编者摘要：基于 Slack 首席产品官 Jaime DeLanghe 访谈，围绕企业人机智能体（Agent）协同团队建设，提出职场对话不会自动沉淀组织知识，需借助 AI 智能体挖掘聊天上下文价值。核心原则包括默认使用公共频道，保障智能体获取完整业务上下文，私有频道仅用于真实敏感信息；建立人与智能体任务交接循环，AI 负责草拟、摘要、信息监控，人类负责决策审核。要给智能体明确岗位职责，把它视作团队同事，不强制推行无价值工具。依靠内部案例示范自下而上推广新工作流，搭建经验共享频道沉淀可复用模板。评估 AI 价值不能只看消息量、Token 消耗等活跃度指标，要聚焦业务结果，辅以人为综合判断。企业不能仅用 AI 加速旧流程，需要重构工作模式；落地建议尽早小规模试点，在共享频道开展实践，有效模式会自发在组织扩散。
7 个关键问题问答Q&A
Q1：为什么职场对话无法自动变成企业知识？
A：大量聊天记录只是信息堆积，人工很难从中梳理有效逻辑、决策缘由，员工依旧重复提问。需要 AI 智能体对海量对话信息做解析加工，才能完成知识沉淀。
Q2：要让 Agent 发挥最大效用，频道该如何设置？
A：遵循默认公开，按需私有。常规业务全部放在公共频道；私聊、私有线程对 Agent 不可见，仅真正敏感信息才使用私有频道。
Q3：人机协同团队的核心工作模式是什么？
A：任务循环交接。智能体完成草拟、摘要、信息监控、会前准备等事务性工作；人类复核、决策、下达调整指令，再把任务交还给 Agent 继续执行。
Q4：企业部署多个 AI 智能体容易混乱，该怎么处理？
A：把智能体当作团队同事，分配清晰目标与职责；重复性事务交给通用 Agent；如果使用者说不清 Agent 的用途，就直接停用该工具。
Q5：怎样推动员工主动接受人机协同新工作方式？
A：靠真实案例示范，而非自上而下强制。搭建全公司经验分享频道，鼓励员工输出 “我的实践复盘”，将个人经验变成团队可复制模板，实现自发传播。
Q6：评估企业 AI 落地价值，有哪些误区需要避开？
A：不要把消息数量、Token 消耗、活跃度当作价值证据。这些指标仅代表工具被使用，无法证明业务收益，需要结合业务结果 + 人工综合研判。
Q7：企业落地人机协同团队最重要的建议是什么？
A：不要只拿 AI 加速原有工作，要重新改造工作流程；尽早启动，但从小规模试点入手，在公共频道小团队先行实践，好的模式会自主在公司扩散。
附录 将对话转化为知识：Slack 如何打造人机协同团队
本文为 Slack 首席产品官 Jaime DeLanghe 访谈实录
栏目：企业人工智能 发布日期：2026 年 8 月 19 日
本文是 “构建人机协同团队” 系列的第二篇。第一篇文章分享了 Anthropic 在多人协作式人工智能项目中搭建人机团队的实践经验。本篇则聚焦另一家企业：早在 AI 浪潮兴起之前，Slack 便已经开始探索人机协同模式，下文将提炼其沉淀的宝贵实践经验。
Jaime DeLanghe 于 2017 年加入 Slack，负责搜索与机器学习相关业务，她的核心使命是把职场对话沉淀为企业机构知识。如今身为 Slack 首席产品官，她从工作之初就坚信：想要实现这一目标，团队必须秉持公开协作的工作模式，把沟通记录、决策结论以及进行中的工作全部留存于公共频道，让企业内部所有员工均可查阅、检索。
在她近期发布的文章《工作即对话》中，将这套理念延伸到 AI 智能体（Agent）的应用场景：围绕工作产生的全部对话上下文，正是智能体发挥价值的基础；依托这一基础，我们才得以实现一个延续数十年的目标 —— 把零散碎片化的信息转化为团队生产力。
为了解这套模式在 Slack 内部的落地细节，我们与 Jaime 展开对话，探讨搭建高效人机协同团队的实操方法，以及如何推动全新工作方式在组织内部落地普及。
将对话历史视作知识库
长久以来，行业一直抱有这样一种愿景：团队协作过程产生的对话 “副产品”，能够不断积累沉淀，演变为企业的组织知识，但这一设想始终未能真正落地。
“我在 Slack 工作早期看过大量研究论文，结论却告诉我们：对话并不会自动转化为知识。”Jaime 谈到，“我们当然希望如此，但现实是海量聊天记录仅仅停留在那里，员工依旧要反复重复同样的问题与说明。”
想要人工梳理消化如此庞大的对话信息，几乎无法实现。而如今，这项工作可以交由 AI 智能体完成。
落地实操建议
- 优先使用公共频道
智能体仅能读取可见范围内的信息。私聊、私有线程中形成的决策，对智能体完全不可见，这些信息也会就此遗失，无法沉淀为组织资产。 - 向智能体追问推导逻辑，而非仅调取结果记录
不要只查询最终做出了什么决策，可以让智能体还原决策背后的缘由，同时梳理自那之后外部条件与业务背景发生了哪些变化。 - 拓宽信息覆盖边界
借助 Slack、Claude 这类工具打通会议记录、邮件、日程表、文档库等各类信息源。接入的上下文信息越完整，团队重复沟通的情况就会越少。
把握智能体与人类之间的任务交接节奏
人机协同团队的核心运转模式，就是一轮轮任务交接循环。集成于 Slack 的 Claude 智能体负责事务性产出工作：文稿草拟、内容摘要、信息监控、材料筹备，完成后将成果交付人类；由人类完成审核判断、给出调整指令，再把任务交还给智能体执行后续环节。
Jaime 每周的工作流程，就是这套模式的鲜活范例。
“周一清晨，我会收到智能体为我整理好的每日简报。”Jaime 介绍道。
同时等待她审阅的还有：上周产品研讨会的要点复盘与标记出的待跟进事项、全网 AI 行业动态汇总、当日全部会议的会前材料，以及一份交由智能体改写、亟待确认更新的旧版个人简介。每一轮工作循环的终点，都由人类基于智能体输出的内容完成审核与关键决策。
落地实操建议
- 以智能体生成的简报开启一天工作
内容复盘、风险待办梳理、会议筹备、行业资讯汇总都非常适合交给智能体处理，最终由人完成复核。 - 依托公共频道承载完整工作流
把全部工作内容沉淀在共享频道，人类与智能体在此共同处理工作，由人主导优先级的判定。 - 用简单交互触发任务执行
在 Jaime 使用的频道内，仅仅发送一个表情回应，就可以新增一条待办，交由智能体自动承接处理。
为智能体分配清晰明确的角色定位
如果还是以一对一聊天机器人的固有认知看待多专业 Claude 智能体协同工作，很容易感到混乱。Jaime 更偏向从协作社交视角而非纯技术视角理解这件事：“我习惯把智能体看作团队里的同事。”
就像人类员工拥有各自岗位职责，智能体同样应当具备明确的工作目标与业务范围。“如果使用者感受不到智能体实实在在的价值，只是被动要求使用它，大家根本记不住这个工具到底用来做什么。” 她说道。
落地实操建议
- 常规事务交由通用智能体处理
不必要求员工学习各式各样的专用工具，训练智能体承接重复流程类工作，例如提交服务工单、提取上周业务数据生成进度汇报。 - 价值要被切实感知，而非自上而下强制推行
如果使用者无法说清某一个智能体的用途，或许就应当停用该智能体。
默认使用公共频道，仅在必要时启用私有模式
Slack 从诞生之初就倡导 “默认公开” 的频道理念。“公开环境能够为后续所有工作搭建统一的认知基础与共享上下文。”Jaime 表示。
她建议：除非有特殊理由需要对信息做权限隔离，否则频道应当保持公开状态。智能体能够调取的信息越丰富，就越能胜任 “团队同事” 的角色。
公开的上下文会产生复利效应：新入职员工可以直接查阅历史工作资料，而不是面对一片空白；团队内部也不用反复复述过往信息。现在智能体同样能够受益于此，并且会把整合后的信息与记忆反哺给人类员工。
落地实操建议
- 常规业务工作公开开展
非涉密项目、通知公告、问答交流，都放在公共频道，让作为 “同事” 的智能体获取充足信息，充分发挥能力。 - 谨记：智能体只能读取团队可见的内容
私有频道会成为智能体的信息盲区，无法对其中内容做分析汇总。 - 以心理安全感划定公私边界
把真正敏感的内容隔离在私有空间之后，很多工作转入私聊，并非出于保密需求，而是人们介意自己尚未成熟的工作过程被他人看见。应当让员工拥有安全感，敢于在公开环境开展日常工作，哪怕只是粗糙草稿、尚未成型的疑问。相信同事会以善意看待这些内容；而开放本身，也会不断累积信任 ——给予信任，方能收获信任。
通过示范实例，推动工具落地普及
学习全新工作模式最高效的方式，就是观察身边同事如何实践。在 Salesforce 内部就有很好的案例：员工在名为How I Slackbot的全公司公共频道分享使用技巧、排错经验与工作流玩法，该频道已有数千名成员。在这个默认公开的空间里，源自销售部门的小技巧，也能够启发工程团队的工作方式。
在 Slack 内部，推动产品经理上手 Claude 的过程，完全是自下而上自发形成：一名产品经理找到开发体验负责人协助完成配置，接着整理一份操作文档，记录自己的实现思路与操作步骤。其他产品经理纷纷参考这套模板；各个团队自发组织分享会，还搭建了对应的代码仓库。
落地实操建议
- 搭建全公司的经验分享频道
开辟统一的公共空间，供员工分享技巧、排错方案、工作流程，让一个部门的实践经验赋能整个组织。 - 鼓励撰写可复用的实践记录
一份简短的 “我的实践复盘” 文档，就能把单人的配置方案，变成整个团队可以复用的模板与能力。
关注业务结果，而非单纯统计活动数据
早在 Slack 早期，Jaime 就在思考如何衡量生产力。“难道我们的目标是让大家发送更多消息吗？或许并不是。消息数量多，不代表团队充分发挥了 Slack 的价值；消息暴增，反而可能意味着大家找不到已有信息，或是沟通表达不够清晰。”
如今评估 AI 工具的价值，面临相似困境。面对如此复杂的系统，简单的统计指标不足以评判好坏。Token 消耗只能代表系统在运行，这固然值得参考，但远远不够。
落地实操建议
- 把使用量指标当作状态参考，不要等同于价值证明
活跃度仅代表工具被采纳，不代表真正创造业务价值。 - 善用综合主观判断
不存在一套完美指标，可以直接证明工具使用能够带来业务增益。正如 Jaime 所说，建立二者之间的关联，依然 “需要不少合理推断”，没有任何数据看板或者使用统计可以直接给出答案。
共同完成工作模式的革新
对于想要落地人机协同团队的企业，Jaime 最重要的建议是重新审视每一条工作流程：“我们需要革新工作模式，而不是用 AI 把旧有工作更快地重复一遍。这需要整个团队共同参与。”
关于搭建高效人机协同团队，她给出核心忠告：尽早起步，但从小处着手。邀请部分成员进入接入 Claude 的公共频道，给到统一的资源，放手让大家实践。从 Slack 的经验来看，一旦探索出可行的方案，这套模式就会自发在组织内部扩散。