🚀 我们如何在 Meilisearch 中实现 AI 工作的成功

当我们发现团队中 70% 的人每天都在使用 AI 工具，但效果却千差万别时，我们知道需要一种系统的方法。不是另一个模糊的“AI 转型”倡议，而是一个实用的框架，用于将 AI 炒作与实际价值区分开来。

以下是我们为在全公司范围内评估和实施 AI 工具而开发的具体系统，以及我们迄今为止所学到的东西。

我们发现的惊人现实

当我们开始 Meilisearch 的 AI 之旅时，我们期望发现一些采用 AI 的部门。相反，我们发现了一些更有趣的事情：**普遍的实验，但不一致的价值**。

采用悖论

我们公司范围的评估显示，每个团队成员都曾尝试过 AI 工具，其中有惊人的 70% 将其融入日常工作流程。

但这些数字只说明了一半的故事

尽管采用率很高，但团队对 AI 价值的看法却出人意料地各不相同。许多人正在使用这些工具，但质疑它们是否真正有益，或者只是创造了一种新的无用功。

使用量与感知价值之间的这种差距成为我们第一个关键的洞察。

改变我们方法的四个关键洞察

通过对所有部门的深入访谈，我们发现了简单的使用统计数据无法揭示的模式

1. 🌿 环境影响： 我们的团队对 AI 的环境影响提出了深思熟虑的担忧。
2. 🤔 专业知识悖论： 随着团队成员领域专业知识的增加，他们对 AI 价值的感知通常遵循 U 形曲线。初学者发现 AI 对学习很有帮助，专家将其用作强大的加速器，但处于中间的人有时会发现它弊大于利。
3. 🎯 信任困境： AI 的“不一致的卓越”造成了基本的信任问题——有时是变革性的，有时又令人困惑地偏离目标——这使得团队不愿将其整合到任务关键型流程中。
4. ✨ 创意加速： 尽管存在疑虑，但几乎每个人都报告说创意过程有了显著改进——从消除写作障碍到改变编辑工作流程。
5. 🔭 提示复杂性差距： 大多数团队成员仍然使用基本的提示技术，不知道使用更高级的方法可以极大地改善他们的结果。

这项调查显示，我们面临的不是采用问题，而是**价值提取挑战**。人们正在使用 AI 工具，但并未持续获得有意义的结果。我们需要一个框架来帮助团队识别 AI 实际可以创造价值的地方——以及它只是增加复杂性的地方。

⚖️ 我们的解决方案：AI 价值评分矩阵

基于这些洞察，我们开发了一个系统框架来突破 AI 炒作周期。我们没有追逐最新的工具或模型，而是创建了一种数据驱动的方法来识别 AI 在我们特定背景下可以创造真正价值的地方。

价值评分矩阵： 每个潜在的 AI 用例都根据与我们组织优先级一致的多个加权维度进行评估。这使“我们应该在哪里使用 AI？”的抽象问题转换为一组具体的、可比较的分数。

我们的六个关键维度

以下是我们如何应用此框架评估潜在的 AI 计划

这种系统方法消除了关于采用哪些 AI 工具的主观争论，取而代之的是与我们战略优先级一致的循证决策。

早期成果：超越 AI 炒作周期

我们的评分矩阵已经改变了我们在 Meilisearch 中处理 AI 的方式

1. 从无限选项到战略重点

我们的团队不再淹没在源源不断的新 AI 产品中，而是拥有一个清晰的过滤器：“这个工具是否能解决我们的高分用例之一？”这大大减少了干扰和 FOMO，同时增加了有意义的采用。

2. 平衡投资：“法拉利”和“货轮”

我们正在战略性地平衡我们的实施

• **“法拉利”项目：** 带来兴奋和动力的快速胜利（例如，自动化内部文档更新）
• **“货轮”计划：** 具有变革潜力的重大努力（例如，借助 AI 协助重塑我们的客户支持工作流程）

3. 创建专门的实验空间

一个重要的教训是：AI 采用需要受保护的时间。我们已将专门的“AI 探索块”整合到我们的工作日程和即将到来的异地活动中，特别关注我们的最高分用例。

4. 解决真正的问题

评分矩阵通过风险维度自然地包含了伦理考量。我们通过以下方式将其付诸实践：

• 尽可能偏爱更小、更高效的模型
• 优先选择允许我们在本地运行模型的开源选项
• 预留时间对 AI 生成的内容进行人工审查

框架实践：案例研究

在将我们的评分矩阵应用于通过内部讨论确定的用例后，我们迅速发现了高影响力的机会。一个突出的例子是改进我们的代码审查流程——具体来说，减少拉取请求（PR）的首次审查时间。

此用例在多个维度上得分很高

• 使用现有工具的可行性高
• 直接影响开发速度
• 清晰的价值实现时间指标
• 对工程团队的广泛内部影响

我们实施了 CodeRabbit，一个 AI 驱动的代码审查助手，可提供即时 PR 反馈。在保持我们基本的人工审查流程的同时，该工具识别常见问题并提供自动化的 PR 描述。经过两周的试用期，我们测量了定量指标并收集了团队反馈。

结果验证了我们评分框架的预测

• 平均首次审查时间缩短
• PR 文档质量提升
• 积极的团队采用和参与
• 整个工程组织的累计时间节省

下一步：轮到你了

我们分享这个框架是因为我们相信它可以帮助其他组织摆脱 AI 炒作，专注于价值创造。

成功采用 AI 的关键不在于拥有最花哨的工具，而在于拥有最清晰的框架，以识别 AI 在您特定情境中真正增加价值的地方。