GOWISE旗下澳大利亚SNG集团｜Project Hub AI-Native 实训项目：不是学用 AI 工具，是训练 AI 原生工作方式

   SHANOVA｜山南   

当 AI 越来越多地承担信息检索、资料整理、初步分析和内容生成，企业真正的变化早已不是“多了一个工具”，而是工作本身被重新定义。

传统工作方式围绕岗位划分职责，靠层级和流程协调。你拿到的是一个“岗位”，做的是岗位职责里规定好的事。

而 AI 原生（AI-Native）的工作方式，从具体的业务问题出发：

• 先定义要解决的问题和要交付的成果

• 再把任务拆成多个环节

• 根据每个环节的性质、风险和所需判断，决定哪些交给 AI、哪些由人来做、哪些需要两者配合

• 最后形成一条可复用、可验证、可持续优化的工作流程

举个例子：做市场研究时，AI 可以帮你搜集行业资料、梳理竞品信息、整理监管要求；但核实信息来源、识别分析局限、把研究转化为商业决策依据——这些必须由人来完成。

AI 原生不是把 AI 塞进现有流程，而是重新设计任务的执行路径。

在 Project Hub，你不是“先学 AI 工具，再去找地方用”，而是从第一天起，就用 AI 原生的方式做真实的商业项目。

Project Hub 的项目实践，全部围绕真实商业问题展开。你不会在模拟场景里“练习用 AI”，而是在实际业务中用 AI 原生的方式完成工作、交付成果。

以下是四个核心实践方向：

1. 市场、竞争与监管研究

学习用 AI 原生的方式做高质量研究——用 AI 快速拉取行业动态、竞品信息、监管政策，然后做 AI 做不了的事：追溯一手来源、交叉验证数据、识别输出偏差，最终整合成能支撑商业决策的研究成果。

举个例子：当项目需要了解某一行业的最新监管变化时，AI 可以在几分钟内帮你拉出十几条相关政策和新闻；但哪些是正式生效的法规、哪些是媒体解读、哪些只适用于特定地区——这些判断，要由你来做。

2. 复杂问题拆解与任务设计

学习 AI 原生的问题拆解方法——面对真实的、模糊的、甚至一开始连“问题是什么”都不清楚的商业任务，你需要把它拆成一系列可以执行的小任务，判断每个环节的难度、风险和所需的专业判断，再决定哪些交给 AI 提效、哪些必须由人来完成。

这不是项目管理理论，而是实打实的训练：拿到一个模糊的需求，你要能把它变成一张清晰的任务清单，并且知道每一步该用什么工具、由谁来做、交付标准是什么。

3. AI 工作流与标准化流程建设

学习搭建 AI 原生的工作基础设施——探索和沉淀可复用的提示词模板、工作流和标准操作流程（SOP）。你会思考：同样的研究任务，怎么让不同的人用 AI 都能产出大致一致质量的结果？怎么确保 AI 的输出是可追溯、可验证的？怎么把一个人摸索出来的好方法，变成整个团队都能用的标准流程？

这是 AI 原生组织最核心的能力：把个人的 AI 使用经验，转化为组织的 AI 协作能力。

4. 商业洞察与双语成果交付

学习用 AI 原生的方式交付商业成果——把研究和分析转化为中英文商业咨询材料。你不仅要把信息组织清楚，还要站在读者的角度思考：他们最关心什么？什么结论会影响他们的决策？AI 可以生成内容，但把内容变成洞察、把洞察变成行动建议，必须由人来完成。

更重要的是，你会为自己的交付成果负责。不是"交给老师改"的模式，而是像真实职场一样——你的产出会被实际使用，质量标准就是商业标准。

熟练使用 AI 工具只是起点。在 AI 原生的工作环境里，真正决定你能走多远的，是工具背后的底层能力。

Project Hub 训练的不是“AI 操作技巧”，而是五项 AI 原生时代的通用硬能力——它们不仅适用于 AI 相关岗位，也与商业研究、咨询、金融、运营及跨境业务等工作密切相关。

1. 结构化思维

【为什么重要】AI 原生工作方式的起点，不是"AI 能做什么"，而是"问题是什么"。能不能把一个模糊复杂的商业问题拆成一系列可以执行的小任务，决定了 AI 能不能被用好。

【在 Project Hub 怎么练】你会接到真实的、一开始连"问题是什么"都不清楚的业务需求。你需要定义问题边界、拆解任务层级、判断优先级，最终把一团乱麻变成一张清晰的行动清单。

【练完你能带走什么】面对任何复杂问题都不慌的拆解能力——不管是写报告、做项目，还是规划自己的职业路径，结构化思维都是底层工具。

2. 批判性思考

【为什么重要】AI 最大的陷阱，是它输出的内容看起来永远自信而流畅。但如果你分辨不出哪些是事实、哪些是 AI 的"幻觉"、哪些是片面的推断，你就不是在用 AI，而是被 AI 用。批判性思考，是 AI 原生工作者的底线能力。

【在 Project Hub 怎么练】你会反复做一件事——核实。AI 给你的每一条信息、每一个结论，你都需要追溯来源、交叉验证、识别局限。你会养成一个习惯：不直接接受任何输出，而是先问"这对吗？为什么？"

【练完你能带走什么】不盲从、不轻信的判断力。这不仅是用 AI 的能力，也是信息爆炸时代最重要的生存能力。

3. 人机协作

【为什么重要】AI 原生的工作，不是"人 vs AI"，也不是"人指挥 AI 干活"，而是人和 AI 怎么配合。知道什么该交给 AI、什么必须自己来、怎么设计两者的协作流程，决定了你的产出效率和质量上限。

【在 Project Hub 怎么练】每一项任务你都要做分工判断：这个环节适合 AI 做吗？风险高不高？需要多少人的介入？你会不断调整和优化人机协作的流程，找到最高效的组合方式。

【练完你能带走什么】一种全新的工作方式——不是"自己把活干完"，而是"设计一条最优的执行路径"，让人和 AI 各自发挥所长。

4. 商业理解

【为什么重要】AI 可以生成无数份报告，但只有理解业务的人，才能把信息转化为有价值的洞察。AI 原生工作方式的终点，不是 AI 生成了多少内容，而是交付了多少商业价值。

【在 Project Hub 怎么练】你的交付物不是作业，而是会被实际使用的商业材料——可能是给客户的市场进入建议，可能是给投资团队的竞品分析，也可能是给管理层的决策摘要。你必须站在读者的角度思考：他们最关心什么？什么结论会改变他们的决策？

【练完你能带走什么】把信息转化为洞察、把洞察转化为行动建议的能力。这是从"执行者"到"价值创造者"的关键一步。

5. 责任意识

【为什么重要】AI 让产出变得越来越容易，但也让"对结果负责"变得越来越稀缺。当一份报告是 AI 生成的、当一个数据是 AI 找的，谁来为最终的质量负责？答案是：你。这是 AI 原生工作者最核心的职业素养。

【在 Project Hub 怎么练】你会为自己的交付成果负责。不是"交给老师改"的模式，而是像真实职场一样——你的名字在上面，质量就是你的名片。你会学会关注信息准确性、妥善处理商业机密、对工作结果保持审慎态度。

【练完你能带走什么】让人放心的职业素养。能力可以培养，但靠谱——是职场里最稀缺、也最值钱的品质。这五项能力，是 AI 原生时代真正的"护城河"。

工具会迭代、平台会变化、技术会更新——但结构化思维、批判性思考、人机协作、商业理解和责任意识，是无论技术怎么变都不会过时的底层能力。

在 Project Hub，你学的不是“怎么用某个 AI 工具”，而是怎么在 AI 原生时代成为一个更有价值的专业工作者。

随着 AI 逐步应用于市场研究、信息分析、内容生成与业务流程，职场中的变化已经不再局限于使用某一种新工具。更深层的变化在于：工作如何被定义，任务如何被分配，以及人如何与 AI 协同完成目标。

AI-Native 强调的，不是在原有工作流程中简单增加 AI 工具，而是从任务与业务目标出发，重新思考工作应该如何组织。

从使用工具到重新设计工作

传统工作模式中，岗位通常对应相对固定的职责，员工按照既定流程完成任务。引入 AI 后，部分工作可以得到提速，但如果缺乏对任务本身的重新设计，AI 的应用仍可能停留在零散的辅助环节。

AI-Native 工作方式则更进一步：先明确需要解决的问题，再将任务拆解为不同环节，根据任务的复杂程度、信息要求和判断需求，决定哪些工作适合由 AI 执行，哪些需要人的专业判断，以及两者应该如何配合。

真正重要的，不是生成了多少内容，而是能否通过合理的任务设计，让整个工作过程更加有效，并确保最终成果可靠、可用。

从单次提效到可复用的工作流程

使用 AI 完成一次任务，可以带来即时效率提升；但如果能够将有效的方法沉淀为可复用的提示词、工作流与标准操作流程（SOP），就有机会让效率提升延伸至后续工作。

因此，AI-Native 不仅关注 AI 能否完成某项工作，也关注如何建立稳定、清晰、可持续改进的工作流程，让技术应用真正融入日常业务。

人的判断与责任仍然不可或缺

AI 可以协助处理信息、生成分析和执行任务，但其输出仍可能存在错误、遗漏或不符合实际业务背景的内容。商业场景尤其重视信息的准确性、判断的合理性以及对结果的责任意识。

AI-Native 的核心不是让 AI 取代人的思考，而是重新安排人与 AI 的分工，让人将更多精力投入问题判断、复杂分析、协作沟通与价值创造。

这也是 Project Hub 关注 AI 原生工作方式的原因：帮助参与者在真实商业任务中理解 AI 的应用边界，建立人机协作的工作思维，并逐步提升将技术能力转化为实际业务成果的能力。

• 商科、金融、经济、法律、数据及相关领域的在校生或应届毕业生；

• 具备结构化思维，愿意深入探究问题；

• 对 AI 如何改变专业工作和组织流程抱有好奇心；

• 能够将 AI 能力与独立思考、信息核验和审慎判断结合起来；

• 重视责任意识、适应能力，以及对商业机密的妥善处理；

• 英语书面表达能力为必备要求，具备中文工作能力更佳。

AI 原生工作方式的核心，不是让人做得越来越少，而是让人把更多精力投入问题判断、复杂协作与真正有价值的成果创造。

从 AI 辅助研究，到任务拆解与流程设计，再到商业成果交付，Project Hub 关注的是如何将 AI 能力转化为解决实际问题的能力。

如果你希望进一步了解 AI 在商业环境中的应用，并在真实项目中锻炼分析、协作与交付能力，欢迎留言报名参与 Project Hub AI-Native 实践项目。

SHANOVA山南是一个面向全球建设者的成长平台，也是一个连接思想、实践与长期价值的国际社区。

SHANOVA相信，真正推动世界向前发展的，并非短期的机会，而是一群持续学习、勇于实践、敢于创造的人。他们建设企业、建设产业、建设社区，也建设更具韧性与影响力的未来。

汇聚全球创业者、企业家、投资人、研究者及行业实践者，SHANOVA山南通过研究洞察、商业教育、全球网络与跨境协作，搭建知识与行动之间的桥梁，帮助更多建设者实现持续成长并创造长期价值。

Every Mountain Has a Side That Faces the Light.

Choose the Side That Faces the Light.

山南，代表一种面向未来的思想方向。

每一座山，都有向阳的一面。

向阳而行，共建未来。