把“能落地”变成可描述、可比较的能力语言

访谈业务负责人和一线用户，识别真实问题、定义边界并形成结构化需求。

1. L1

   能够识别访谈对象并在指导下记录显性需求，但尚不能独立判断问题真伪和优先级。

   下一步：使用统一访谈提纲完成至少一次管理者与一线用户的交叉访谈，并把事实、判断和假设分开记录。

2. L2

   能够按既定提纲开展访谈、整理痛点与需求清单，并在协助下补充关键背景。

   下一步：为每项需求补充使用者、触发条件、当前代价、成功标准和待验证假设。

3. L3

   能够独立访谈多类利益相关者，交叉验证问题，形成有边界、有优先级的结构化需求。

   下一步：建立需求验证闭环，用业务数据或现场观察验证高优先级问题并记录否定证据。

4. L4

   能够在复杂组织中识别冲突诉求、隐性约束和决策链，推动各方对问题定义与范围达成一致。

   下一步：沉淀面向复杂项目的利益相关者地图、需求冲突处理规则和范围变更机制。

5. L5

   能够建立可复用的客户发现方法、质量标准和辅导机制，并持续用项目结果改进访谈体系。

   下一步：建立访谈质量抽检与复盘机制，持续更新问题库、证据标准和培训案例。

梳理当前流程与瓶颈，识别高价值 AI 场景，设计未来流程和业务指标。

1. L1

   能够理解流程图和 AI 场景的基本概念，在指导下描述局部业务步骤。

   下一步：选择一个具体流程，标注参与者、输入、动作、输出、等待点和异常路径。

2. L2

   能够按模板梳理现状流程、识别明显瓶颈，并参与候选 AI 场景讨论。

   下一步：为候选场景补充频次、耗时、错误成本、数据条件和受影响人群。

3. L3

   能够独立完成现状与目标流程设计，按价值、可行性和风险排序 AI 场景并定义业务指标。

   下一步：为优先场景建立基线值、目标值、责任人和分阶段验证计划。

4. L4

   能够设计跨部门端到端流程，处理例外、控制点和人机协同，并推动流程所有者确认。

   下一步：建立跨部门流程治理机制，明确例外升级、人工兜底和指标复盘节奏。

5. L5

   能够建立场景识别与流程再设计方法论，使组织持续发现、评估和复制高价值 AI 场景。

   下一步：维护组织级场景组合与收益复盘体系，用真实结果持续校准优先级模型。

判断模型、知识库、工作流和智能体的适用性，兼顾价值、成本、安全和维护。

1. L1

   了解大模型、知识库、工作流和智能体等常见方案形态，能在指导下参与方案讨论。

   下一步：针对一个已定义问题，对比规则、检索、生成式模型和人工处理的适用边界。

2. L2

   能够根据既定架构制作原型或配置基础方案，但对成本、安全和长期维护的权衡仍需协助。

   下一步：为方案补充数据来源、模型选择、人工兜底、成本估算和失败处理。

3. L3

   能够独立设计可验证的 AI 方案与产品流程，说明模型、数据、评测、成本和安全取舍。

   下一步：建立离线评测集与业务验收标准，通过小范围试点验证核心假设。

4. L4

   能够为复杂场景设计多组件架构和分阶段产品路线，处理性能、可靠性、合规与运营约束。

   下一步：建立架构决策记录、容量与成本模型，以及关键组件替换和降级预案。

5. L5

   能够建立组织级 AI 方案设计原则、评测体系和组件标准，指导多团队复用与演进。

   下一步：持续用线上质量、成本和业务结果更新参考架构、评测基准与治理规则。

开发 AI 应用、调用模型和工具、接入企业数据与 API，并处理权限、异常和日志。

1. L1

   能够阅读示例代码或低代码流程，在指导下完成局部配置和简单接口调用。

   下一步：完成一个带输入校验、异常提示和日志记录的最小模型调用功能。

2. L2

   能够按既定设计开发单一功能、调用模型或工具，并接入清晰定义的数据接口。

   下一步：补齐权限校验、超时重试、错误分类、调用追踪和基础自动化测试。

3. L3

   能够独立开发可维护的 AI 应用，完成企业数据与 API 集成，并处理权限、异常、日志和测试。

   下一步：对关键链路开展性能与故障测试，建立接口契约和可观测性指标。

4. L4

   能够负责复杂系统集成，处理异构数据、并发、可靠性和跨团队接口治理。

   下一步：建立关键集成的服务等级、变更兼容、故障演练和技术债治理机制。

5. L5

   能够建立 AI 应用工程与集成标准，沉淀平台组件并指导团队交付复杂系统。

   下一步：用复用率、缺陷率和交付周期衡量工程体系效果并持续改进。

部署到测试或生产环境，完成测试、监控、风险识别和运维文档。

1. L1

   了解测试、部署、监控和安全的基本要求，能在指导下执行标准步骤。

   下一步：为一个试验应用完成测试清单、环境配置说明和最小权限检查。

2. L2

   能够按既定流程部署到测试环境，执行功能测试并记录问题和运行状态。

   下一步：补充自动化部署、回滚步骤、日志告警和数据访问检查。

3. L3

   能够独立完成测试与生产部署，建立验收、监控、回滚、安全控制和运维文档。

   下一步：开展故障演练和安全复核，验证恢复时间、权限边界与敏感数据处理。

4. L4

   能够负责高风险或复杂环境的发布治理，处理容量、合规、供应链与跨系统故障。

   下一步：建立分级发布、持续安全验证、容量预测和重大故障复盘机制。

5. L5

   能够建立组织级 AI 系统质量、安全与运维标准，并用运行数据持续改进。

   下一步：将事故、审计和性能数据纳入标准更新，定期验证控制措施的有效性。

推动业务人员参与，开展培训、收集反馈、处理阻力并提升真实采用率。

1. L1

   意识到用户参与和培训的重要性，能在指导下收集反馈和整理常见问题。

   下一步：识别目标用户、工作变化和主要顾虑，建立基础反馈记录。

2. L2

   能够按计划组织演示或培训、收集用户反馈，并跟进明确的问题清单。

   下一步：区分功能问题、流程问题和采用阻力，为每类问题确定负责人和反馈周期。

3. L3

   能够独立设计试点、培训和反馈闭环，以使用数据和业务结果推动真实采用。

   下一步：建立采用基线、分群目标和持续辅导机制，验证使用是否带来业务改善。

4. L4

   能够处理跨部门变革、角色调整和利益冲突，推动管理者与一线用户共同承担采用责任。

   下一步：建立变革赞助人网络、关键用户机制和阻力升级路径。

5. L5

   能够建立组织级 AI 采用与变革方法论，形成持续学习和行为改变体系。

   下一步：用采用率、能力提升和业务结果评估变革体系，并持续更新干预策略。

完成复盘，沉淀模板、提示词、组件和 SOP，把一次性交付转化为可复用方案。

1. L1

   了解复盘和资产沉淀的意义，能在指导下整理项目材料与经验。

   下一步：按统一目录归档目标、决策、成果、问题和可复用材料。

2. L2

   能够参与项目复盘，整理提示词、模板、流程或组件，但复用条件尚不清晰。

   下一步：为每项资产补充适用场景、输入输出、依赖、限制和维护责任人。

3. L3

   能够独立完成交付复盘，将有效做法沉淀为可复用模板、组件和 SOP，并验证复用效果。

   下一步：在第二个真实场景复用核心资产，记录节省时间、质量变化和适配成本。

4. L4

   能够管理跨项目资产组合，识别共性能力并推动方案标准化、模块化和规模复制。

   下一步：建立资产版本、质量门槛、复用支持和淘汰机制。

5. L5

   能够建立从交付到产品化的组织机制，以复用数据和商业结果持续演进产品体系。

   下一步：用复用收入、交付效率、维护成本和客户结果管理产品化路线图。