停下来。我想把这个问题带回以后的培训里。除了教大家怎样发出指令也要练习怎样给出标准。可复用规则直接可用。 给AI的录入任务增加一条约束 当记录中的名字与后台系统对不上时跳过该条不要录入。 把「该停在哪里」写进指令AI才不会为了完成任务而强行填错。什么资料可以使用哪种对应关系算成立什么结果需要复核哪里缺了依据就应该留下来等人确认。这几句话说清楚才谈得上把活交好。坦白讲磐安这次台账尝试还需要继续调试也没有完整的日常运行验收。但它给了我一个很明确的方向AI用得深需要我们把工作理解得更清楚。第四步省下来的时间要有去处再往下想就到了我更关心的问题。假如老师备课快了一些管理人员整理表格轻松了一些然后呢。效率当然值得追求。重复录入、反复改格式都在消耗人的时间和注意力。但在助残服务这样的场景里我希望还要接着问省下来的时间最后流向了哪里。如果只是多写几份材料、多交几张表工作量又很快填满服务对象未必感受到什么变化。如果老师能多观察一个学生工作人员能多听一会儿真实需求原本来不及跟进的事情有人继续跟进这份效率才更接近我们想要的结果。工具负责省出一部分时间如何安排这些时间还需要机构和人来决定。软件不会替我们决定什么更值得做。要点回顾检验赋能是否发生的三个问题回头看这两天我想用三个问题检查「赋能」有没有发生。第一学员有没有多一点自主遇到类似任务时能自己尝试或清楚地提出需要的帮助。第二老师和管理人员的经验有没有被整理下来让下一次工作有据可依也让同事更容易接上。第三减掉的重复劳动有没有为更具体、更耐心的服务腾出空间。这三个问题现在还不能靠两天课堂就交出全部答案。它们需要课后的使用、反馈和继续调整。但我愿意把它们当作自己接下来做培训和提效陪跑的标准。演示做得漂亮之后还要沿着真实工作往前走。对我而言AI的进步落到这里才开始有了具体的分量。一个人多了一点自主一段经验得以留下一份服务多了一点耐心。文中配图为AI生成的概念插画不代表现场照片、真实学员形象或系统截图。