今年1月，公司安排我牵头负责AI技术在整个公司运营落地的工作。结合大家对AI的认知和应用现状，我从制度、目标、事项清单到团队配置，系统做了一套落地方案。

先说明一点，AI在公司落地不是为了去和头部AI公司卷，主要是想抓一下红利，给业务和人工提效。围绕这个目标，我策划了业务线和职能办公两条主线。

拿职能办公来说，目标很明确：降低重复性工作的时间，让AI辅助完成，最后由人来确认。所以在办公领域，重点推进三件事：AI办公工具选型、Skills创建、token plan计划。通过活动、一对一指导各部门关键用户等方式，推动大家规范使用。

但这大半年推广下来，单就技能创建与应用这个环节，就发现了不少问题。

先说创建技能的4个典型误区：

1. 一句话建技能，缺约束。大部分人跟AI自然对话时，一句话就建了个技能，没有框定约束规则，也没管实现方式有没有漏洞。

2. 拿真实数据当素材。建技能时直接用自己真实的工作数据，忽略了技能是长期复用资产，把样本数据永久保存了下来。

3. 随意授权账号密码。授权了账号密码甚至自动更新权限，没意识到技能一旦传播，对应账号的数据也会跟着流转。

4. 贪大求全，想做万能技能。总想建一个万能技能，忽略了技能应当力出一孔。大而全的技能容易边界模糊、调试困难。

这4类问题本质都是把技能当一次性对话，而不是长期资产。

针对这些，我梳理了一套员工创建技能的标准范式，分四个阶段：

创建前：

1. 准备工作空间：建个专门存放技能文件的文件夹。

2. 明确技能目标：想清楚解决什么问题、什么场景用、达到什么效果。

3. 整理素材：准备脱敏后的业务文档、操作手册等指导性文件。

创建中：

1. 技能名称：一眼看懂，比如 skill-creator。

2. 技能描述：一两句话说明做什么、解决什么问题。

3. 触发条件：设置触发词。

4. 操作步骤：按顺序列出每一步，越详细越好。

5. 注意事项：写清约束规则或安全要求。

6. 测试验证：可以用公共平台认证过的创建技能类技能来完成，建完要去调试验证。

安全红线：

1. 权限管理：遵循数据最小可用原则，不绕过企业现有权限体系。

2. 数据安全：不用真实业务数据建技能，素材必须脱敏。禁止把真实账号密码授权给AI，用占位符代替。禁止把内部数据传到未经授权的第三方平台。

创建后：

制定内部审核规则，用技能安全审核 skill-vetter 校验，确认安全后再用。

再说技能应用。高频场景集中在法务审核合同、财务账务核查、单证识别等。这些涉及核心数据，保密要求极高，即便建了技能也不能直接在常规AI工具里用。解法是购买算力、私有化部署模型，并搭载自建中转站的 token plan 计划来重点推介使用。

回头看这半年，技能不是聊天记录，而是企业可长期复用的资产，创建时的约束和审核不能省。另外AI提效的姿势始终是AI辅助、人来确认。如果你也带团队落地AI，建议把这套标准范式用起来，并对照那4个误区排查一下现有技能。

#再说技能应用