整合应用

你将学到什么

预计时间：45分钟

完成本课程后，你将能够：

• 将AI融入组织运营，增强人力效能并推动使命实现
• 解决关于AI依赖和保持人际连接的担忧
• 制定符合组织价值观的AI使用政策，确保可持续应用

整合之道

(5分钟)

本视频探讨非营利专业人士在组织AI应用中最常见的两大顾虑：如何避免过度依赖AI？如何平衡效率与人文关怀？视频介绍了"人在回路"的概念及其对使命驱动型组织的特殊意义，并逐步讲解组织AI政策的关键要素，帮助团队规模化提升AI应用能力。

核心要点

• "人在回路"不仅是监督：在非营利领域，这意味着确保AI服务于组织使命——由你决定AI应解决的问题，评估解决方案是否符合价值观，并维系定义非营利工作的真实人际关系与影响力
• 通过理解而非回避来避免依赖：定期反思工作流程并自问"我们能解释AI的运作逻辑吗？"若答案为是，则是健康协作；若为否，则需调整流程直至达成
• AI应解放而非取代人文工作：最佳状态下，AI能过滤杂音让你专注手写卡片、个性化关怀和社区服务；最差情况则是将人文关怀自动化消解
• 及早建立生产力文化规范：引入AI时需讨论时间节省后的工作安排预期，确保全员认同AI支持的工作方向
• AI政策助力规模化理解：通过书面政策记录关于平台选择、任务分配、质量监督、透明度和价值观校准的决策，确保组织运作一致性

练习：起草组织AI政策

本练习整合课程全部知识，创建指导组织AI应用的实用文档

第一部分：平台认知

回答下列问题建立技术指南：

• 组织将使用哪些AI工具？禁用哪些？
• 不同类型工作可接受的数据留存与训练政策？
• 不同敏感级别需要哪些特殊工具或保护？
• 如何持续跟踪工具与政策的更新？

第二部分：任务分配

界定AI使用边界：

• 哪些工作适合AI辅助？
• 哪些应保持纯人工操作？原因？
• 新用例的决策权归属？
• 如何处理灰色地带？

第三部分：预期与能力

解决AI整合中的人力因素：

• AI节省的时间将如何重新分配？
• 不同岗位的合理预期是什么？
• 如何建设全团队的AI能力（而非依赖单一"专家"）？
• AI工作流失效时的应对机制？

第四部分：质量监督

建立问责机制：

• AI输出在使用前由谁审核？
• 不同类型内容需要哪些验证步骤？
• AI出错时的处理流程？
• 如何长期监控潜在问题？

第五部分：透明度

制定AI使用披露规则：

• 利益相关方、资助者和服务对象需要了解哪些AI使用情况？
• 如何披露具体成果中的AI参与度？
• 在资助申请、报告和传播中如何标注AI贡献？

第六部分：价值观校准

将AI使用与使命联结：

• 如何确保AI服务使命而非本末倒置？
• 哪些价值观和伦理原则指导AI决策？
• 在弱势群体服务中如何通过AI辅助维护尊严？
• 哪些情况下即使效率更高也应放弃使用AI？

第七部分：汇编修订

借助AI合成政策草案：

• 提供回答让AI协助整理成清晰可用的政策文档
• 审查草案的完整性与组织语言风格的契合度
• 标记需要团队进一步讨论的空白领域
• 规划政策发布机制与迭代更新计划

课程反思

• 相比课程初期，你对AI整合的认知发生了哪些变化？
• 基于所学知识，你将在AI应用实践中做出哪一项具体改变？

反馈

我们期待了解你如何应用课程概念，以及任何改进建议。点击此处分享反馈。

版权声明

_版权归2025年Anthropic与Giving Tuesday所有。基于Rick Dakan教授（瑞格林艺术设计学院）和Joseph Feller教授（科克大学）开发的AI流畅度框架。采用CC BY-NC-SA 4. 0许可协议发布。_