structure｜1️⃣ 三级笔记、思想框架

📝 三级笔记：The AI Transformation Model

核心命题：每家公司都需要 AI，但大多数缺乏清晰的起点和扩展路径。这个模型展示了如何从手动、碎片化的工作方式，走向 AI 驱动的运营。

一、AI 转型四级模型（从个人到系统）

Level 1：AI as a Thought Partner（AI 作为思想伙伴）

• 工作方式变化：个人用 AI 来思考、写作、分析，速度更快
• AI 运作模式：独立 AI 应用、通用模型、用户主动驱动（ad-hoc prompting）
• 业务影响：更快的产出 + 更好的决策（但难以一致性衡量）
• 典型场景：AI 聊天机器人、代码问答、回复改写、文档创建与优化、信息分析、翻译

Level 2：AI as an Assistant（AI 作为助手）

• 工作方式变化：个人使用具备上下文感知的 AI 工具完成日常任务
• AI 运作模式：特定任务工具、公司上下文接入、嵌入式 + 按需调用、数据权限管理
• 业务影响：每周每员工节省数小时；质量 + 速度提升（更少返工、更快入职）；员工满意度提高
• 关键转变：用户将 AI 融入日常工作，管理员负责连接数据和权限
• 典型场景：IDE 自动补全、支持辅助回复、线索评分/丰富化、AI 笔记、跨应用搜索、收件箱和日历分诊

Level 3：AI as Teammates（AI 作为队友）

• 工作方式变化：团队部署 AI agent 处理重复性工作流
• AI 运作模式：可配置 agent、自动化运行、跨工具执行、监控 + 版本控制
• 业务影响：团队产能回收（重复性工作的 10-40%）；缩短流程周期；不按比例增加人力即可扩展运营
• 关键转变：工作流负责人配置 agent，内建人类检查点
• 典型场景：自主编码 agent、工单解决 agent、AI SDR、项目管理 agent、内部问答 agent、自动填充数据库、连接第三方工具（MCP）

Level 4：AI as the System（AI 作为系统）

• 工作方式变化：agent 执行高影响、高复杂度的工作流，持续迭代优化
• AI 运作模式：多 agent 编排、主动 + 自我改进、完全灵活的自定义工具、策略/事件/冲突解决
• 业务影响：运营杠杆（人均营收）；关键业务流程的规模化自动化；更快的上市速度
• 关键转变：内部「AI builder」设计和管理 agent，设置护栏
• 典型场景：多 agent 编码、CX 自动化、营收管线编排、Agent 开发者平台、agent 驱动的应用、agent 编排、高级 agent 治理

二、Quick Guide：六条实操原则

1. 公司同时运行在多个级别——团队和工作流独立成熟。工程团队可能在 Level 3 自动化流程，而市场团队还在 Level 2
2. 级别是叠加的，不是替代的——成功的公司在添加新能力的同时，继续使用早期级别的工具
3. 上下文是基础——整合工具、连接数据源是解锁 Level 1 以上所有级别的前提。AI 拥有的上下文越多，交付的价值越大
4. 不是每个人都需要成为 AI builder——通常 10-20% 的员工创建 agent，惠及整个团队。大多数人使用和审批已构建的东西
5. 从你所在的位置开始——如果你在 Level 1 使用通用 AI 聊天机器人，没问题。先把使用连接到公司上下文（Level 2），再跳到自动化
6. 用这个模型来对齐和评估——它成为一种共享语言，识别你今天在哪里、想去哪里

三、案例研究

• Ramp：从手动忙碌到自动化团队协作
• Qonto：通往 AI 驱动运营的旅程
• Heidi：每月回收 260+ 小时，而且才刚开始
• Brainlabs：将客户经理变成 agent 编排者

四、如何使用这个模型

这个模型可以成为你与团队之间的共享语言，用于：

• Assessment（评估）：评估当前级别，识别高影响的下一步
• Playbooks（操作手册）：获取每个级别的分步实施指南
• Expert guidance（专家指导）：与 Notion 团队或认证合作伙伴合作加速旅程

五、思想框架

这篇文章的核心思想框架是一个四级成熟度模型——从个人使用 AI 辅助思考（Level 1），到 AI 成为组织级系统（Level 4）。每一级都在前一级的基础上叠加，而非替代。关键洞察是：上下文（context）是贯穿所有级别的基础设施，整合工具和连接数据源是解锁 AI 价值的前提。同时，组织内部不同团队可以处于不同级别，转型不是齐步走，而是各自按节奏演进。

concepts｜2️⃣ 关键概念、概念网络

一、核心概念解析 (Core Concepts)

• 【AI Transformation Model】（AI 转型模型）

  • context：

    Every company needs AI, but many lack a clear starting point or scaling path. This model shows how to go from manual, fragmented work to AI-powered operations.

  • 费曼一下：一个四级成熟度框架，描述组织从「个人偶尔用 AI」到「AI 成为运营系统」的完整升级路线。不是一个非此即彼的分类器，而是一张可叠加的路线图——每一级都在前一级基础上生长，而非替代。

• 【AI as a Thought Partner】（AI 作为思想伙伴，Level 1）

  • context：

    Individuals use AI to think, write, and analyze faster. Users prompt AI ad-hoc for drafts and suggestions.

  • 费曼一下：AI 转型的起点。个人主动向 AI 提问，获取草稿和建议。AI 是被动工具，人是主动驱动者。价值真实但难以系统性衡量——你知道它有帮助，但很难写进 KPI。

• 【AI as an Assistant】（AI 作为助手，Level 2）

  • context：

    Individuals use context-aware AI tools for work to complete routine tasks. Users integrate AI into daily work, admins connect data and permissions.

  • 费曼一下：AI 从「被动回答问题」升级为「理解你在做什么」。关键差异是 context（上下文）——AI 不再只是通用聊天，而是接入了公司数据和权限，能完成具体的、重复的日常任务。这一级的成本效益已经可以量化：每周每人节省 X 小时。

• 【AI as Teammates】（AI 作为队友，Level 3）

  • context：

    Teams deploy AI agents that handle recurring workflows. Workflow owners configure agents, with user checkpoints built in.

  • 费曼一下：AI 从「辅助个人」跃升为「替代重复性团队工作」。核心变化是 agent 化——不再是人发指令 AI 执行，而是 agent 自主运行工作流，人类在关键节点做检查。业务影响显著：重复性工作的 10-40% 产能被回收，且无需按比例增加人头。

• 【AI as the System】（AI 作为系统，Level 4）

  • context：

    Agents execute high impact, high complexity workflows, iterating continuously. Internal "AI builders" design and manage agents, setting guardrails.

  • 费曼一下：AI 不再是团队的助手或队友，而是运营本身。多个 agent 协同编排，主动发现问题和机会，持续自我优化。组织内部出现新角色——「AI builder」，负责设计、管理和治理 agent 系统。衡量标准变成运营杠杆：人均营收。

• 【Context（上下文）】

  • context：

    Context is the foundation. Consolidating tools and connecting data sources unlocks every level above Level 1. The more context AI has, the more value it delivers.

  • 费曼一下：贯穿整个 AI 转型模型的底层基础设施。这里的 context 不是抽象概念，而是具体的事——整合工具、连接数据源、管理权限。没有 context，AI 只能做 Level 1 的通用聊天；有了 context，AI 才能「理解你的业务」，解锁更高级别的价值。这是整篇文章最核心的洞察之一。

• 【AI Builder（AI 构建者）】

  • context：

    Not everyone needs to be an AI builder. Typically 10-20% of employees create agents that benefit the whole team. Most people will use and approve what's built.

  • 费曼一下：组织中负责创建和管理 AI agent 的角色。关键洞察是：这不是全员技能——通常只需要 10-20% 的人来构建，其余人使用和审批。这颠覆了「人人都要学 AI」的焦虑叙事，指向一个更务实的分工模式。

• 【Multi-agent Orchestration（多 agent 编排）】
  • context：
  • 费曼一下：Level 4 的核心技术能力——多个 AI agent 协同工作，不是各干各的，而是像交响乐团一样编排协调。agent 不再是被动执行，而是主动发现问题、自我改进，并且能处理策略冲突和事件响应。

二、概念网络 (Concept Network)

• 递进关系：Level 1 → Level 2 → Level 3 → Level 4 构成一条清晰的成熟度递进链。每一级在前一级基础上叠加新能力，而非替代
• 基础支撑：Context（上下文） 是贯穿 Level 1 到 Level 4 的底层基础设施，越往高级别，对 context 的依赖越深
• 角色演变：从 Level 1 到 Level 4，AI 的角色从「被动工具」→「上下文感知助手」→「自主运行的队友」→「自我进化的系统」，人的角色从「操作者」→「管理者」→「设计者/治理者」
• 组织分工：AI Builder 是 Level 3-4 出现的新角色，10-20% 的人构建 agent，其余人使用和审批
• 技术升级：Multi-agent Orchestration 是 Level 4 的标志性能力，代表从「单 agent 执行」到「多 agent 协同编排」的技术跃迁
• 价值衡量递进：从难以量化（Level 1）→ 小时节省（Level 2）→ 产能回收 10-40%（Level 3）→ 人均营收/运营杠杆（Level 4），越往高级别，ROI 越清晰、越具战略意义

agentic reading｜3️⃣ 费曼 x3