案例01：团队AI使用诊断

01案例背景

为什么把这场内部会议拿出来当全公司的样本

这是一场两小时的团队工作复盘会，议题覆盖月度产出、协作摩擦、品牌一致性，以及最重要的——AI 工具的使用现状。

会议里 AI 相关的讨论占了相当大比重。团队成员普遍诚实：他们承认自己用了不少 AI 工具，但效果不稳定；他们想学得更系统，但不知道从哪里入手；他们意识到 AI 应该改变工作方式，但目前 AI 还在「打杂」而不是「提速」。

为什么对全公司有参考价值？

这套问题不是设计岗专属。把「品牌一致性」换成「销售话术一致性」、「客户服务标准」、「门店运营 SOP」、「代码风格」，几乎每个团队都会撞上同一组瓶颈。本案例的目标，是把这一组问题模式公开化，并给出一个所有团队都能套用的成长路径。

从会议里提取出的关键数字：

同时在用的 AI 工具

团队级 prompt 规范

已落地的 Project

归纳的核心问题

02团队当前的 AI 工具堆栈

每个工具都被用过，但没有「哪个工具做哪件事」的共识

下表把会议中提到的工具梳理出来，并按「是否稳定产出价值」打了简单标签。颜色不是评判工具本身，而是评判这个团队当前的使用状态。

先说明一件事：这些工具不是公司统一采购的

下面列出的 AI 工具，目前都是团队成员根据自己工作需要、自行选用的（部分自费、部分用免费额度）。这本身是好事——说明大家有主动性。但也意味着：账号、版本、付费档位、使用习惯全部分散，团队层面无法做规则沉淀，也是后面问题的源头之一。

ChatGPT

品牌发想、写 prompt、内容 ideation

在用 · 缺规范

Canva Magic

文案排版微调

在用 · 顺手

Google Flow

图片细化、静帧动画化

在用 · 部分人会

Photoshop Beta

图像扩展、小修补

仅小修小补

Lovart

期望解决品牌一致性问题

计划试用

Project / 知识库

让 AI 记住团队规范、风格、术语

完全缺失

团队级 Prompt 库

复用、迭代、版本管理

完全缺失

AI 工作流文档

哪个工具配哪个工具

完全缺失

第一个值得警觉的模式

工具列上「在用」的有 4 个，「完全缺失」的也有 3 个——而缺失的那 3 个，恰恰是让前面 4 个工具能稳定产出的组织基础设施。这是一个典型的「买了很多工具但没装地基」的现状。

03六个核心诊断点

每个问题都用同样的结构呈现：现象 → 影响 → 根因 → 改进方向

#1 AI 输出「细节错、图标糊、品牌元素飘」，根因不在 AI，而在 prompt 和 context

"AI outputs often have incorrect details, pixelated icons or inconsistent brand elements requiring manual edits."

现象

出图后总要花大量时间手动修改——改 logo、改字号、对齐色彩、修像素。

影响

表面看像「AI 不靠谱」，但实际上是「我们没把要做的事讲清楚 → AI 只能瞎猜 → 我们再花时间救火」，结果误判了 AI 的能力上限。

根因

绝大多数「AI 出错」，本质是：① 提示词写得不够好（要求模糊、缺少关键约束）；② 没给足 context（没提供品牌色值、字体、参考图、禁忌项）；③ 没用对工具或对的功能档位。AI 本身能力是够的，是「提示词工程 + 工具选用」这两环没做好。

改进

把功夫花在 AI 之前——写 prompt 时显式给出：背景、目标、约束、参考、输出格式、不要做什么。把品牌色、字体、Logo、参考图等 context 一次性给齐。这套方法学好了，AI 的「出错率」会断崖式下降。

#2 没有品牌一致性的「地基」，AI 永远学不会团队的风格

"Design outputs lacked consistent brand identity with varying styles for similar materials."

现象

同一类海报，今天有人像、明天没人像；同一个产品，文案语气一会儿专业一会儿俏皮。

根因

缺少一份成文的 Brand Guidance。AI 工具再强也只是放大器，没有标准就没有「对齐基准」。

改进

先把品牌规则写成文档（颜色、字体、语气、构图原则、禁忌），再把这份文档作为 Project Knowledge 喂给 AI。AI 才能稳定输出「像我们家」的东西。

#3 每次和 AI 对话都「从零开始」，没有 Project / Instructions / 记忆

现象

在 ChatGPT 里每次都要重新解释一遍「我们是做什么的、品牌色是什么、不希望出现什么」。

影响

单次请求质量靠运气；prompt 写得长但不复用；今天甲做出来的，明天乙完全重新摸一遍。

改进

每个稳定的业务场景都建一个 Project，把背景、规则、范例打包进去。详见培训第一课：《Project 设置》→

#4 学习路径靠零散自摸，怕踩坑反而不敢尝试

现象

想学，但不知从哪学；看到「民间高手」也分不清靠不靠谱；自己摸索又怕走弯路。

改进

建立「小范围试点 → 成功案例归档 → 团队级 SOP」的传递机制。先让 1–2 个人在 1 个场景里把 AI 用透，再向团队复制。本案例本身就是这套机制的一部分。

#5 决策权和专业能力错配——不专业的人做专业判断，AI 再快也救不回

现象

业务方 / 中间人 / 设计方反复来回，最后由「不写代码的人评审代码、不做设计的人评审设计」。

影响

AI 把一轮产出时间从 2 天压到 2 小时，结果一轮评审拖 2 周。AI 加速了执行，但卡点全在协作链。

改进

需求方提需求时只描述业务目标，不指挥专业实现；专业岗在规则范围内自行决策，并对结果负责。这件事比换任何 AI 工具都更能提速。

#6 把「工具能力」误认为是「AI 能力」

现象

大家在比较「哪个工具更好」——ChatGPT vs Lovart vs Photoshop Beta，期待换一个工具就解决所有问题。

根因

把 AI 能力等同于工具功能。事实上，「会拆任务 + 会写规则 + 会用 Project」这三项底层能力，决定了 80% 的 AI 产出质量，远比挑工具更重要。

改进

先练「通用 AI 协作能力」，再选具体工具。把工具当作末端的「出图机/出文机」，把脑子留在前端的「规则与流程设计」。

团队自己已经看到的方向（值得保留并加固）

会议中团队明确提出：要从「手动做设计」转向「引导 AI 做设计」、要建立 brand guidance 让所有人遵守、要把决策权与责任绑定——这三个方向都对。本报告做的，是把它们从「想法」升级成「操作路径」。

04AI 使用成熟度模型

任何团队从「用 AI」到「靠 AI 拿到杠杆」，必经五个阶段

我们把会议中暴露的问题抽象成一个 5 级模型。这套模型不仅适用于 Creative 团队，也适用于销售、运营、产研、客服、行政等任何开始用 AI 的部门。

零散试用

个别人偶尔打开 ChatGPT，团队层面无意识

工具堆叠

多人多工具，无标准、无复用、靠手感

规则沉淀

有 brand guidance / SOP / prompt 模板

Project 化

每个场景一个 Project，知识库+指令稳定输出

流程嵌入

AI 嵌入日常工作流，人工只做高价值判断

本案例团队当前位置：L1，目标 L3

跨过 L1 → L3 的关键，不是再买一个工具，而是补 L2 这一层「规则沉淀」——把团队脑子里的标准写下来，再交给 AI 执行。这一步省不了，也外包不了。

跨越每一级，要做的事

L0 → L1：鼓励试用、开账号、给预算——公司大多数团队已完成。
L1 → L2：把团队隐性知识显性化（写文档、定规则、画风格指南）。这是整个迁移过程最难的一步，因为它考验团队「对自己业务的理解」，AI 帮不上忙。
L2 → L3：把 L2 的文档喂进 Claude / ChatGPT 的 Project 功能，配 Custom Instructions。技术门槛低，认知门槛高。
L3 → L4：把 Project 接入业务系统（Lark、Slack、内部 SOP），AI 在流程里自动触发。这是公司层面的工程，不是单团队任务。

05三句话总结

如果只能带走三句话

1. AI 不是工具问题，是地基问题。

团队没有把规则写下来之前，换再多 AI 工具也只是把混乱以更高速度复制出来。

2. 从 L1 跳到 L3，缺的不是技术，是「规则沉淀」这一步。

把团队脑子里的隐性标准写成文档，再喂给 AI——这件事 AI 帮不上忙，必须人来做。

3. 专业岗的「权力」和「责任」要打包给同一个人。

AI 把执行时间压缩了 10 倍，节省的时间不要被无效来回吃光。决策清晰，AI 的提速才会真正变成公司的提速。

本案例配套的学习材料：《AI 培训 01：把 Project 设置好》→

当一个团队「什么 AI 都用过，但什么都没用顺」

01案例背景

02团队当前的 AI 工具堆栈

03六个核心诊断点

04AI 使用成熟度模型

跨越每一级，要做的事

05三句话总结