把 AX 做好的公司与只是模仿的公司有何不同
差别在于目标的设定。越是缺乏 AI 经验的组织，越停留在"我们也引进了""员工用得很多"这类表面说法。做得好的组织则会说"以前做不到的，现在用 AI 能做了"。AX 不是引进了某个工具这件事，而是工作面貌本身发生了改变；只有当这种改变能用数字证明时，才算真正转型。
最令人印象深刻的案例不是炫目的工具，而是数据整理。某组织正把散落、重复在各系统中的信息，重新归拢成 AI 易于读取的集中化文档体系。他们称之为'AI 可读数据'，尽管组织规模不小，所有成员都参与其中。他们不是依赖工具，而是先铺好了 AI 得以工作的地基。
为何急于量化会毁掉 AX
AI 是要花钱的——订阅费和 token 费用。正因花了钱，便生出"必须出成果"的压力，而这种压力把真正的使用变成了做给人看的表演。把大量编程工具一股脑发给开发者、四个月烧光一年预算的'token maxing'，不只在 Uber，在微软、Meta 也同样反复上演。
不过这种失误与其说是错误，不如说是几乎所有人都会经历的过程。以"先用起来"的姿态切入，偏差的经验必然随之而来，而正是从中你才摸清哪里行得通、哪里会卡住。问题不在失误本身，而在于急于太快证明成果、滑向表演的那份焦躁。
"设计环境而非培训"是什么意思
郑基洙在雇佣劳动部论坛上发表的题目是"设计环境，而非培训"。与其放任个人自学，不如把重心转向由组织铺设一个能让人借 AI 把工作做好的环境。因为放下手头工作去学新东西几乎不可能，对有成长意愿者用额外时间做出的成果，必须配上奖励设计。
所以由谁来运营是关键。AX 不该由技术组织或 HR 单方面独揽，二者必须合流。与其自上而下强推一种工具，不如按职种给予选择权。即便开发者收敛到编程工具，把同样的工具强加给做内容或文档的职种，反而是在背道而驰。
AX 人才该从何处起步
建议从两件事开始。先亲自用一用知名工具，摸清什么在如何运作；再把每日、每周、每月反复出现、令你厌烦的工作写下来，找出其中 AI 能解决的部分。每次都想百分百理解更新，只会把人耗尽。哪怕只懂 10%，也足以改变工作方式。归根结底，用得越多的人做得越好。
若要更进一步，就需要把 AI 当作同事而非工具来看。若由人设计一切、只把摘要或检索这类单元任务交出去，生产力提升有限。让某些任务无需人介入便自行完成——但判断产出是否是意图模糊之'slop'的那双眼睛，必须握在人手中。不被 AI 牵着走、又能像对同事一样托付工作的设计，正是 AX 人才的核心能力。