从四向SOP到AI Skill：我想把智库做成什么

这两天整理智库，我又往下想了一步。

十个专题，回答研究什么；资源、资本、运管、客户四个生态，回答从什么关系看问题；思维、方法、模型、方案、工具、培训，则是知识的不同表达和使用方式。

这些维度有了，接下来我关心的是：这些知识怎样进入工作，怎样帮助人和AI一起把事情做成？

我想把四向SOP和组织中的责任进一步接起来。业绩、业务、职能、动作，主要对应公司、部门、岗位、岗责。再反过来看，岗责中的动作可以沉淀为Skill，岗位职能形成岗位工作手册，业务协作形成部门及跨部门协作手册，公司则通过商业模式、顶层规划和业绩实现手册，把各项结果组织起来。

我觉得，这里面也有我建设WISERUNION智库的使命和价值。

从公司要什么结果，一直问到具体怎么做

先从上往下看。

公司希望形成什么业绩，要先说清楚。客户得到什么价值，企业通过什么产品、服务或解决方案获得收入，需要投入什么，成本和回款怎样安排，这些关系要能够解释。

然后再看，业绩达成需要哪些关键要素，各项业务分别交出什么结果，才能让这些要素成立。这里的编排，也包括它们发生的顺序、相互依赖，以及条件变化后怎样调整。

业务往下展开，就要看岗位和角色。谁负责接收需求，谁核实资源条件，谁形成方案，谁完成交付，谁核对结果。每个岗位需要持续提供什么成果，前后怎样接上，都要具体。

再往下，就是岗责中的动作。接到什么信息以后开始，用什么依据，怎样处理，交出什么，做到什么程度才算完成，缺少条件或者出现异常时找谁。

这样看，四向SOP就把整体结果和具体工作接起来了。公司、部门、岗位、岗责，是理解它的一个组织入口。实际业务可能跨部门、跨公司，一个岗位也会承担多项职能任务；职能层要说清每项任务的闭环，再由岗位手册组织这些任务。重点还是每一层需要什么结果，下一层怎样提供支撑。

再从动作往上看，Skill怎样进入岗位和业务

反过来看，这条关系就和AI接上了。

一项岗责中相对清楚、可以重复使用的做法，可以整理成Skill。Skill可以包含一个动作，也可以包含一组相关动作，关键是把适用条件、输入、步骤、产出和检查办法说清楚。需要哪些资料、工具和授权，遇到例外由谁判断，也要留下依据。

多个Skill围绕岗位需要交付的成果组织起来，就可以成为岗位工作手册的一部分。岗位手册还要说明这个岗位为什么存在，承担什么责任，有什么权限，与哪些角色协作。AI参与以后，可以按任务调用相应Skill，人则结合实际情况作判断、作决定，并核验交付。

多个岗位的成果再连接起来，形成业务结果。业务协作手册要说明，这一环节交出的东西，下一环节能不能直接使用，缺什么要退回，谁确认可以继续。部门是组织这些工作的载体，协作关系还要跟着真实业务走。

到了公司层面，需要把多个关键要素和业务成果编排起来，推动业绩达成。商业模式说明价值和收益怎样形成，顶层规划安排方向、资源和发展路径，业绩实现手册再把其中的业务、责任、条件和检查方式接起来。

所以，我说的“交接”，是让原来依靠人在现场解释、带教和协调的工作，逐步形成能够共同使用的依据。哪些交给AI做，哪些由人负责，怎样检查，再随着真实工作继续调整。

接起来的标准，是下一层成果能否满足上一层需要

这里我最关心的，还是结果之间的关系。

举一个简化的报价例子。AI核对数量和计价单位，形成计算记录，是动作层的工作；报价岗位综合需求、供应条件和定价依据，交出测算单，是岗位任务的成果；销售、采购和相关复核角色把这些成果接起来，形成可以向客户提供、也有条件履行的报价，是业务结果。

再往后，客户是否接受，能否完成交付、验收和回款，收入是否覆盖相应成本，还要继续看。每一层都有自己的完成标准，完成一份测算单，并不能直接说明公司已经获得业绩。

这也是为什么我觉得，商业模式仍然需要市场检验。我们对客户需求、价格、成本和合作方式的判断，先是一组经营假设。SOP可以把实现和验证的路径组织清楚，真实结果再帮助我们判断，是动作出了问题，协作没接上，还是原来的经营假设需要调整。

把这一点说清楚，AI的使用才有具体方向。我们可以检查它有没有按要求完成任务，也可以继续追问，这项成果有没有帮助业务往前走。

李飞飞和团队建设ImageNet，给了我一个启发

我想到李飞飞和团队建设ImageNet的事情。他们把大量图片按类别组织起来，通过众包标注和质量核验，为机器视觉研究提供训练和评测的数据资源。[1][2]

这件事给我的启发是，人的认识和判断，需要经过组织，才能成为机器可以有效使用的资源。分类怎么定，标签怎样确认，质量怎样检查，都影响这些资源能不能用。

企业经营中的经验也有类似的问题。很多知识分散在人身上，有人知道怎样判断需求，有人知道怎样组织交付，有人知道哪里容易出错。只留下一个结论，后来的人和AI都很难判断，当时在什么条件下这样做，为什么有效，换一个场景还能不能用。

我想做的智库，就是逐步把这些依据、关系、方法和反馈整理出来。相通的是组织人类知识、形成可用资源的逻辑，具体的技术路径和已经取得的成果各有不同。

现阶段，AI可以在工作时读取手册、检索知识、调用Skill。这些内容经过进一步整理，也可能成为训练或评测材料。读取一份SOP，本身并不意味着模型已经完成了新的训练。

对我来说，先把知识整理到能够使用，再在使用中检查和改进，这件事本身就值得持续做。

智库的价值，要在共同工作中逐渐形成

沿着这条线，我对智库的理解更具体了。

思维帮助我们理解问题，方法帮助推进，模型把关系说明白，方案把目标与行动组织起来，工具帮助操作，培训帮助更多人掌握和使用。它们进入真实任务以后，才会暴露出新的问题，也才有机会被继续完善。

四向SOP则把这些知识与组织要交付的结果连接起来。动作留下可使用的做法，岗位留下工作手册，业务留下协作依据，公司留下可以持续检验的经营逻辑。实践中的有效做法可以继续积累，失败、例外和条件变化也要留下来。

我希望WISERUNION智库逐步形成这样的能力：让企业创造价值和业绩的经验，成为人和AI可以理解、使用、检验和改进的知识。

这是人类岗位逐步进入AI协作阶段，需要建设的一部分基础。每做成一项工作，都能留下下一次可以使用的东西；下一次工作遇到问题，又能回来修正原有认识。我想把这件事持续做下去。

资料与延伸阅读

本文是我对四向SOP、人机协作和智库建设关系的一次工作思考，图示为依据本文原创绘制的机制框架。报价为简化示例，相关对应关系仍需结合具体业务检验。

• [1] ImageNet官方介绍：分类、人工标注与质量核验，以及训练和测试用途。
• [2] Deng等：ImageNet: A large-scale hierarchical image database（2009），普林斯顿大学出版记录：论文摘要说明使用Amazon Mechanical Turk构建数据的方法。
• 四向SOP：把具体工作与经营结果接起来
• 从SOP到AI Skill
• 把智库建设成人与AI共同工作的知识基础