你的企业AI协同能力，处于哪个阶段？
约 7 分钟驭光者首发于微信公众号「羲和Lab」
企业级AI协同实践 · 第07篇 / 共07篇（收官） 一份体检报告，不是一张晋级图
写在前面
上一期结尾说：前六篇回答"为什么"和"怎么想"，最后一篇给你一把尺子，量一量你的组织站在哪。今天交尺子。
先把标题这个问句拆开。"处于哪个阶段"——这个问法自带一条隐形的梯子，好像系列尽头有条终点线，越靠前越好。这篇要做的第一件事，就是把这条梯子拆掉：你要回答的不是"我到哪一级"，是"我堵在哪里"。
设想一场复盘会。你想给自家的AI协同把把脉，翻回去看前六篇，发现每篇说的毛病你们都沾一点，又都不全是——像拿着六张别人的诊断书对镜自照。诊断书是医生开给病人的，体检表，是你自己填的。
对技术读者：五个维度可以直接当工具选型的评审清单——选型之前，先量自家的管道。
对HR或管理者：10题自测可以带回去开会就用，不用等任何系统立项。
一、为什么是体检报告，不是成熟度评级
评估组织能力，市面上最常见的产品是阶梯：把能力折成一个总分，配一张大路线图，再给一个排名。这套思路从软件行业来——卡内基梅隆大学软件工程研究所（SEI）上世纪八十年代末提出能力成熟度模型（CMM），把组织的软件能力分成五级，此后各类成熟度分级模型沿用至今。
阶梯好用，也危险。好用在于它给了管理者一句话的汇报；危险在于它会悄悄换掉你提的问题——从"我们哪里堵了"变成"我们排第几"。排名让你盯着别人，体检让你盯着自己的堵点。
升级感是氛围，堵点是事实。一家"三级"的公司完全可能比"四级"的公司先解决自己的问题——因为前者知道自己堵在哪，后者只知道自己的级别。
所以系列对评估的立场是：它的价值不在"比别家高几级"，在"找准堵点、先动哪一环"。 本文给你的是一份体检报告：五个维度，十个问题，三种堵点画像。画像只标位置，不排等级。
二、五个维度，是前六篇走过的路
五个维度不是新发明。把前六篇走过的路折起来看，每篇都暴露了一类组织堵点——五把尺子，就是从这些堵点上量出来的。
| 维度 | 测什么 | 对应前篇 |
|---|---|---|
| 1 知识沉淀 | 有人写吗？写了有回报吗？ | 01数字废墟 · 02激励错位 |
| 2 知识资产化 | AI读得懂吗？保鲜吗？ | 03读不懂你的公司 |
| 3 权限与治理 | 谁能读？越界谁知道？ | 04泄露给前台 |
| 4 协同流动 | 从"我分享了"到"我们能问"了吗？ | 05分享是库存 |
| 5 人机信任 | 报错安全吗？边界写了吗？ | 06最后一道闸门 |
三、逐维体检
维度1 知识沉淀：有人写吗，写了有回报吗
沉淀测的是源头：知识有没有被写下来，写的人有没有得到回报。典型堵点：知识库里最新的文档，是系统验收那天传的；除了制度要求的总结，没人主动多写一个字。风险面：堵住的不是"知识管理进度"，是两笔具体的账——离职员工的知识跟着人走，新人在前任踩过的坑里重新踩一遍。源头一断，后面四个维度全部免谈。
维度2 知识资产化：AI读得懂吗，保鲜吗
资产化测的是管道的前半段：写下来的知识，AI能不能读懂、会不会过期。典型堵点：文档是人写给人看的，格式、口径、上下文都没打算给AI；检索回来的答案，引着三年前的老流程。风险面：AI照着过期文档一本正经作答——答得越流畅，信的人越多，错得越整齐。
维度3 权限与治理：谁能读，越界谁知道
治理测的是闸门：知识流进AI的时候，权限有没有跟着流进去。典型堵点：实习生一次搜索就能捞到战略文档；出了事，没人说得清谁在什么时候读过什么。风险面：越权可见是事故，无法追溯是二次事故——03篇说过，AI只能识别疑似，删除是组织决策；决策要证据，访问日志就是证据。
维度4 协同流动：从"我分享了"到"我们能问"了吗
流动测的是管道的后半段：库存有没有变成流量。典型堵点：系统验收了，使用率报表很好看，会上却从没有人说过"这事我问过AI"。风险面：建而不用还算好的，更危险的是假使用率——06篇说过，注水的汇报把真实信号一口一口喂坏，组织以为流动起来了，实际停在PPT上。
维度5 人机信任：报错安全吗，边界写了吗
信任测的是最后一道闸门：人敢不敢对AI说真话。典型堵点：没人报AI的错——报错了显得自己蠢；"哪些事AI给建议、哪些事必须人拍板"，从来没写下来过。风险面：没人报错，AI的错误就以组织的名义流通；边界糊着，恐惧就接管一切——恐惧让人隐瞒问题，而隐瞒的代价，远大于问题本身。
四、怎么读这份报告
先说不要做什么：不要把五个维度合成一个总分。 总分是最短板的遮羞布——源头堵得只剩10分，治理做得90分，合成一个50分，然后呢？
再说怎么读。还记得系列开篇的那张齿轮图吗？七篇文章不是七步流程，是七个相互咬合的齿轮——现实中的企业不会按1到7走，它们会同时转动。这个隐喻转了七篇，在这最后一篇里，它给出评估的读法：齿轮链上，最卡的那只决定整条链的转速。
上游卡住，下游的读数再漂亮也是假象。所以01篇把话挑明了：AI能力的上限，就是你公司知识库质量的上限——换模型、换厂商，轮子照旧空转。你的读法只有一句话：找到最卡的那只齿轮，先动它。
五、10题自测
下面10道题，每题都对应前六篇的一次诊断——不是新题，是六篇的回声。四条原则先说在前面：
- 只问发生过什么，不问做得好不好。 每道题描述的都是事实，事实无对错——你对号入座，但不被评判。
- 每题对应一篇正文。 D1对应01、02篇，D2对应03篇，D3对应04篇，D4对应05篇，D5对应06篇。
- 答案只有三档：有、没有、说不清。 "说不清"不是没答上来，它本身就是读数——说不清，说明这件事从没被认真对待过。
- 不设总分，不给评级。 答完你得到的是一个位置，不是一个分数。
D1 知识沉淀
- 上个月，除了制度要求的总结，有人主动往知识库里写过东西吗？
- 最近一次评优或晋升答辩，有人拿"沉淀了多少文档"当成果讲吗？讲了之后，有人当回事吗？
D2 知识资产化
- 拿一个真实的业务问题去问公司AI，答案引用的文档，最近更新是什么时候？
- 新同事遇到问题，第一反应是问人，还是问AI？问AI，能问到直接能用的答案吗？
D3 权限与治理
- 新来的实习生用AI搜公司资料，他能看到哪些内容——有人说得清吗？
- 过去半年，有人定期翻过AI的访问日志吗？
D4 协同流动
- 上个月，有人在会上说过"这事我问过AI"或者"知识库里有"吗？
- AI答不上来的时候，团队接下来的动作，是"去问同事"，还是"AI不行，别用了"？
D5 人机信任
- 上一次有人说"AI答错了"，现场的第一个反应是感谢，还是玩笑和嘲笑？
- "哪些事AI给建议、哪些事必须人拍板"——你们写下来过吗？
十道题答完，"说不清"最多的那个维度，大概率就是你的第一处堵点。这把尺子量的不是你和别人的距离，是你和自己的堵点之间的距离。
六、三种堵点画像
对照五个维度的读数，常见的堵点收成三种画像。再借一次那张齿轮图：三种画像，就是齿轮链上三段最容易卡住的位置。它们不是等级，是位置——同一个组织可能同时踩中两三种，先动读数最弱的那一处。
画像一：源头堵（D1读数最弱）。 知识没人写，写了没回报。这是齿轮链上的第一只轮，它卡住，其余全部空转。这时候先别急着选型换AI——模型再强，源头不出水，管道修得再漂亮，也是给空管子做美容。下一步值得想清楚的问题：在你们公司，"把东西写下来"这笔账，现在是谁在亏？ 激励的账不算清（02篇的题），换任何工具，都只是换个地方堆废墟。
画像二：管道堵（D2、D3、D4有一处弱）。 有人在写，但流不到用的人手里——AI读不懂、权限没跟上，或者停在库存。下一步值得想清楚的问题：先动资产化，还是先动权限？ 03篇和04篇的依存顺序，在这里变成你的取舍：文档脏得AI读不了，先修资产化；越权风险在裸奔，先修权限——前者慢，后者险，险的优先。
画像三：人心堵（D5读数最弱）。 系统都在转，没人说真话。下一步值得想清楚的问题：报AI的错和绩效考核，现在是不是同一条线？边界写下来了吗？ 06篇的话值得再念一遍：恐惧的反面不是勇敢，是边界清楚。
最后一条，对所有画像都成立：体检的意义在复查，不在单次。 今天的读数只告诉你此刻堵在哪；三个月后把这10道题重新答一遍——读数的变化，才是这项能力真的在变化的证据。
系列到这里收官，你的体检才刚开始。
七、六把钥匙，一把锁
回头看这六篇——
01篇说，知识库不是IT项目；02篇说，激励错位之下，不分享才是理性选择；03篇说，为什么你的AI，读不懂你的公司；04篇说，权限没有跟着知识一起流进AI；05篇说，分享是库存，能问才是流动；06篇说，最后一道闸门，不在系统里。
六句话，六把钥匙，开的是同一把锁：让知识在组织里流动起来。
这个系列没有下一期了。七篇文章会沉淀进合集，体检表就在本文，随时翻回来重测。把表带回去——别从最容易的那一题开始，从最疼的那一题开始。
最后，把系列最初的判断换一个说法，作为结束：
模型会一直升级，知识流不动的组织，换哪个模型都一样。
关于本文的案例 本篇为工具型收官篇，未新增企业案例；文中场景均为类型化描述，源于行业共性观察，不特指任何单一企业的内部数据。文中提及的能力成熟度模型（CMM）由卡内基梅隆大学软件工程研究所（SEI）于上世纪八十年代末提出，可溯源至公开资料。
本文内容仅供学习交流，所述方法需结合实际场景灵活运用。AI工具输出结果仅供参考，关键业务决策请结合人工判断。
本文由AI辅助创作，经人工审核编辑后发布。
企业级AI协同实践 · 07/07 · 羲和Lab
本文首发于微信公众号「羲和Lab」，公众号内可留言交流
阅读公众号原文