当 AI 遇上老师傅：一次制造企业经验萃取培训的现场实践

在一次制造企业的内部培训师工作坊中，我遇到了一群很有特点的学员。

他们中的许多人已经在企业工作了十多年，有些人从一线操作岗位逐步成长起来，积累了丰富的现场经验。但他们对数字化工具并不熟悉。

企业的日常工作环境也并非人人配备独立电脑，一些员工需要共用设备。对于不少学员来说，使用 AI 工具本身就是一项新的挑战。

而这次培训的目标，却是让他们学习如何运用 AI，将企业内部专家的经验转化成可以传授、可以复制的培训内容。这就带来了一个有趣的矛盾：

他们拥有丰富的实践经验，却不一定擅长把经验表达出来；他们需要学习 AI 工具，但更大的困难可能根本不在 AI。

一、真正的难点不是操作 AI，而是如何提出好问题

经验萃取不是简单地让专家讲述自己的工作经历。真正困难的是通过访谈，识别专家在关键情境下如何判断、如何决策、如何处理异常，以及为什么采取某种行动。

例如，面对一位工作十多年的老师傅，如果只问「你平时是怎么工作的？」，得到的答案很可能是：「就是按照流程做。」

但如果进一步追问：

• 什么时候按照标准流程做反而可能出问题？
• 你怎么判断设备出现了异常？
• 新人最容易忽略什么信号？

这些问题才有可能触及真正有价值的经验。

然而，对没有接受过专业访谈训练的学员而言，提出这些问题并不容易。如果只讲解访谈技巧，再让学员自行练习，他们很可能依然不知道如何开始。

二、现场调整：直接把真实员工的经验变成教学素材

于是，我决定改变原来的教学方式：不再只使用预先准备好的案例，而是直接在现场邀请几位员工分享自己的工作经验。

我亲自示范如何访谈，如何从普通的工作描述中继续追问，如何识别值得进一步挖掘的关键经验。先现场做一次采访 demo，再给每位学员发一份《经验萃取访谈指导手册》，让他们照着手册里的问题框架，自己去追问。

然后，把现场获得的访谈内容作为输入，交给 AI 经验萃取工具进行整理和加工。学员由此看到一个相对完整的过程：

真实员工的工作经验 → 结构化访谈 → AI 辅助分析 → 经验要点提炼 → 培训内容转化

这时，AI 不再是一个抽象的新技术，而成为帮助他们整理自己熟悉的工作经验的工具。

更重要的是，学员能够看到：那些平时习以为常、觉得没有什么特别的工作做法，经过有针对性的提问和分析，可能包含值得传授的专业判断。

三、这次教学调整带来的启发

这次实践让我重新思考了企业 AI 培训的一个常见误区：我们很容易根据学员的数字化基础来判断他们是否适合学习 AI。

但实际上，数字化能力和专业经验是两个不同的维度。

一个不熟悉电脑操作的员工，可能拥有极其丰富的现场判断经验。而一个非常熟悉 AI 工具的年轻员工，也可能因为缺乏行业经验，无法判断 AI 生成的内容是否真正有用。

这意味着，企业开展 AI 赋能培训时，不能只关注员工是否学会操作工具，更重要的是让 AI 与员工已有的专业知识发生联系。

对于经验丰富但数字化基础较弱的员工，培训师需要提供更多现场示范、具体情境和分步骤支持，而不是简单地增加工具功能讲解。

四、从教工具到帮助经验转化

这次实践也提醒我，经验萃取至少涉及三种不同的能力：

• 访谈能力：能否提出好问题，让专家讲出平时没有明确表达的判断依据。
• 专业判断能力：能否识别哪些内容是普通操作步骤，哪些是真正有价值的经验。
• AI 应用能力：能否利用 AI 辅助整理、分析、验证和转化这些经验。

AI 可以降低信息整理和内容生产的成本，但不能自动保证访谈质量，也不能代替企业专家验证经验的正确性。因此，真正有效的培训不应该从工具功能开始，而应该从企业真实的工作问题开始。

这次课堂给我的最大启发：不要因为员工不擅长使用数字工具，就低估他们所拥有的知识资产。

AI 的价值，恰恰可能在于帮助这些原本不容易被表达、记录和传承的经验，变成组织可以持续使用的知识。而培训师的任务，是设计一条让员工能够跨越技术门槛、参与经验转化的学习路径。