大多数企业的AI培训卡在同一个地方：课上了，证拿了，能力没长出来。本文分享了一套可复用的解法：把认证和绩效激励计划绑定、把能力拆成Echo（判断）和Delta（执行），再用AI评委加路演做实操验收——四个模块怎么搭，全部摊开讲。

这几个月FDE的概念很火，有不少企业都在纠结FDE到底是内部培养，还是找外部的FDE团队。

这里说的FDE，指能把AI落到业务一线、并把一线经验沉淀成可复用能力的人。

笔者的观点是，短期来看，如果企业希望快速落地AI应用，而自身没有成熟的研发团队，那是可以找外部的FDE，毕竟内部培养需要时间。长期来看，外部团队虽然起步快，但做出来的东西不容易沉淀到组织里，后面每一次调整都得重新依赖别人。只有组织自己长出FDE的能力，才能快速应对未来的不确定性。

而笔者所在的企业，一开始便是选择内部培养的路径，所以很早就在思考如何让全员都能掌握AI。今天要讲的这套员工AI能力认证机制，就是我们的经验之谈。

今年 4 月，我们正式立项做 AI 原生组织。到现阶段，通过 AI 能力认证的员工有 80 人。

今天我们讲一讲员工AI能力认证的思路，我们从四个模块进行了设计：机制保障、课程体系、培训方案和认证方式。

一、机制保障设计

首先是机制保障，把这个放在第一步，是因为企业要做AI能力认证，首先要解决员工为什么愿意参与的问题。

我们的做法是把AI能力认证纳入员工参与绩效计划的门槛，而不是绩效本身：只有通过AI能力认证的员工，才有机会参与绩效激励计划；如果没有通过认证，就只能拿当前薪资，无法参与绩效激励计划获得更多奖励。

这套机制设计出来之前，我们也经历了一番波折。一开始推行全员学习AI的时候，员工积极性并不高，我们组织的多场线上学习课程参与度都不高。后来推出正式的 AI 能力认证，把认证结果和参与绩效计划绑定，并直接确认认证排期，公布具体哪一天哪些人要参加认证，整个认证才按节奏推进下来。

我们设计这种方式让AI能力认证和激励绑定的考虑点是：门槛挂在哪里，决定它有没有分量。

如果只是把 AI 能力作为绩效里的一个考核项、给它一个固定比例，很容易被当成“就那么点，无所谓”。而把能力评估跟一个人往后能接什么项目挂上，分量就不同了。所以说，要让一件事被真正重视，就把它跟真正重要的东西挂钩。

二、课程体系设计

既然要做能力认证，就得提供对应的培训机会，让大家去学习掌握相应的AI能力，这就涉及到了课程内容体系的设计。

我们按两部分来设计课程。第一部分是通用性AI知识的普及，比如AI是什么、大模型是什么，以及为什么AI应用已经不是可选题而是必选题，属于基础性的铺垫。第二部分是具体的能力培训，这里又可以分为两块： Echo和 Delta。

• Echo：判断“该做什么”的能力。读懂业务现场，识别真实需求，判断技术路径，做出决策。它本质是判断力 + 领域理解。
• Delta：把判断“做出来”的能力。写代码、配系统、调接口、跑测试，把方案落地成可运行的东西。它本质是执行力 + 工程能力。

比如“想用 AI 做数据分析”。Echo 能力回答的是：“到底要解决什么业务问题？看哪些指标、口径怎么定？按什么维度拆？数据从哪个系统取？结论给谁看、怎么算有用？”Delta 能力回答的是：“把取数逻辑写好、把数据源接上、把报表跑出来并校验一遍。”

Echo 是“判断方向”，Delta 是“跑通路径”。两者缺一不可。

所以我们的培训一方面是培养员工对AI能做什么的判断能力，包括机会洞察、需求沟通、方案设计等，也就是判断什么能做、什么不能做；另一方面是把判断执行出来的能力，需要会工作流编排、开发AI应用，甚至还需要掌握Vibe Coding。

三、培训方案设计

既然是全员的AI能力提升，我们的培训对象是面向中后台全员的。但有一个现实问题是我们必须面临的：就是大家都有自己的本职工作，即使我们已经对课程内容进行了精简，但所需要的课时还是不少。为了尽可能减少对大家日常工作进度的影响，我们把课程分为必修和选修。

必修课程全员线下培训，而对于选修课，我们的HR伙伴用Vibe Coding搭了个轻量级的学习平台，让大家可以线上自学。

四、认证方式设计

我们的AI能力认证由理论+实操两部分构成。

理论考核方面，HR伙伴也用Vibe Coding开发了个考试系统，功能包括基于课程生成题库、随机出题生成考卷、员工考试、错题解析、分数统计等。

实操方面，我们要求以专门业务场景切入，进行具体应用的开发。

最终实操结果由两个环节进行评分：一是由AI评委对产品文档进行评分，看这个应用是为了解决什么问题，从业务价值、可复用性、效率提升、质量稳定性四个维度打分，每个维度5分制，而具体每个维度每分的判定标准则是需要我们提供给这个AI评委；二是路演，人工评委观看员工展示整个操作流程，并设置答疑环节。

AI评委和人工评委都是按同一套四维评分。当然这四个维度根据阶段的不同，权重可以是不一样的。我们一开始的时候希望最终员工的能力可以和业务价值直接挂钩，不要为了认证而认证。所以业务价值这个维度给了最高的权重。

判定标准不是一句“看着给分”。比如效率提升，要能说清原来用多久、现在用多久、提升在哪；可复用性，看的是能不能跨场景、跨同事被用起来；质量稳定性，看的是反复使用里的出错情况。

最终员工的AI能力认证得分由三部分构成：理论考试分、实操的产品文档AI评委验收分、实操成果路演评委评分。

五、认证之后

总体来说，我们是围绕机制保障、课程体系、培训方案和认证方式四个模块的设计，来推动员工AI能力认证的落地。

认证完后，在大家实际使用AI的过程中，我们发现不少人还停在个人提效的单点上，没串成业务闭环；以及有些共性技能留在个人工具里，别人调不动；还有些是为一个具体问题做的临时方案，跑一阵就搁下了。

而作为公司自然不希望AI的价值只是停留在个人提效或者团队提效层面，而是希望能够实现组织提效。所谓组织提效就意味着AI需要嵌入到实际的业务流程之中。

为了持续提升AI应用从个人提效到组织提效的转化，公司层面的AI落地小组需要承担起自上而下的规划基于AI的业务流程重构的职责之外，也要从大家日常的使用中识别可合并成闭环的能力、把共性技能迁成共享能力、把高价值临时方案转成持续运营。

而这些已经不全是认证能管的了，它属于公司AI落地治理与持续运营。认证解决的是“人有没有能力”，接下来要解决的是“这些能力有没有变成业务结果”。这属于另一部分内容，后面再和大家另写一篇分享。