# 企业 AI 工作坊怎么设计：让讨论最后落到一件可验证的事

规划 AI 工作坊的任务选择、资料准备、实践和复盘，使现场交流转化为明确的下一步。

要点：AI 工作坊应围绕一个范围适当的真实问题，准备资料与评价条件，让参与者完成尝试、观察结果并讨论取舍。现场成果可以是可运行作品，也可以是经过验证的否定结论；两者都应有依据。

![小组围绕实际问题开展面对面讨论（AI概念配图）](/images/immersive/community-salon.png)

## 一个下午，适合解决多大的问题

工作坊时间有限，适合选择能够形成最小闭环的任务，例如整理一类资料或验证一个工作流步骤。若议题是“全面改造企业”，现场往往只能得到宽泛建议。

范围小不等于价值小。一个清楚问题可以暴露资料、权限和责任中的真实困难，为后续项目提供比宏大口号更可靠的依据。

## 准备工作决定现场能否进入问题

需要提前确认样例资料、账号与使用环境，以及哪些信息可以在现场展示。参与者应包含了解业务的人，而不只是对工具感兴趣的人。

可以准备几种不同输入，既有常见情况，也有一个例外。这样现场不只演示成功，还能讨论方法在什么条件下失效。

## 把操作、观察与解释分开

完成一次尝试后，先记录实际结果，再讨论为什么出现。不要急于用老师的解释覆盖参与者的观察。鼓励大家指出不符合预期的地方，并回到资料和步骤核对。

小组之间可以比较同一任务的不同做法，讨论质量、维护与使用成本。比较需要共同标准，不能只以界面是否漂亮或生成速度排序。

| 阶段 | 希望得到 |

| --- | --- |

| 选题 | 明确问题与范围 |

| 尝试 | 真实输入与可检查结果 |

| 复盘 | 有效条件与失败原因 |

| 后续 | 负责人、下一步与验证方式 |

## 结束时留下一个可以继续的决定

可以决定继续小范围试用、先补资料，或暂不采用当前方案。每个决定都应说明理由与后续责任。不要把所有讨论都写成“后续加强推进”。

好的工作坊使团队对问题形成更清楚的共同认识。工具作品是可见成果，而能够共同解释选择，才是更深的学习。

## 结束时留下一个有依据的下一步

用一项边界清楚的外贸任务组织尝试、观察和取舍，留下继续试用、先补资料或暂缓的理由。本文讨论一般工作坊；升级营为两天一夜，具体教学安排以当前课程说明为准。

## 参考来源

- [秩启｜成果营](/program)：四天三夜后另计40个工作日协助咨询；企业主建，8项基础成果加企业选择1–2项优先流程；技术实施另列

- [秩启｜分工与建设方法](/method)：企业分工、流程与建设方法；属于本项目方法说明，不是外部效果证据

## 一次工作坊的可验证闭环

- 明确问题：范围、资料与标准

- 共同尝试：观察结果并比较方法

- 形成决定：下一步与责任清楚

![一次工作坊的可验证闭环](/images/guides/diagrams/ai-workshop-design.svg)

## 继续阅读

- [企业 AI 落地：如何选择第一个岗位任务](/guides/enterprise-ai-first-task)

- [AI 培训之后，为什么没有进入日常工作](/guides/learning-transfer)

- [如何评价 AI 学习成果：会操作之外，还能解释和交接吗](/guides/ai-learning-assessment)

两天一夜梳理现状、岗位地图与路线草案，企业保留资源与业务决定。

下一步：[了解升级营](/benchmark)

原文：/guides/ai-workshop-design

内容版本：guide:ai-workshop-design:v1

<!-- version:guide:ai-workshop-design:v1 -->

[结合企业情况咨询](/intake?source=%2Fguides%2Fai-workshop-design&articleId=guide%3Aai-workshop-design&versionId=guide%3Aai-workshop-design%3Av1)