《AI领导力：从管理者到人心与提效的双重指挥官——AI场景识别、工作流搭建与团队赋能》1-2天

《AI领导力：从管理者到人心与提效的双重指挥官》

——管理者的AI场景识别、工作流搭建与团队赋能

主讲：刘彤烨老师

【课程背景】

随着AI从“聊天工具”走向生产、营销、研发、职能管理和经营决策，企业应用AI的重点已经从“会不会用工具”转向“能不能进入真实业务、能不能形成组织能力”，，AI从单点提效逐步走向业务流程重构。对中高层管理者而言，真正的挑战不再是“不了解AI”，而是能否带领团队完成四件事：找得准场景、搭得起流程、管得住人心、带得动团队。

现实中，管理者常常面临以下困境：

看不懂——市场上的AI案例很多，却难以判断AI究竟解决了什么业务问题；

找不到——知道AI能提效，却难以从本部门生产、营销、研发和管理工作中识别高价值场景；

落不了——看过先进案例，却缺少把外部经验迁移为内部应用的思考方法和人机协作流程；

带不动——员工存在不想用、不会用、过度依赖、焦虑抵触等差异，团队AI推广缺少机制；

管不住——AI产出质量、数据安全、合规边界和人工复核机制不清晰，项目试点热闹但难以规模化。

因此，本课程不再从复杂的AI技术原理或工具操作讲起，而是以真实企业案例为入口，围绕管理者AI领导力升级，重点落在四个层面：

一是场景识别。通过“看案例—拆能力—扩场景—迁移应用—做实操”的路径，带领学员看懂AI在研发、生产品质、营销销售、职能协同、员工辅导和目标管理等场景中的真实用法，掌握从业务问题中识别AI机会、判断场景价值与落地可行性的方法，完成从“别人怎么做”到“我们怎么用”的转化。

二是流程搭建。帮助管理者理解AI从单点问答提效走向智能工作流的趋势，学会设计人机协作流程、搭建知识库与问答智能体、用AI支持数据分析、会议管理、项目推进和复盘，并通过MVP验证、规模化上线与持续迭代，把AI嵌入真实业务流程，而不是停留在工具试用。

三是人心管理。针对员工不想用、不会用、过度依赖和恐慌焦虑等问题，帮助管理者识别员工真实问题，运用教练式谈话、绩效反馈和角色模拟等方法开展辅导，通过理解焦虑、重塑价值、参与共创、示范带动和机制建设，让员工愿意用、会用且用得可靠。

四是团队赋能。帮助管理者从“自己会用AI”走向“带团队用好AI”，掌握岗位任务拆解、场景示范、实战带练、知识沉淀、AI应用SOP与提示词模板库搭建、AI先锋机制和项目落地五阶段等关键方法，同时建立AI治理与合规底线，推动AI从个人提效走向团队提效、流程优化和组织能力升级。

课程围绕生产与品质、市场营销与销售、产品研发与解决方案、管理决策与职能协同等业务领域，通过案例拆解、分组讨论、现场实操和行动方案产出，帮助管理者建立“AI认知力—AI识别力—AI应用力—AI领导力”，最终找到适合本团队率先尝试的AI应用场景，设计可落地的人机协作流程，带好人心、赋能团队，成为AI时代兼顾人心与提效的双重指挥官。

【课程收益】

看懂AI从单点提效走向智能工作流的趋势

建立管理者AI认知与应用判断能力

掌握从业务问题中识别AI应用机会的方法

掌握研发与产品创新的AI应用思路

掌握生产与品质智能化应用方法

掌握营销销售与客户洞察的AI应用方法

学会运用AI提升职能管理与协同效率

掌握AI辅助员工辅导与团队管理的方法

学会设计人机协作流程与智能体应用

掌握团队AI推广与项目落地的关键方法

【课程对象】中高层管理者

【课程时间】1-2天（6小时/天）

【课程大纲】

一、看趋势、建认知：AI时代管理者的认知与领导力升级

1. AI应用的几大误区

AI ≠ 提效工具

用好AI ≠ 学会工具、写提示词

AI ≠ 代替人脑

2. 认知升维：AI发展新趋势

AI应用的核心判断：不仅要看“能不能做”，更要看“值不值得做、好不好用、能不能可靠落地”

AI的核心应用场景正在从单点问答提效转向工作流赋能

AI的核心作用正在从提效率变成提业绩

人才模型将被AI重塑，从执行者变成AI驾驭者

3. AI时代，管理者面临的三类新问题

业务挑战：AI能否帮助业务提效、改善质量、降低成本？

管理挑战：如何重新分配人和AI的工作任务，提升团队协同效率？

人员挑战：员工对AI的接受程度不同，如何消除焦虑、提升能力、避免过度依赖？

案例：西门子安贝格电子工厂AI进入质量管理后的组织与人员变化

4. AI时代管理者能力模型总结

AI认知力——看得懂：理解AI趋势、能力边界、应用逻辑，知道AI改变了什么

AI识别力——找得到：业务中发现AI机会，判断哪些场景值得做、为什么做

AI应用力——用得好：搭建人机协作流程、识别关键卡点、使用AI工具

AI领导力——走得远：赋能团队用好AI，在组织里推行AI

5. 管理者AI能力与基层团队的AI能力定位

能力自评：每个学员完成AI时代管理者能力自评卡片，并且梳理希望通过培训解决的核心问题。

模块二~五 学习路径：公开案例讲解 → 拆解AI能力 → 提炼业务场景 → 业务迁移 → 现场实操

每个模块聚焦重点案例：背景与痛点 → AI解决方案 → 人机协作流程 → 关键卡点和遇到挑战 → 解决方案 → 可以学习借鉴的部分

二、AI × 产品与研发：从“查资料”到“共创方案”

1. 看案例：企业已经怎么用？

案例1：大陆集团——AI辅助产品研发与工程开发

2. 拆能力&扩场景：AI能干什么？

信息理解：快速理解客户需求、技术资料和产品资料

知识检索：从大量历史资料中找到相关知识

对比分析：比较不同产品、方案、参数和技术路线

需求拆解：将模糊客户需求转化为具体需求

方案生成：基于需求与已有知识形成产品创新建议&方案初稿

3. AI应用核心方法论

产品需求优先级判断维度

AI负责信息处理与方案辅助，研发人员负责专业判断、技术验证和最终决策。

分组讨论：在产品和研发的哪些具体场景，可以引入AI来赋能？

4. 现场实操

讲师演示&学员实操：应用WorkBuddy，搭建自动化竞品动态抓取任务

三、AI × 生产与品质：从“发现问题”到“提前预防”

1. 看案例：企业已经怎么用？

案例：京东方ADC + 不良根因分析

案例：海康威视多维传感设备 AI 预测性维护

2. 拆能力&扩场景：AI能干什么？

异常识别：从大量生产、设备、质量数据中发现异常

关联分析：寻找设备、产品、批次、工艺等因素之间的关联

问题定位：结合多维信息缩小问题范围

预测预警：提前识别设备故障、质量风险等潜在问题

知识复用：调用历史质量问题与处理经验辅助解决问题

3. 方法论：生产与品质AI应用设计

识别适合AI介入的工作：高频重复、信息密集、规则明确、结果可验证。

识别问题类型：异常识别、原因分析、知识查询、预测预警、质量检测。

建立可靠性机制：数据准确、专业人员复核、异常升级、过程留痕。

AI知识库搭建核心要点

分组讨论：在生产与品质领域的哪些具体场景，可以引入AI来赋能？

4. 现场实操

讲师演示：应用WorkBuddy与模拟材料，搭建生产知识库与问答智能体

四、AI × 市场营销与销售：从“找客户”到“理解客户”

1. 看案例：企业已经怎么用？

案例：东风奕派——大模型赋能销售线索识别

案例：某B2B企业，用AI 做客户获取与培育，转化率、续费率大幅提升

案例：AI 客户获取与培育新工具

2. 拆能力&扩场景：AI到底在做什么？

市场分析：行业信息收集、市场趋势分析

客户洞察：客户资料整理、需求识别、客户分层

销售支持：拜访准备、客户沟通方案、产品卖点提炼

商务沟通：邮件、方案、汇报材料生成

客户服务：客户问题分类、知识查询、服务方案建议

批量生成：批量生成营销物料

3. 方法论：客户洞察与销售支持AI应用方法

卖点提炼核心方法论：先定甜蜜客户，再提炼卖点

营销内容生成：从单点单次到搭建智能工作流

人机协作：AI辅助分析和准备，销售人员负责客户判断、关系维护和商务决策。

分组讨论：在营销销售的哪些具体场景，可以引入AI来赋能？

4. 现场实操

讲师演示&实操练习：应用飞书多维表格，生成营销物料批量产出模板

讲师演示：应用WorkBuddy，搭建产品卖点分析智能体，生成产品介绍卡片&目标客户拜访准备卡

五、AI赋能职能部门：如何提升信息处理与协同效率？

1. 看案例：企业已经怎么用？

案例：中国电科“AI数智员工”——AI进入工作评价与人岗匹配场景

案例：京东方AI财务预审风险预判

2. 拆能力&扩场景：AI到底在做什么？

供应链：供应商资料分析、采购信息整理、交付异常汇总

物料管理：物料信息查询、库存数据分析、异常识别

财务：费用资料整理、报表分析、异常识别人力资源：制度问答、培训材料生成、招聘资料整理

行政与综合管理：文件处理、制度查询、会议纪要、报告生成

3. 方法论

AI与人工边界：不要过度依赖AI

明确人工复核、审批权限和异常处理机制

分组讨论：在职能部门的哪些具体场景，可以引入AI来赋能？

4. 现场实操

讲师演示&实操练习：应用WorkBuddy，搭建数据分析智能体，生成可视化报告，并且搭建动态数据看板

六、业务AI场景迁移总结：从案例启发到部门机会识别

1. 企业AI应用六大价值方向

产品创新：AI原生产品、智能制造、智能设备

研发提效：智能编码、研发知识助手、设计优化、方案生成

生产运营：预测性维护、质量检测、生产调度、智能控制

经营决策：智能分析、经营预测、风险预警、辅助决策

业务流程：招采、供应链、客服、营销、投标、合同审核

组织管理：企业知识库、AI办公、智能问答

发现AI机会三步法

梳理所有工作与流程

识别AI提效场景

哪些应用AI单点提效

哪些可以做成人机协作工作流

识别AI颠覆场景

AI 能否颠覆现有做法，带来更好效果（不可能→可能、AI带来新工具新思路）

3. AI智能体好用的三个关键条件

数据：可获得、结构化、干净

流程：边界和判断标准清晰，符合实际场景

迭代：持续迭代和训练

七、AI赋能管人：如何更好地识别、辅导和管理员工？

1. 员工问题识别：如何发现员工真实问题？

案例：京东方显示工业知识大模型：智能诊断员工知识薄弱点，动态生成自适应培训方案，新员工上岗培训周期缩短数倍

提炼应用场景

借助AI整理员工反馈、归类问题、寻找共性原因。

借助AI分析员工考勤、工作进度、绩效表现数据，实现风险预警与制定个人发展计划

方法论：员工问题识别与诊断

从工作表现、沟通反馈、行为变化、任务结果四个方面发现问题

区分能力不足、意愿不足、资源不足、协作障碍

讲师演示&学员实操：应用WorkBuddy+模拟数据，搭建员工数据看板

2. 员工辅导：如何开展有效沟通与绩效反馈？

提炼应用场景

利用多角色模拟，让AI扮演该员工，预演谈话过程，生成应对策略

基于员工画像，AI批量生成谈话策略和话术

方法论：谈话框架与技巧

教练式谈话框架（GROW模型）

共情与认可

重塑价值

共同制定发展计划

绩效反馈谈话框架(SBI反馈模型+引导反思)

陈述事实与影响

探寻原因与动机

引导反思与共识、行动

讲师演示&学员实操：应用飞书，针对AI恐慌和过度依赖的员工，搭建员工谈话话术批量生成模板

讲师演示&学员实操：应用豆包，搭建角色模拟助手，模拟进行话术实战

3. 日常团队管理：如何提高沟通与知识协同效率？

提炼应用场景

部门制度与流程答疑。

新员工入职和岗位指导。

高频问题自助查询。

团队经验和知识沉淀。

方法论：团队知识管理与日常辅导

将制度、规范、流程和经验整理为知识资料，建立知识库和问答助手

明确知识更新、答案审核和问题反馈机制

SOP、知识框架、思考模式训练AI，搭建团队问题解决助手

讲师演示：应用WorkBuddy，搭建新员工入职AI助手

八、AI赋能管事：如何做好目标管理、项目推进与团队协同？

1. 目标管理：如何把部门目标转化为可执行任务？

提炼应用场景

结构化拆解目标，将目标变成行动

方法论

目标制定的 SMART原则

部门目标→关键结果→核心策略→行动→路线图→过程管理机制

讲师演示&学员实操：应用飞书多维表格，搭建批量目标拆解的模板

2. AI赋能过程管理与会议纪要

提炼应用场景

项目进度看板搭建，逾期自动提醒

会议纪要与待办事项跟进提醒

方法论

过程管理四步法

讲师演示：应用WorkBuddy，搭建会议管理Skill

讲师演示：应用飞书多维表格和虚拟数据，搭建项目进度看板

3. AI赋能数据分析与复盘

提炼应用场景

阶段性复盘与总结

方法论

复盘四步法

数据分析：描述性-诊断性-预测性-可视化

讲师演示&学员实操：应用WorkBuddy，搭建数据分析Skill

九、从想法到落地，管理者如何赋能团队、推动AI组织变革

1. 员工不愿意用AI：如何消除抵触，让员工愿意尝试？

理解焦虑—重塑价值—参与共创—示范带动

打造AI应用场域和文化

仪式化AI应用场景

搭建AI绩效指标

AI先锋/超级用户机制

案例：西门子安贝格电子工厂面对员工对AI判断不透明、担心专业能力被削弱等顾虑，通过基础培训、员工参与模型优化、现场工作坊和并行测试，逐步建立员工对AI的信任。

2. 员工不会用AI：如何从会聊天走向岗位应用？

岗位任务拆解—场景示范—实战带练—知识沉淀

搭建AI应用SOP、提示词模板库等

案例：美的泰国工厂Meike技能培养平台。 利用AI生成多语言培训课程，结合VR实训和技能认证，将培训内容规模化、标准化，降低新员工技能培养成本。

3. 员工过度依赖AI：如何确保AI用得正确、可靠？

风险分类—明确边界—人机分工—人工复核

AI 产出风险 vs 红线风险

内容真实性、专业性、稳定性、自主执行风险

数据、隐私、知识产权、算法与安全红线

搭建管控机制、数据分级与权限分级

安全合规教育与竞赛

如何让员工看到AI与自己的关系

分组讨论：基于员工不想用、不会用、过度依赖、恐慌焦虑，分别产出应对措施，产出《AI问题应对措施清单》。

4. AI项目落地五阶段：从场景选择到持续优化

第一阶段：选场景——找到真正值得解决的问题

战略价值 × 用户价值 × 技术可行性 × 数据基础 × 实施成本 × 风险

第二阶段：设计人机协作流程——重新定义人与AI的分工

第三阶段：跑通MVP——用最小可行方案验证价值

重点避坑：“AI项目试点陷阱”

第四阶段：规模化上线——从试点有效到组织可用

重点避坑：无脑搬运MVP经验

第五阶段：迭代优化——持续提升业务价值

重点避坑：上线 = 项目达成

案例：TCL华星“小模型+智能体”规模化路径

分组讨论：基于前面评分高的AI场景，梳理《AI项目落地方案》

十、管风险：AI治理与合规的管理者底线

1. AI应用风险地图：AI到底有哪些风险？

AI治理的必要性

AI风险为什么不同于传统IT风险

产出风险 vs 红线风险

内容真实性、专业性、稳定性、自主执行风险

数据、隐私、知识产权、算法与安全红线

2. AI能力边界总结

AI能做什么：提效、洞察、生成、执行

AI不能做什么：决策、共情、责任、精准

展望与总结

1. 如何应对快速更新的AI工具

保持关注：关注AI更新方向与最新趋势（自动化信息抓取）

定期优化：结合实际业务场景，更新AI应用（定期复盘与迭代）

构建能力：用AI、学AI

2. 课程总结与行动计划产出