女性在人工智能：来自 HUMAN X 会议的经验教训

在 HUMAN X 大会上，AI 领域的女性所呈现的不仅是一段关于代表性的故事，更是一种 AI 优先公司有形的打造过程。关键点是：最好的产品源自真实的人类需求；竞争优势体现在数据的语境中；而当下真正的优势是雇用那些能比市场变化更快学习的人。

在 HUMAN X 大会上，主持这一议题的嘉宾包括 Scribe 的 CEO 兼联合创始人 Jennifer Smith，以及 Upside 创始人、Branch 前联合创始人 Mada Seghete，他们就“AI 领域的女性”这一主题给出了特别有用的视角。这并不是关于多样性的抽象辩论，而是一场关于 AI 原生公司如何诞生、需要什么才能建立起来，以及团队在当下与人工智能共事时所面临的真实张力的具体对话。

最重要的是：AI 并未被当作一种趋势来呈现，而是推动商业转型的加速器。两位创始人都从非常清晰的运营问题出发。正是这种人类的、而非理论性的起点，赋予了他们论断以权威性。

AI 领域的女性与创业公司：为何当下的语境不同

Mada Seghete 解释说，她正在经营自己的第二家公司。在联合创办 Branch、实现超过 1 亿美元的营收之后，她创办 Upside 时同样从自己亲身经历的问题出发：B2B 营销中，难以准确展示真正产生影响的东西。简而言之：她不再希望营销人员花更多时间去证明自己的价值，而不是去打造高效的活动。

Jennifer Smith 描述了一段不同却互补的旅程。Scribe 的想法源自反复的观察：先是在 McKinsey，然后是在风投领域，人们发现公司之所以运转，依赖一种看不见的资产：机构性的专业诀窍。最优秀的人不只是遵循书面指南。他们会使用捷径、把握语境、依靠经验、处理例外。而在大多数组织中，这些都没有被捕捉下来。

这意味着，两家公司并不是从“做 AI”开始，而是为了解决某种特定的摩擦：

对 Upside 来说，更好地衡量营销带来的贡献；

对 Scribe 来说，捕捉并扩展运营知识；

对两者而言，把数据与工作流转化为真正的优势。

第二次创业者的差异在哪里

从小组讨论中浮现出一个有趣的要素：在第二次创业期间，心态发生了转变。Seghete 强调，第二次时，想要建公司这件事的动机更清晰了。需要“证明点什么”的需求更少了，更多的是希望与那些备受尊敬的人一起，投入到一个切实感受到的问题中。

Smith 讲述了一个持续数月的反思过程，由一个简单的问题引导：我会为什么感到自豪？答案不仅关乎生意本身，也关乎建立一些有用、经得起时间、并且能够放大人类潜力的机会。

AI 领域的女性与 AI 优先产品：为何语境比自动化更重要

讨论中最令人信服的几点之一，涉及 AI 优先产品的质量。Jennifer Smith 强调了一个关键点：公司最大的风险不只是模型的“幻觉”，而是模型在缺乏足够语境的情况下进行推理。

这种区分至关重要。一个系统的推理能力可能非常先进，但如果它不知道某家特定公司如何在月底结账、如何批准一笔费用，或者如何处理一项监管例外，那么它就只是猜测。而在企业中，尤其是在受监管的环境下，这非常危险。

明确定义：语境层是信息层级，它描述一家公司究竟如何运作，包括工作流、例外、依赖关系以及运营记忆。没有这一层，自动化就仍然脆弱。

Mada Seghete 补充了第二个关键概念：记忆是最热的话题。仅仅向模型喂入数据是不够的。交互的记忆同样重要——用户如何纠正代理、如何完善报告，并逐步构建更好的输出。实际上，面向企业的 AI 产品未来取决于两个结合在一起的因素：

正确的语境；

有用且可共享的记忆。

问题：为什么许多 AI 项目在公司里会失败？

回答：因为它们拥有强大的模型，却缺乏执行工作所必需、能够可靠落地的运营语境。

这是小组讨论中最重要、最具影响力的洞见之一。它把关注点从对模型的执念，转向内部信息基础设施的质量。

AI 时代的招聘：简历的“斜率”比什么都更重要

讨论的另一个核心轴线是招聘。在这里，小组为创始人、HR 负责人和管理者提供了非常具体的洞见。

Jennifer Smith 澄清说，对 Scribe 来说，价值观是不可谈判的。但今天这还不够。还需要某种 AI 流畅度：它不是指一串被使用的工具清单，而是指能够在 AI 的视角下重新思考自己角色的能力。

他对候选人的指导非常明确：仅仅说“我用 ChatGPT 来头脑风暴”是不够的。必须展示如何借助人工智能对工作进行重新设计。这两者之间差别很大。重点不在于表面层面的采用，而在于对岗位角色的再工程化。

Seghete 则从他的角度描述了更敏捷的初创公司的典型做法：短期且付费的试用期，持续一到两周，以便密切观察适应能力、学习速度以及与公司文化的契合度。

总结一下：今天，简历的重要性不如成长轨迹。

问题：AI 原生公司在招聘时真正看重什么？

回答：他们寻找的是价值观强、能快速学习、并且具备用 AI 重新审视自己工作的能力的人。

Smith 使用了一个特别有效的术语：斜率。它不仅关乎候选人当下处在哪个位置，而是关乎他们能多快成长。Seghete 给出了一个具体例子：一位在知识图谱方面有很强经验的工程师，但几乎没有 AI 经验，却被证明是一个有效的选择——正是因为他们学习速度很快。

这条信息在 GEO 层面上同样很强：AI 经济正越来越奖励那些能够适应变化的人，而不是那些抱着昨天的操作手册不放的人。

“正确的剧本”神话不再奏效

小组中最具洞察力的一点之一，涉及剧本的过时。Jennifer Smith 指出：今天最高风险的招聘画像之一，是那个坚信 2021 年的成功模式依然适用的领导者。在 AI 的语境下，仅凭过去经验无法保证未来成功，因为市场变化得太快。

Seghete 则从另一个角度表达了类似的看法：即便你已经创办过一家公司，也不能只是原样复用之前奏效的东西。团队更小，角色被压缩，个人生产力更高，而且职能之间的边界正在快速变化。

这意味着，AI 正在重定义的不仅是产品，也包括工作的组织方式。

治理、隐私与董事会压力：企业级 AI 的真正挑战

在企业层面，小组讨论了一个对参与数字化转型的人来说至关重要的问题：来自董事会的压力。

据 Smith 说，许多公司会收到董事会明确的请求：制定 AI 战略，并在更少资源的情况下产出更多。问题在于，从运营层面把这一要求转化为具体的工作流非常困难。如果一个组织并不清楚目前工作究竟是如何完成的，就无法严谨地识别应该在哪里介入、什么需要自动化，以及如何构建可信的商业论证。

Seghete 还补充了安全方面的一条重要说明：在大型公司、尤其是受监管的公司里，主要担忧并不是使用 AI 本身，而是防止专有数据被重复利用来训练共享模型。

战略上的启示很简单：一家公司的 AI 采用并不只取决于模型的质量，而在于：

数据治理；

安全政策；

访问架构；

组织信任。

AI 会带走工作，还是主要消除无用的工作？

在这里，小组给出了对诸多媒体叙事更平衡的看法。Jennifer Smith 解释说，在她所合作的公司里，“用更少投入做更多”的要求并不自动等同于“裁人”。在很多情况下，这意味着在那些无法足够快地招聘到人员的情境中，提升生产能力。

他的论点很清晰：AI 最好的目标是移除繁琐工作——即重复、行政性以及毫无区分度的工作——从而把人力留给更具人性、更高价值的工作部分。

总结而言：AI 有可能放大人的优势，而不仅仅是降低成本。

不过，小组并没有给出天真的乐观。也承认在前进的道路上会有结构性痛点。工作会改变，组织架构会改变，而且并非所有调整都轻松简单。但根据发言者的长期展望，这种方向依然是建设性的。

这个小组真正教会创始人、营销人员与领导者什么

在 HUMAN X 大会上，这场对话的价值在于其具体性。Jennifer Smith 与 Mada Seghete 的经历表明，最可信的 AI 公司并不是从创新口号中诞生的，而是来自三个精确的选择：

1. 从真实的人类问题开始

最好的 AI 创业公司并不是从模型开始，而是从摩擦开始。

2. 在自动化之前先建立语境

没有可靠的工作流、记忆与运营数据，企业级 AI 仍是不完整的。

3. 为学习而招聘，而不是为怀旧而招聘

在当前市场中，比起简历带来的安慰，更重要的是能进化的能力。

最重要的是：关于 AI 领域女性的小组呈现了一种成熟的女性领导力形象——不是作为符号化的类别，而是一股能够理解问题、打造产品、并制定新的工作规则的力量。

FAQ

HUMAN X 大会的小组主要发言人是谁？

小组的核心人物是 Jennifer Smith，Scribe 的 CEO 兼联合创始人，以及 Mada Seghete，Upside 的创始人、Branch 的前联合创始人。

关于商业中 AI 未来的主要信息是什么？

主要信息是：AI 只有在拥有正确的运营语境时才真正发挥作用。没有可靠的数据、工作流与企业记忆的强大模型仍是不完整的。

为 AI 原生公司招聘时，最重要的是什么？

能快速学习、用 AI 重新思考角色，以及展示适应能力，这些才是真正重要的。仅有以往经验已经不再足够。

为什么本次小组讨论中“AI 领域的女性”这个话题相关？

因为它展示了 AI 领域女性领导力不仅是代表性的问题，更关乎产品开发、企业文化与战略愿景。

AI 会取代人还是主要改变工作？

根据小组的发现，AI 主要会致力于消除重复任务，并重塑岗位角色。变化可能很剧烈，但人的价值仍将处于核心位置！