企业还在讨论怎么使用 AI 的时候，员工们已经先用起来了。
销售用豆包整理客户资料，市场人员用它修改文案，行政用它起草通知，项目经理把会议记录交给 AI 提取待办。有些人只是偶尔问几个问题，有些人已经把 AI 放进每天的工作。
这些使用通常不是企业统一安排的。公司没有采购，没有培训，也没有制定明确规则，员工只是觉得方便，就开始自己尝试。
管理者发现以后，常见的反应有三种：担心数据安全，先禁止使用；担心企业落后，马上统一采购工具；或者组织一次培训，教大家怎么写提示词。
但企业首先要做的，既不是建设智能体，也不是急着采购一套工具。
划清哪些资料不能发给 AI，同时弄明白员工正在用 AI 完成哪些真实任务。
然后下一步应该做培训、统一方法、采购工具，还是把某项工作建设成 AI 工作流，就比较清楚了。
员工已经开始使用，企业却看不见过程
员工自己使用 AI，不一定会主动报告。
一方面，他可能觉得这只是个人工作方法，就像使用搜索引擎和 Excel 一样，没有必要专门说明。另一方面，他也可能担心公司认为自己偷懒，或者担心做得不够规范。
于是，企业只能看到最后的结果，却不知道员工把什么材料交给了 AI，AI 参与了哪一步，答案有没有经过检查。
这会带来两个问题。
第一个是风险不可见。客户资料、合同条款、内部价格、经营数据和员工信息，有没有被输入未经批准的工具，企业不清楚。
第二个是价值也不可见。有人可能已经把一项原来需要两个小时的工作缩短到半小时，但这种方法只留在个人手里，公司不知道，也无法判断能不能交给其他人使用。
因此，企业是需要知道：
员工在什么任务中使用了 AI，输入了什么材料，怎样检查结果，最后有没有真正节省时间？
第一步，先划清哪些资料不能输入通用 AI
企业必须先给员工一个清楚的边界。
哪些资料不能直接发给 AI，需要结合企业所在行业和自身管理要求确定。通常需要重点关注客户个人信息、未公开合同和报价、内部经营数据、账号密码，以及尚未发布的产品和项目资料等。
这里的重点不是列出一张看起来完整的名词清单，而是让员工在真实工作中能够判断。
比如，销售能不能把完整的客户名单交给 AI？能不能把历史合同原文上传？如果隐去公司名称、联系人和具体价格，只保留需要分析的条款，是否允许使用？这些问题要结合公司的数据规则给出明确答案。
边界如果过于模糊，员工只能靠自己猜；边界如果只有一句“注意保密”，也很难真正执行。
企业至少应该先让员工知道三件事：
- 哪些资料禁止输入未经批准的 AI 工具；
- 哪些资料经过脱敏后可以使用；
- 拿不准的时候应该找谁确认。
这一步不是为了阻止员工使用 AI 工具，而是先避免企业在不知道的情况下承担风险。
第二步，记录员工正在用 AI 完成的真实任务
划清边界以后，可以先选择五至十名愿意尝试的员工，覆盖销售、市场、行政、项目等两三个常见岗位，连续记录一周。人不需要很多，时间也不必太长，关键是记录真实发生的工作。
每次使用 AI，只需要回答几个简单问题：
- 当时要完成什么任务？
- 使用了什么材料？
- AI 具体帮助完成了哪一步？
- 结果由谁检查，怎样检查？
- 原来需要多长时间，现在需要多长时间？
- 出现过什么错误或者风险？
例如，一名销售在拜访客户前，需要查看客户官网、历史沟通记录和已有产品资料，再整理一份拜访提纲。
过去这项工作需要一个小时。现在他把允许使用的材料整理后交给 AI，让 AI 提取客户背景、待确认问题和建议沟通顺序，自己再检查事实并修改。整项工作缩短到二十分钟。
这就是一个值得继续观察的任务。
它有明确的输入和输出，会反复发生，结果可以由销售检查，节省的时间也能够比较。企业看到这样的记录，才有可能判断这种方法能不能交给更多销售使用。
相反，如果记录只写“今天用 AI 写了材料，效果不错”，企业仍然不知道它解决了什么问题，也无法推广。
一周以后，应该看什么？
收集一周的记录，不是为了计算员工使用了多少次 AI，也不是为了评选谁的提示词写得最好。
企业应该重点寻找三类信号。
第一，这个任务是不是反复出现。只有经常发生的工作，才值得企业投入时间统一方法。
第二，结果能不能检查。会议纪要可以对照原始记录，客户资料可以核对信息来源，文案可以由负责人审核。结果能够核验，才适合逐步扩大使用。
第三，其他员工是否也会遇到同样的问题。如果只有一个人在特殊情况下使用，这可能只是个人技巧；如果多个岗位都在重复做类似的整理、分析和检查，它就可能成为企业需要统一处理的工作。
完成这一步以后，企业才能判断下一步该做什么。
如果任务比较简单，主要问题是员工不会提问，可以做针对性培训；如果方法已经比较稳定，可以整理成统一模板和操作说明；如果通用工具无法满足数据和权限要求，再考虑采购企业版工具或者内部部署；如果任务需要反复读取多个系统、经过固定步骤并把结果写回业务软件，才有必要进一步考虑工作流或者智能体。
工具选择应该出现在任务看清楚之后。
什么时候才需要建设智能体？
不是所有员工使用 AI 的方法，都需要做成智能体。
让 AI 修改一封邮件、解释一个概念、检查一份方案，员工自己操作可能已经足够。为了这些零散任务建设系统，投入可能大于收益。
更适合进一步建设工作流或智能体的任务，通常有几个特点：每天或者每周反复发生，所需材料相对稳定，处理步骤可以说清楚，结果能够检查，而且需要连接企业内部的数据或软件。
例如，销售每次拜访前都要整理客户档案、历史沟通、合同、回款和售后情况。多名销售都在重复这项工作，判断标准也比较一致。这时，企业才有理由考虑把分散的个人方法变成统一的销售准备工作流。
智能体不是企业使用 AI 的起点。
它更像是企业找到一个反复出现、已经验证有效的任务以后，对这套工作方法进行固定和放大。
写在最后
员工已经在使用豆包，不一定是企业管理失控，也不代表企业应该马上统一采购一套 AI 平台。
它首先是一个信号：员工正在用自己的方式寻找更快的工作方法，只是这些方法和风险目前还没有被企业看见。
企业真正需要统一的是三件事：什么数据不能使用，什么结果必须检查，哪些工作方法值得复制。
先划清数据边界，再选择五至十名员工记录一周的真实任务。找到那些反复出现、效果可比较、结果可核验的工作以后，再决定培训、采购、建设工作流还是开发智能体。
这样做看起来没有直接建设一个智能体那么热闹，却更接近多数企业当前真正需要完成的第一步。
