Role Tiered Training

Source Metadata

Original cangjie-skill frontmatter from the distillation run:

id: f25
title: "分层AI培训 — 高管/经理/工程师的差异化学习"
book: "AI for Everyone"
author: "Andrew Ng（吴恩达）"
source: p22
tags: [training, change-management, role-based, education, organization]
related_skills:
  - slug: ai-transformation-playbook, relation: depends-on
  - slug: ai-team-building, relation: composes-with

R — Reading（原文引用）

"对高管和高层业务领导者...可通过4小时左右培训完成大部分内容...部门负责人...至少需要12小时...软件工程师...计划至少进行一百小时的培训。" — p22

I — Interpretation（用自己的话重新阐述）

AI培训最常見的错误是"给所有人上同一门课"。Andrew Ng基于Google和百度的培训经验，提出了分层培训框架：

为什么分层？

• 不同角色的AI知识需求完全不同
• 给高管讲100小时技术细节是浪费，给工程师讲4小时战略是不够的
• 分层培训最大化学习效率，避免"听不懂"或"太浅了"

A1 — Past Application（过去应用案例）

• Google Brain培训：早期Google Brain团队为不同层级员工设计了差异化课程。高管半天了解AI战略，工程师数周深入学习技术实现。这种分层模式让Google在AI人才紧缺的情况下快速扩大了AI能力覆盖面。

A2 — Future Trigger（未来触发条件）

触发场景：

• 公司要推AI培训，但不知道不同层级该学什么
• 培训效果不好——高管觉得太技术，工程师觉得太浅
• 设计AI培训体系
• 评估AI培训的投资回报

语言信号：

• "AI培训"
• "全员AI学习"
• "不同层级学什么"
• "AI培训体系"
• "AI素养"
• "给高管讲什么AI"

区分要点：

• 用户需要培训设计还是具体课程内容？本skill提供分层框架，不涉及具体课程内容。
• 是组织培训还是个人学习？本skill面向组织场景。

E — Execution（执行步骤）

1. 识别受众层级：将目标受众分为高管、经理、工程师三类。

2. 设计分层课程：

   • 高管层（~4h）：AI能力边界、项目评估方法、AI战略制定、常见误区
   • 经理层（~12h）：项目范围定义、商业尽调方法、AI团队管理、验收标准设定
   • 工程师层（100h+）：ML基础、数据处理、模型训练、部署运维

3. 选择培训方式：

   • 高管：工作坊、案例讨论、外部专家分享
   • 经理：项目实战、跨部门轮岗、与AI团队协作
   • 工程师：系统课程、动手实验、项目实战

4. 设定学习目标：每个层级设定明确的学习目标和考核方式。

5. 持续迭代：根据反馈调整培训内容和时长。

完成标准：完成分层培训方案设计，明确各层级的培训目标、内容大纲、时长和考核方式。

B — Boundary（使用边界）

不适用场景：

• 个人自学AI（不需要分层设计）
• 纯技术团队（没有高管/经理层级）
• 一次性讲座（不是体系化培训）

失败模式：

• 给所有人上同一门课——高管听不懂技术细节，工程师觉得战略太浅
• 培训时长不足——4小时的高管培训压缩成1小时，无法建立基本认知
• 只培训技术人员，忽视管理层——管理层不懂AI，无法有效支持AI项目
• 培训后没有实践机会——学了就忘

作者盲点：

• Andrew Ng的时长建议（4/12/100小时）基于大公司的经验。中小企业可能需要压缩——比如高管2小时、经理6小时、工程师50小时也能达到基本效果。
• 分层培训假设你能清晰区分"高管/经理/工程师"——但在扁平化组织或创业公司，一个人可能同时承担多个角色。

相关 skills

• ai-transformation-playbook — depends-on：分层培训是AI转型五步指南中第三步"提供广泛AI培训"的具体实施方案，需要嵌入整体转型路线图中理解。
• ai-team-building — composes-with：分层培训与AI团队建设相辅相成——培训为团队提供人才储备，团队为培训提供实践场景。