北京
非营利组织“赋能职场”做了一件反直觉的事：引入AI扩大服务规模，却刻意把AI藏在幕后，不让它直接接触求助者。一年后，65%的辅导员每次值班都在用AI，总结撰写时间减少了60%，而最关键的信任关系没有受损。
这个结果背后，是一个关于“温度与规模能否兼得”的实践样本。
为什么AI不能直接服务求助者
“赋能职场”做的是职场辅导服务，核心价值是共情与人际联结。他们最初也想过让AI直接面向求助者，但很快发现此路不通。求助者在情绪强烈的时刻，需要的是真人支持——这是调研中反复出现的结论。
更深层的原因在于共情的结构。共情包含三个维度：理解对方的状态、感受对方的体验、投入一段关系。AI能实现第一项，后两项是天然短板。如果让AI直接服务，等于把最核心的价值让渡给了一个无法真正共情的系统。
所以他们的定位很清晰：AI是辅导员的幕后支撑工具，不是替代者。
从低风险高摩擦的环节切入
落地路径同样谨慎。他们没有一上来就做高难度场景，而是从三类重复性工作入手：资源匹配、归档总结、背景梳理。这些任务耗时但不涉及关键判断，适合优先交给AI。
关键设计是“人在回路”。AI生成的内容，辅导员必须审核编辑后才能发送给求助者。这个机制既减少了工作摩擦，又避免把敏感判断权让渡给模型，形成了一道可控的风险边界。
培训时机的调整也很有意思。最初AI介绍放在培训末期，辅导员上岗后要么忘了要么不会用，使用率很低。挪到培训中段后，辅导员可以在督导下练习，使用率显著提升。
设计原则：少即是多
产品设计上，他们做了几个反常规的决定。移除开放式输入框，避免误发风险和认知负担；提供少量合理选项而非唯一答案，保留人的自主判断；模型选择被视为持续决策而非一次性决定，定期对照质量、延迟与成本的实际表现更新。
内置的五星评分和开放式反馈，加上志愿参与的AI咨询委员会，形成了快速迭代的闭环。员工在这个过程中产生了主人翁意识，而不是被动接受工具。
一年后的数据验证了这套思路：65%的辅导员每次值班都在使用AI，响应速度提升，总结撰写时间减少60%，信任关系未受损害。
“赋能职场”的实践给服务型组织提供了一个参照：AI应该支持判断，而不是取代判断。对于高度依赖人性与共情的服务，用AI增强人的支持，而非取代它——这可能是规模与温度兼得的唯一路径。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
