AI转型上下结合模式

Sherwin Wu 基于和大量非科技行业企业客户接触的一手观察指出：

1. 大部分人活在"科技泡泡"之外：Silicon Valley/X（Twitter）上讨论的 Skills、AGENTS.md、MCP 之类"高阶玩法"，对绝大多数普通企业员工来说完全陌生——他们连最基础的用法都还在摸索，"负 ROI 的 AI 部署"很可能相当普遍（作者强调这里没有精确的量化数据，是基于观察的判断）。
2. 失败模式：纯 Top-down、无 Bottom-up：管理层拍板"我们要 AI-first"，采购工具、高管站台支持，甚至把 AI 使用率纳入绩效考核，但缺少真正在一线工作、发自内心对这项技术感到兴奋、愿意学习和布道、愿意沉淀最佳实践的员工。结果是员工"知道要用，可能还和考核挂钩，但不知道具体怎么用"，身边又没有人可以模仿学习。
3. 有效模式：Top-down 支持 + Bottom-up 落地缺一不可：真正跑起来的公司，既有高层的支持和资源投入，也有真正在做具体工作、对技术兴奋、愿意分享最佳实践的一线员工——OpenAI 自己内部真正的转折点，正是 Codex 这类工具出现、让普通员工自己就能把 AI 用到具体工作中之后。原因在于每个职能（软件工程、财务、运营、市场销售）的工作方式差异巨大，这些"最后一公里"的具体打法必须自下而上摸索出来，无法靠自上而下的通用指令覆盖。
4. 具体组织设计建议——组建"老虎队"（tiger team）：找到（或专门配置）一支内部小队，让他们充分探索这些工具的能力边界、把打法应用到具体工作流、做知识沉淀和布道、在组织内部制造对这项技术的兴奋感。这支队伍未必是软件工程师——作者观察到的模式反而常常是"技术相关但不写代码的人"（比如不写代码但是 Excel 高手的客服/运营负责人），因为很多公司根本没有软件工程师（软件工程师稀缺且昂贵），反而是这类"技术边缘人群"最容易对新工具产生兴奋感并成为种子用户。