当全公司都用上Claude后，发生了什么？

两个月前，Aspire向公司全员推出了Anthropic的Claude。

公司拥有超过500名员工。其中约100人是工程师，他们中的大多数人已在工作中以某种形式使用人工智能。

我们真正关心的问题是其他400名员工：他们来自运营、财务、合规、客户成功、市场和产品等部门。这些人的工作工具通常不是最先获得人工智能升级的。

我们——人工智能（AI）团队——设定了一个季度目标，即工程部门以外的周活跃用户达到250名。这个目标在当时看来颇具挑战性。但我们在两周内就实现了。

这主要归功于两点：少量的培训（由公司内部人员举办的几次研讨会，而非供应商的推销），以及管理层发出的明确信号——这是一个旨在让所有人使用的工具，而非少数人的特权。

仅此而已。没有强制要求，没有绩效考核，也没有游戏化激励。员工们最初是出于好奇，而他们持续使用则是因为这个工具真正开始为他们分担实际工作。

现阶段的目标绝不是让每个人在所有事情上都使用人工智能，而是给每个团队一个公平的机会，去发现他们工作中最乏味的部分，并尝试将其自动化。唯一的中止转让的申请是必须遵守我们严格的数据处理政策。

大家如何使用它

在早期，许多用法都在意料之中。例如起草电子邮件、总结讨论串、在撰写文档遇到瓶颈时寻求帮助。这些都很有用，但大多是浅层次的应用。

我发现更有趣的是几周后出现的情况，那时人们开始超越把Claude当作聊天窗口的范畴，开始用它来完成端到端的工作。

有两个故事特别突出。

一位产品经理正在为新客户的注册流程开发直通式处理（Straight-Through Processing, STP）功能。在金融科技领域，STP意味着自动化背景和合规审查，以便新客户能快速完成注册，同时确保任何被系统标记为不确定的情况都由人工复核。

这是一项高风险的工作。一旦出错，就可能让不该注册的人通过。如果过于谨慎，又会让每个合规的客户都耗时等待。其中的难点在于，要确定哪些客户群体可以被安全地优先自动化处理。

这是一个数据分析问题：利用已在用户验收测试（User Acceptance Testing, UAT）环境中的数据，哪些特定的客户细分群体可以被负责任地考虑进行简化审查？

这位并非数据工程师的产品经理，大约用了一周时间就通过分析得出了一个可行的答案。

他们使用Claude探索了不同的建模方法，并最终确定了一个客群的定义。第一个客群目前正处于影子模式或UAT阶段，这意味着我们将其与现有流程并行运行，但尚未将其决策用于真实的客户注册流程。

坦白地讲，一个中止转让的申请是：UAT并非生产环境。接下来要做的是大规模测试、进行准确性回测以及加强数据的合理性——坦率地说，这些是我们能以多快速度推进这项工作的上限。

这个故事的重点不在于人工智能取代了数据工程师；而在于我原以为会成为瓶颈的分析工作本身，实际上并非如此。

另一个有代表性的例子是，我们客户成功团队的一位成员之前一直在使用第三方工具对收到的问询进行情感分析。这包括标记哪些信息可能会升级为更严重的问题，以便团队能优先处理。

在一个下午的时间里，这位团队成员在人工智能团队的帮助下，利用Claude（及其治理和安全层）在我们自己的技术栈内重建了这个分析核心。

最终的成果更贴合我们客户的需求。它的成本更低，并且可以根据团队需求的变化随时进行调整。

我认为这并不意味着人工智能会导致你取消所有软件即服务（SaaS）合同。有时候，直接购买仍然是正确的选择。

但是，一个没有工程背景的人在一个下午能完成的工作，确实非同凡响。

我们仍在探索的问题

如果必须用一句话总结过去几个月的经历，那就是：公司内部最有趣的人工智能应用并非由人工智能团队构建，而是由那些工作因此而改变的团队构建的。

作为人工智能团队，我们的工作主要是消除障碍，并实现安全性、治理和连接性。除此之外，我们不断地向大家宣传各种可能性，这样就没有人会在一个注定行不通的工作流程上浪费一个季度的时间。

还有一些问题尚无明确答案，包括随着越来越多的人参与构建，如何保持内部构建成果的高质量。一个人使用的工作流程与一个部门依赖的工作流程之间存在巨大差异，而弥合这一差距的关键主要在于测试。

我们还在研究如何大规模地决定，一个自动化流程应该是确定性的（每次都遵循既定工作流），还是自主性的（由模型自行决策）。

对于一个受监管的企业来说，这个选择至关重要，而且答案并非总是能预先明确。

对我来说幸运的是，尽管我们身处一个受到严格监管且伴随着相应合规约束的行业，但我们同样拥有一种愿意说“让我们试试看”的文化。

在触达真实客户之前，每一项实验都仍需经过同样严格的数据和风险审查，但即使在这些护栏之内，展现出的可能性也已相当引人入胜。

作者是Aspire的人工智能主管，Aspire是一家总部位于新加坡的企业对企业金融科技初创公司。

本评论基于作者的观察和论点。人工智能工具被用于起草和编辑。作者对评论的准确性、原创性和最终形式负全部责任。