30个人能在一天内就AI使用规则达成一致吗？

一家30人的工程初创公司应该如何使用AI，又应该在哪些情况下拒绝使用？2026年9月，来自Lyfe Catalyst的资深引导师Jean Lou Fourquet与这家公司的全体团队，用一整天的时间探讨了这个问题。

大多数企业工作坊以良好的意愿结束，却没有可以付诸行动的结果。这次工作坊最终形成了一份AI使用章程草案：团队跨越分歧达成共识，再亲自为这些原则排序。

关键在于依次使用Agora的两种模式。对话模式在全天持续呈现团队的共识与分歧。随后，优先级排序模式把达成共识的陈述转化为按重要性排列的共同优先事项。

对话模式揭示群体的共识；优先级排序模式决定先做什么。

挑战：工作坊传递了知识，却没有作出决定

AI培训日通常遵循熟悉的流程：专家演讲、热烈讨论，再加上几张便利贴。每个人都有收获，却没有形成决定。结论往往留在会议室里，而且常常受发言最响亮或职位最高的人影响。

对这家初创公司而言，问题非常具体。团队成员使用AI工具的方式和程度各不相同，却没有共同规则。有些问题涉及风险：能否将公司机器的图纸和参数输入外部AI助手？另一些涉及公司的定位：公司宣传其机器能减少30%的能耗，那么使用耗能很高的AI，在多大程度上与这一理念一致？

当天的目标很明确：不只是提高认识，而是由团队亲自撰写一份AI使用章程初稿，并对它拥有共同的责任感。

会前：从真实实践中提炼初始陈述

初始陈述来自团队自己的经验，而不是通用清单。工作坊开始前，参与者填写了包含三个问题的表单：

1. 最近一次在工作中使用生成式AI工具（ChatGPT、Claude、Copilot）时，你具体提出了什么要求？它为你节省了什么，又让你付出了什么代价？
2. 如果要说服一位从不使用AI的同事，你工作中的哪一个具体用例确实值得采用？为什么？
3. 如果要提醒一位经常使用AI的同事，哪一种具体情况绝不应该使用AI？为什么？

这些回答被整理为初始陈述：具体、可讨论，并使用团队自己的表达方式。有些是规则，有些是良好实践，还有些是尚未解决的矛盾。例如：

• “我们应该使用AI，根据工程师已经写好的笔记来改写和澄清报告，而不是让它生成内容本身。”
• “涉及机器图纸、示意图和技术参数的任何工作，都应禁止使用外部AI助手。”
• “采用新的AI工具前，我们应该将其环境足迹与实际节省的时间或带来的质量提升进行比较。”
• “我们应该鼓励在设计过程中使用AI快速探索尺寸设计或计算方案，但最终决定仍由工程师作出。”

对话说明为新增贡献设定了标准：具体建议比抽象原则更有价值。与其写“我们必须负责任”，不如写“在把AI生成的数字放入客户交付物之前，我们应该始终先核查”。

当天：一场从上午持续到下午的开放对话

Agora对话“我们希望如何在公司中使用AI？”于9:00现场开启，所有人都通过手机加入。对话全天保持开放，现场持续展示二维码。

参与者被邀请：

• 对每条陈述投票，选择“同意”“不同意”或“不确定”
• 分享新想法
• 定期返回，对新增陈述投票

活动交替安排简短演讲与讨论，内容包括AI的工作原理、环境和社会影响、民主数字技术的原则，以及在科研和工程领域审慎使用AI的方法。每个环节结束时，都会引导参与者返回Agora投票并补充陈述。演讲为对话提供素材，对话又为下一轮讨论提供方向。

15:45，团队暂时停下，一起阅读意见图谱。他们明确指出并记录存在分歧的陈述，而不是淡化分歧。目的是先把团队看作一个整体：关注的不再只是“我怎么想”，而是团队整体处于什么位置，然后再聚焦共识。

主要发现：共同基础与真实分歧

截至当天结束，25名参与者针对42条陈述投出了730票。其中只有6条是初始陈述，其余36条均由参与者在当天撰写。

大家达成了哪些共识

Agora识别出10条获得两个意见群体共同支持的陈述，构成了明确的共同基础：

• 核查：只有在回到原始来源核实的前提下，才使用AI开展科技信息跟踪。这条陈述的同意率为84%，是当天支持率最高的一条。
• 披露：借助AI制作的技术文档必须注明这一点（68%同意，无人反对）。
• 保护：涉及公司机器的图纸、示意图和参数时，不使用外部AI助手（68%同意，无人反对）。向AI发送任何公司数据都必须获得公司批准（60%同意）。
• 培训：每位新员工从入职第一天起，就应了解公司内部批准的AI使用方式（64%同意）。

值得注意的是，10条共识陈述中有7条由参与者在当天撰写，而非由组织者预先准备。

哪些问题引发了分歧

• “向AI提问之前，员工应先确认具备相关知识的同事是否已经知道答案。”
• “我们是否应该开发公司专属的内部AI？”

但团队并不是简单地分成支持AI与反对AI的两派。只有8%的人认为公司完全不应使用AI。这些分歧被保留为章程中有待继续讨论的问题，而不是强行达成一致。

两个意见群体

• 务实派（15人，60%）：认为负责任地使用AI能够带来价值。他们全都支持在核查来源的前提下使用AI跟踪技术信息，以及将繁琐流程自动化。他们希望保护个人数据，并由公司支付AI订阅费用。
• 人本派（6人，24%）：优先考虑人的专业能力与人际互动。其中83%认为，生成式AI的社会和环境成本远高于加快任务速度带来的收益；务实派中持这一观点的比例为20%。三分之二的人认为，涉及人际互动的流程绝不应由AI完全自动化。

未被归入意见群体的参与者（4人）对少于7条陈述投过票。

从共识到优先事项：为章程排序

共识告诉团队大家同意什么，却不告诉团队从哪里开始。因此，当天的工作没有停留在意见图谱上。

这10条获得跨群体共识的陈述被移入第二场Agora对话，这次使用优先级排序模式。参与者对这些陈述进行相互比较并排序。目标不是面面俱到，而是得到一份既有共识基础、又具有优先意义的简短清单。

排名靠前的共同优先事项包括：

1. 使用AI时，我们应该留意可能暴露的机密内容，以防止数据泄露、工艺被窃取等风险。
2. 我们允许使用AI加快科技信息跟踪工作（例如总结论文和专利），但在依据信息采取行动前，必须始终回到原始来源核实。
3. 使用AI进行研究时，使用者必须核查至少一部分来源。

16:30，团队朗读了根据排序结果形成的章程草案，并将其采纳为一份持续更新的文件。此后，每三个月由一个抽签产生的委员会重新审议。

为什么这很重要：集体理解，而不只是头脑风暴

头脑风暴收集想法，集体理解则呈现群体真正的想法。Agora图谱给团队提供了两种依据：可以据此推进工作的共同基础，以及值得继续讨论的分歧。参与者能够深入探讨不同意见，并在已有共识的地方合作。

两种模式回答不同的问题：

• 对话模式：跨越彼此的差异，我们同意什么？
• 优先级排序模式：在已经达成共识的事项中，什么最重要？

两者结合，让一天的演讲与讨论形成了团队共同拥有的成果。规则不是由管理层或引导师自上而下制定，而是来自将要执行这些规则的人。

展望未来

这份章程从一开始就被设计为持续演进的文件。每季度由抽签产生的委员会进行审议，让它随着工具、使用方式和团队的变化而更新。

这种形式远不止适用于AI：任何面临共同决策的组织都可以采用相同流程。

工作坊不必止步于良好意愿。采用合适的流程，就能形成整个团队共同支持的优先事项。

想开展类似的工作坊吗？

Lyfe Catalyst是Agora的官方合作伙伴，可以为您的团队、社区、学生或合作伙伴设计并引导工作坊，讨论AI或任何其他需要共同作出的决定。联系Lyfe Catalyst。

您已经是一位经验丰富的引导师？立即开始使用Agora，或直接与我们交流。