AI 转型别只盯着 L0：真正值钱的是非技术构建者
企业把精力花在把不用 AI 的人拉进来，但真正的杠杆是每个团队里那个懂业务、能把隐性知识变成可运行工具的非技术构建者。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
L0 不是一种人，是五种
Mike 把「不用 AI 的人」拆成五类：表演型用户（登录过、发过一条 chat 就回去干活）、不感兴趣者、太忙的人、害怕丢工作的人、对质量失望的人。他特别强调后两类不能忽视——害怕的人往往误以为 AI 会学会他们的工作然后取代他们，而质量失望的人里有六成是他接触过的人，且常常有正当理由。他遇到一位做营销文案的人直接说「人类做得更好」，而且她是对的，但从来没有 AI 专家坐下来听她讲。
— Mike Lewis威胁式推行反而拖慢采用
Mike 读了 200 页研究文献，其中很多是关于学习本身的，不是关于 AI 的。结论是：威胁框架会拖慢采用。如果把人逼到墙角说「学这个，否则这里没你的位置」，他们学得远不如你说「我们一起看看，如果你感兴趣」来得好。他承认有些岗位确实需要 AI 熟练的人，但认为十年后回看会发现并非每个岗位都如此。他举了自己妻子的例子：她是护士，AI 在她工作里目前只会碍事。
— Mike LewisPC 和 AI 的采用曲线几乎重合
Mike 在研究里看到一张图：PC 刚进办公室时的采用曲线，和 AI 的采用曲线，在相同时间段内几乎一模一样。他的判断是，当年也有人恐慌公司里的人没学会个人电脑，但这件事自己就解决了，因为每个人最后都有一台。AI 也一样，大家回家自己注册了 ChatGPT，因为免费。但他说这不会发生在 CRM 或 SmartSheet 上——没人会跑回家自己开一个 SmartSheet 账号。
— Mike Lewis选 L2 不看技术能力，看公司 DNA
Tier One 评估 L2 候选人的流程里，几乎不从技术能力评估开始。他们最在意的是公司 DNA：这个人是否以某种「uncanny」的方式理解工作，是否知道该为表格的哪个单元格争，是否知道公司想要的工作交付方式。Mike 说现在坐在驾驶位上的是「AI excited」——那些在走廊里喊着 nano banana 和 methos class models 的人，但他们往往容易分心、不够聚焦，不知道如何让 agent 的输出对齐公司里最优秀的 SME 会认可的标准。
— Mike Lewis每个团队只要一个 L2，多了反而更差
Mike 明确说，一个团队里只要一个 L2。他们发现这不是一加一等于二的事——两个 L2 在同一团队，不一定比一个 L2 加几个 L1、几个 L0 更好，属于「厨房里厨师太多」。而且每个 L2 都要有一个 L3 在伸手可及的范围内，用来复核工作：L2 能让输出变得 uncanny，但 L3 才能让它可扩展、耐用、不违规、不违法。这个结构还有个好处：不需要买那么多昂贵 license，培训资源可以集中在合格候选人身上。
— Mike LewisL2 把隐性知识变成文档化流程
Mike 说好的 L2 不只是构建能处理可重复工作的工具，他们还在把隐性知识转化为文档化流程。因为一旦 AI 模型被对齐，你就有了文档——也许是在代码里，但它是被文档化的。这直接对应每个行业现在的大问题：老龄化劳动力，那个「不能被公交车撞到」的人一旦离开，工厂就停了。L2 构建的工具本身就是对这种知识流失的防御。
— Mike Lewis一个 Claude skill 干掉 400 万美元的活
Mike 讲了一个客户案例：全球前四大药企之一，手里有一堆几千份文档需要从一种格式转成另一种格式。这是个 400 万美元的活，他们清楚知道每份转换要花多少钱，而且需要 SME 参与。一个 L2 看了一眼说「这感觉像个 Claude skill」，三个小时就建好了。把一份文档拖进去，出来的东西几乎就是流程终点想要的样子。所有人下巴掉在桌上：这本来要 400 万，现在用已经付过钱的 Claude，还能并发跑一千份，几小时干完。
— Mike Lewis别追求更快，追求以前做不了的新工作
Mike 说「更快不一定更好」，尤其当系统有很多部件时，你只是给周围一切制造了鞭伤和焦虑——别的部件还没准备好那么快。更便宜有时也不重要，很多公司谈的根本不是这个。他真正关心的是「新涌现的工作类型」：现在能用语言模型加巧妙 harness 做什么人类大脑以前做不好的事？这对他意味着产品、部门或职能要重新想。他把整个「未来会怎样」的问题放到自己控制范围之外，不再操心。
— Mike Lewis原话 · 已逐字校验
So threat framing actually does slow down adoption. So if you back someone into a corner and say, Learn this, or there's not room for you here, they will not learn it as well as if you came to them and said, Let's figure this out together if it interests you.
威胁框架实际上会拖慢采用。如果你把人逼到墙角说「学这个，否则这里没你的位置」，他们学得远不如你走过去说「我们一起看看，如果你感兴趣」来得好。
Mike Lewis11:45
It's terrifying. Let's back up. Let's back up. Name another technology that we would say that's true, but can you imagine you just go company wide? Hey, by the way, everyone, we want you to geek out about Smart Sheets and be great at Smart Sheets by the end of this year, or AWS, or just It's ridiculous.
这很吓人。退一步说。你举出另一个我们会说这话成立的技术？你能想象全公司发通知：顺便说一句，各位，我们希望你今年年底前对 SmartSheet 狂热起来、成为 SmartSheet 高手——或者 AWS？这太荒谬了。
Mike Lewis14:20
Right now, the wrong people are in the driver's seat. We call them the AI excited. The AI excited are the ones who are getting all the attention in the company. They're running down the hall screaming words like nano banana and methos class models, and everyone's just like, Well, they must be the person who should be building things
现在坐在驾驶位上的是错的人。我们叫他们「AI excited」。这些人在公司里得到所有关注，在走廊里喊着 nano banana 和 methos class models 之类的词，所有人都觉得「他们一定就是该来构建东西的人」。
Mike Lewis25:40
It was a $4,000,000 job. They knew exactly how much it would cost to convert each one, and it requires SMEs. And an L2 took a look at it and said, This feels like a Claude skill.
那是个 400 万美元的活。他们清楚知道每份转换要花多少钱，而且需要 SME 参与。一个 L2 看了一眼说：「这感觉像个 Claude skill。」
Mike Lewis37:10
you're not gonna find out the value of this investment based on how many tokens people are spending or, you know, like, you're gonna find it when you start intentionally forming teams with a couple of strategic people in there who know how to spot an AI opportunity and just make the headache vanish.
你不会通过人们花了多少 token 来发现这笔投资的价值。你会在开始有意识地组建团队、往里面放几个知道如何发现 AI 机会、让头疼事直接消失的战略性人才时，发现它的价值。
Mike Lewis39:00
At tier one, we say, like, faster's not always better, especially when it's a it's it's a system with a whole bunch of parts, and you've just created whiplash and angst for everything around that fast piece.
在 Tier One 我们说，更快不一定更好，尤其当它是一个有很多部件的系统时，你只是给那个快部件周围的一切制造了鞭伤和焦虑。
Mike Lewis45:30
there is massive, massive value in the people who are willing to lean against the brick wall and push and push and push. And believe it or not, you'll start to find ways to use these tools that are hugely informative in spite of the fact that they're so burdened by necessary governance and, you know, rules and restrictions
那些愿意靠在砖墙上一直推、一直推的人，有巨大的、巨大的价值。信不信由你，尽管这些工具背负着必要的治理、规则和限制，你会开始找到使用它们的方式，而且非常有启发性。
Mike Lewis52:20
数字与实体
| L0 中「质量失望」人群占比 | 约 60% | 21:50 |
| L2 用 Claude skill 完成该项目的耗时 | 3 小时 | 37:40 |
| Mike 为研究读的文献页数 | 200 页 | 8:50 |
| Mike 研究发现的 L0 类别数 | 5 类 | 16:40 |
术语
- L0/L1/L2/L3AI 熟练度分级
- L0 不用 AI，L1 是离不开 AI 的用户，L2 是非技术构建者，L3 能跨企业规模化。
- non technical builder非技术构建者
- 懂业务但不写代码的人，能把隐性知识变成可运行的 AI 工具。
- Claude skillClaude 技能
- Anthropic Claude 的可复用任务封装，拖入文档即可按预设流程处理。
- super user habits index超级用户习惯指数
- Mike 建的 24 项习惯清单，用来识别 AI 超级用户的行为模式。
- solution archetypes framework解决方案原型框架
- Mike 早期开发的工具，用来给企业 AI 落地场景分类。
收听指南
正在推企业 AI 落地的转型负责人、内部 AI 平台建设者、以及想知道该把培训预算花在谁身上的管理者。
开头 0:00-3:00 的节目介绍和 Midwest AI Summit 推广可跳过。