AI 轉型別只盯著 L0：真正值錢的是非技術構建者
企業把精力花在把不用 AI 的人拉進來，但真正的槓桿是每個團隊裡那個懂業務、能把隱性知識變成可運行工具的非技術構建者。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
L0 不是一種人，是五種
Mike 把「不用 AI 的人」拆成五類：表演型用戶（登錄過、發過一條 chat 就回去幹活）、不感興趣者、太忙的人、害怕丟工作的人、對質量失望的人。他特別強調後兩類不能忽視——害怕的人往往誤以為 AI 會學會他們的工作然後取代他們，而質量失望的人裡有六成是他接觸過的人，且常常有正當理由。他遇到一位做營銷文案的人直接說「人類做得更好」，而且她是對的，但從來沒有 AI 專家坐下來聽她講。
— Mike Lewis威脅式推行反而拖慢採用
Mike 讀了 200 頁研究文獻，其中很多是關於學習本身的，不是關於 AI 的。結論是：威脅框架會拖慢採用。如果把人逼到牆角說「學這個，否則這裡沒你的位置」，他們學得遠不如你說「我們一起看看，如果你感興趣」來得好。他承認有些崗位確實需要 AI 熟練的人，但認為十年後回看會發現並非每個崗位都如此。他舉了自己妻子的例子：她是護士，AI 在她工作裡目前只會礙事。
— Mike LewisPC 和 AI 的採用曲線幾乎重合
Mike 在研究裡看到一張圖：PC 剛進辦公室時的採用曲線，和 AI 的採用曲線，在相同時間段內幾乎一模一樣。他的判斷是，當年也有人恐慌公司裡的人沒學會個人電腦，但這件事自己就解決了，因為每個人最後都有一臺。AI 也一樣，大家回家自己註冊了 ChatGPT，因為免費。但他說這不會發生在 CRM 或 SmartSheet 上——沒人會跑回家自己開一個 SmartSheet 賬號。
— Mike Lewis選 L2 不看技術能力，看公司 DNA
Tier One 評估 L2 候選人的流程裡，幾乎不從技術能力評估開始。他們最在意的是公司 DNA：這個人是否以某種「uncanny」的方式理解工作，是否知道該為表格的哪個單元格爭，是否知道公司想要的工作交付方式。Mike 說現在坐在駕駛位上的是「AI excited」——那些在走廊裡喊著 nano banana 和 methos class models 的人，但他們往往容易分心、不夠聚焦，不知道如何讓 agent 的輸出對齊公司裡最優秀的 SME 會認可的標準。
— Mike Lewis每個團隊只要一個 L2，多了反而更差
Mike 明確說，一個團隊裡只要一個 L2。他們發現這不是一加一等於二的事——兩個 L2 在同一團隊，不一定比一個 L2 加幾個 L1、幾個 L0 更好，屬於「廚房裡廚師太多」。而且每個 L2 都要有一個 L3 在伸手可及的範圍內，用來復核工作：L2 能讓輸出變得 uncanny，但 L3 才能讓它可擴展、耐用、不違規、不違法。這個結構還有個好處：不需要買那麼多昂貴 license，培訓資源可以集中在合格候選人身上。
— Mike LewisL2 把隱性知識變成文檔化流程
Mike 說好的 L2 不只是構建能處理可重複工作的工具，他們還在把隱性知識轉化為文檔化流程。因為一旦 AI 模型被對齊，你就有了文檔——也許是在代碼裡，但它是被文檔化的。這直接對應每個行業現在的大問題：老齡化勞動力，那個「不能被公交車撞到」的人一旦離開，工廠就停了。L2 構建的工具本身就是對這種知識流失的防禦。
— Mike Lewis一個 Claude skill 幹掉 400 萬美元的活
Mike 講了一個客戶案例：全球前四大藥企之一，手裡有一堆幾千份文檔需要從一種格式轉成另一種格式。這是個 400 萬美元的活，他們清楚知道每份轉換要花多少錢，而且需要 SME 參與。一個 L2 看了一眼說「這感覺像個 Claude skill」，三個小時就建好了。把一份文檔拖進去，出來的東西幾乎就是流程終點想要的樣子。所有人下巴掉在桌上：這本來要 400 萬，現在用已經付過錢的 Claude，還能併發跑一千份，幾小時幹完。
— Mike Lewis別追求更快，追求以前做不了的新工作
Mike 說「更快不一定更好」，尤其當系統有很多部件時，你只是給周圍一切製造了鞭傷和焦慮——別的部件還沒準備好那麼快。更便宜有時也不重要，很多公司談的根本不是這個。他真正關心的是「新湧現的工作類型」：現在能用語言模型加巧妙 harness 做什麼人類大腦以前做不好的事？這對他意味著產品、部門或職能要重新想。他把整個「未來會怎樣」的問題放到自己控制範圍之外，不再操心。
— Mike Lewis原話 · 已逐字校驗
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.
威脅框架實際上會拖慢採用。如果你把人逼到牆角說「學這個，否則這裡沒你的位置」，他們學得遠不如你走過去說「我們一起看看，如果你感興趣」來得好。
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.
這很嚇人。退一步說。你舉出另一個我們會說這話成立的技術？你能想像全公司發通知：順便說一句，各位，我們希望你今年年底前對 SmartSheet 狂熱起來、成為 SmartSheet 高手——或者 AWS？這太荒謬了。
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
現在坐在駕駛位上的是錯的人。我們叫他們「AI excited」。這些人在公司裡得到所有關注，在走廊裡喊著 nano banana 和 methos class models 之類的詞，所有人都覺得「他們一定就是該來構建東西的人」。
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.
那是個 400 萬美元的活。他們清楚知道每份轉換要花多少錢，而且需要 SME 參與。一個 L2 看了一眼說：「這感覺像個 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.
你不會通過人們花了多少 token 來發現這筆投資的價值。你會在開始有意識地組建團隊、往裡面放幾個知道如何發現 AI 機會、讓頭疼事直接消失的戰略性人才時，發現它的價值。
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 我們說，更快不一定更好，尤其當它是一個有很多部件的系統時，你只是給那個快部件周圍的一切製造了鞭傷和焦慮。
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
那些願意靠在磚牆上一直推、一直推的人，有巨大的、巨大的價值。信不信由你，儘管這些工具揹負著必要的治理、規則和限制，你會開始找到使用它們的方式，而且非常有啟發性。
Mike Lewis52:20
數字與實體
| L0 中「質量失望」人群佔比 | 約 60% | 21:50 |
| L2 用 Claude skill 完成該項目的耗時 | 3 小時 | 37:40 |
| Mike 為研究讀的文獻頁數 | 200 頁 | 8:50 |
| Mike 研究發現的 L0 類別數 | 5 類 | 16:40 |
術語
- L0/L1/L2/L3AI 熟練度分級
- L0 不用 AI，L1 是離不開 AI 的用戶，L2 是非技術構建者，L3 能跨企業規模化。
- non technical builder非技術構建者
- 懂業務但不寫代碼的人，能把隱性知識變成可運行的 AI 工具。
- Claude skillClaude 技能
- Anthropic Claude 的可複用任務封裝，拖入文檔即可按預設流程處理。
- super user habits index超級用戶習慣指數
- Mike 建的 24 項習慣清單，用來識別 AI 超級用戶的行為模式。
- solution archetypes framework解決方案原型框架
- Mike 早期開發的工具，用來給企業 AI 落地場景分類。
收聽指南
正在推企業 AI 落地的轉型負責人、內部 AI 平臺建設者、以及想知道該把培訓預算花在誰身上的管理者。
開頭 0:00-3:00 的節目介紹和 Midwest AI Summit 推廣可跳過。