企业 AI 内训，我们的建议是按角色分三段来排：管理层半天，讲清 AI 的能力边界和投入决策；业务团队一天，用本岗位的真实任务练提示词、工作流和场景；技术团队一到两天，做 RAG 与智能体实践。三段的听众、目标和产出都不一样，不适合合成一堂课。
更关键的是内容怎么组织：按岗位领域组织，而不是一套「AI 通识」讲给全公司。原因在于，AI 在常规任务上会拉平新手和专家的差距，在需要判断的复杂任务上却会放大使用者原有的判断力。一个岗位从 AI 那里得到什么，取决于它的核心任务落在哪一侧，而这只能在岗位自己的任务里讲清楚。
为什么一套通识课不够
我们在 HHAI 2026 的一篇立场论文里讨论过这个问题，导读见《AI 是均衡器还是放大器？分水岭在任务复杂度》。结论可以概括成一句：决定谁从 AI 受益的是领域专业度，而不是提示工程。
放到企业里，这解释了一个常见现象：同一套工具铺给全公司，有的团队用出了效果，有的团队产出反而变差。差别往往不在培训有没有到位，而在那个岗位的核心任务是按规则核对，还是要权衡判断。通识课能讲清工具怎么用，讲不清这条线在每个岗位上落在哪里。所以 FIM（飞沐）的内训按岗位领域来组织。
管理层半天：能力边界与投入决策
管理层这一段要回答的不是「AI 能做什么」，而是「我们该在哪里投、先投多少」。半天时间够把三件事讲清：
- 能力边界：哪些任务 AI 可以稳定承担，哪些任务的输出必须有人复核，拿不准的情况怎么处理。
- 投入决策：先挑哪几个岗位试，用什么标准判断试得好不好，什么时候值得进入正式项目。
- 分工原则：常规环节交给 AI 拉平效率，判断环节留给有经验的人，再用 AI 帮他们更快地校验。两类环节要分开设计。
这一段的产出是一份判断，而不是一份采购清单。FIM 的内训按天授课、不绑定采购，听完之后做不做、做多大，由企业自己决定。
业务团队一天：用本岗位的真实任务演练
业务团队这一天，用的材料应该来自他们每天真实在做的工作，而不是通用示例。一天的内容包括提示词、工作流和场景演练，可以按下面的顺序走：
- 把岗位的活拆开：哪些是有明确对错、可以按清单核对的；哪些需要结合背景权衡。
- 核对类先用起来：这类工作交给 AI 后，经验少的同事能更快接近资深同事的产出。
- 判断类练复核：练的是怎么校验 AI 的输出、怎么追问、怎么发现哪一句不对，而不是怎么让 AI 替人下结论。
以合同审查为例，按清单核对条款有没有写，和权衡违约金比例合不合理，是两种不同的活，需要两套做法。具体怎么分，可以看《合同审查里，AI 该当均衡器还是放大器》。其他岗位也可以照这个思路，先把自己的两类活分出来。
技术团队一到两天：RAG 与智能体实践
技术团队的一到两天是动手课，主题是 RAG 与智能体实践。目标是让团队对「用自己的资料搭一个问答或一个小流程」要花多少功夫、会卡在哪里有亲手的判断。这样后面评估方案、和交付方讨论范围时，技术团队能给出自己的意见，而不是只听演示。
内训之后怎么走
内训是起点，不是终点。按 FIM 解决方案页的划分：团队需要先建立判断，就从企业 AI 内训开始；涉及自有数据、现有系统对接或合规要求，再走定制化解决方案。两者可以叠加，也可以只做内训。定制交付的周期取决于数据与系统对接的复杂度，在方案阶段给出。
如果还不确定从哪一段开始，可以先约一次 30 分钟的免费沟通，按团队现状选择入口。