从挑战到机遇，用 AI 力重塑企业生产力 | UMU 全国第 3 期《发展大模型时代的 AI 力》工作坊

9 月 20 日，UMU 在上海成功举办了《AI Literacy - 发展大模型时代的 AI 力》线下工作坊。本次工作坊由 UMU 创始人，董事长兼总裁李东朔担任导师，吸引了来自信达生物、科兴生物、罗氏制药、诺华制药、翰森制药、第一三共、百时美施贵宝、吉利德科学、武田制药、恒瑞医药、赛生医药、吉利汽车、科沃斯、神州数码、亚马逊等国内外知名企业的 CEO、高层管理者及培训专家的参加，深入探讨并学习大模型时代如何利用 AI，提升组织和个人的生产力，优化工作体验。

企业应用大模型挑战重重

在工作坊开场的破冰环节，学员们积极分享了各自企业在引入和使用大模型过程中遭遇的痛点和对大模型的期望。

• 选择困难：一些学员表示所在企业引入大模型时陷入了选择困难，“不知道有哪些大模型可以选择，也不知道哪些是最优选择”，“公司还没有成套体系去管理大模型的使用情况”。

• 新手小白：还有学员坦言自己对 AI 的应用还处于起步阶段，“找不到贴合自己工作的 AI 工具，只是把 AI 当成搜索工具”，“不知道如何与大模型沟通，对大模型输出的结果不满意”，甚至有时候“还需要求助专业的 IT 人员”，希望可以“系统学习高效应用 AI 的方法，提升工作能力”。

• 赋能业务的路径不清晰：有学员觉得大模型的使用路径不清晰，“不知道怎么快速上手，与业务场景链接”，“不清楚企业内适合使用大模型的工作场景”，“大多数部门不了解如何用大模型赋能业务”，“希望将 AI 真正运用到工作，满足业务需求，为组织转型升级做准备”。

• 员工缺乏学习动力：有学员指出，企业和员工对引入大模型准备不足，甚至一线员工对大模型有抵触情绪，“企业引入了大模型，但绝大部分人不会用也懒得主动学，推不动一线员工使用“、“如何推动 AI 在企业内部应用”，希望“了解大模型赋能员工的途径和方法”。

• ROI 量化与数据安全：成本和 ROI 也是学员们关心的要素之一，“引入和使用大模型的费用不好评估”，“如何量化评估大模型对组织生产力和员工绩效的影响”。此外，不少学员提到了对合规和数据安全的担忧，“我们担心数据隐私不能得到完全的保护”，“公司信息安全法太多限制，在采用新技术时会更加谨慎”。

构建提示词素养，提升 AI 力，让大模型成为专家型助理

李东朔以通俗易懂的方式阐释了大模型的工作原理，并基于超过200篇最新的学术论文和权威行业报告，深入探讨了大模型对组织和人才发展的重要意义。

在李东朔看来，企业在引入和使用大模型时遇到的诸多挑战，根源在于 AI 力，也就是 AI 素养 (AI Literacy) 的短缺。掌握 AI 力不仅意味着能够深入理解并有效运用各种大语言模型，还能够敏捷、高效地与 AI 互动和协作，提升生产力和创造力，为组织和个人带来全新的工作体验。

其中，提示词素养是 AI 力的核心。李东朔向学员们详细介绍了基于 RSTCC（角色、技能、任务、上下文、限制）的五级提示词模型和 12 个与工作场景紧密相关的高级提示词技术，帮助学员用精确、结构化且易于迭代的提示词解锁大模型的最大效能，同时鼓励学员用建构式的方法间接使用大模型，将与 AI 的互动转化为提升和发展自己的机会。

工作坊精心设计了丰富的情景式提示词练习，并提供 AI 原生的即时反馈和针对性的专业指导，让学员边学边练，与 AI 高效互动，迅速提升 AI 力。

提示词的练习设计基于真实的工作场景，从简单到复杂逐步提升，实现效果导向的学习目标。学员们将通过持续的练习、反馈循环以及与大模型的多轮互动对话，逐渐掌握如何调整和优化提示词。这一过程提升了学员的提示词实践应用能力，将大模型融入工作场景中，助力解决工作场景中复杂的业务问题。

“大模型不仅仅是一个工具，更是一个强大专业的智力资源和思维的脚手架，能够为我们提供即时全面的智能支持，提升工作效率和生产力，” 李东朔在工作坊里提到。“掌握 AI 力就是解锁大模型的专家能力，是这个时代保持竞争力和创造力的核心素养。”

在工作坊的反思与总结环节，学员们纷纷表示收获满满，对 AI 力有了更系统和深入的理解，期待可以尽快在企业里引入大模型产品，为业务赋能，提升组织和个人生产力。

有学员分享到，“之前使用 AI 总是不尽人意，今天学习到了更好地使用 AI 能够给工作带来非常具体的帮助，同时也刷新了我对人与 AI 关系的反思，了解 AI，理解 AI，拥抱 AI，与 AI 为友，实现人与 AI 的双向奔赴。”

还有学员在提示词素养方面进步显著，“以前在与大模型对话的时候没关注太多提示词素养，今天的 RSTCC 模型和 12 类提示词关键技术让我对 AI 在实际工作场景的应用潜力有了更深刻的理解，同时也对企业内部如何应用 AI 有了全新的思考。”