绚星NeoLearning：AI导师重构基层管理者能力

人工智能正在从“回答问题”和“生成内容”，进一步进入企业真实的工作场景。

对于企业而言，真正值得关注的变化并不是多了一个AI工具，而是AI能否持续参与员工的工作过程：理解问题、调用知识、辅助决策、模拟实践，并根据实际结果不断反馈和调整。当AI开始参与“能力如何形成”这一过程，人才发展也正在从一次性的培训项目，转向持续发生在岗位上的智能化能力支持。

绚星智慧科技（NASDAQ: YXT，前身为云学堂）推出的绚星NeoLearning，正是围绕这一方向展开探索。其核心角色“Neo”并非传统意义上的AI老师，而是一个能够围绕具体工作问题提供持续辅导的AI导师，帮助员工从“知道怎么做”，进一步走向“在真实工作中做得到”。

从“知道”到“做到”，AI进入能力形成过程

基层管理者的工作，很少有可以照着标准答案执行的问题。同样是“有效授权”，有人面对的是能力成熟但缺乏主动性的员工，有人面对的是经验不足的新员工，还有人需要处理员工对授权本身的抵触。管理者真正需要的，不是再学习一套授权方法，而是在具体情境下判断：这个问题应该怎么处理？为什么这样处理？下一步应该做什么？

传统规模化培养很难持续覆盖这些差异。课程可以统一，但每个人面对的问题不同；知识可以传递，但真正的能力往往需要在一次次实践中形成。

绚星NeoLearning尝试改变的，正是这一过程。以“有效授权”为例，系统首先从管理者实际面对的问题出发，通过诊断理解其具体卡点，再匹配相应的知识和方法。随后，管理者可以进入AI情境演练，与不同状态的AI员工进行真实对话，在模拟环境中处理质疑、沟通目标、明确边界等问题。

当一次练习结束后，AI不会简单告诉管理者“答对了还是答错了”，而是进一步分析其沟通策略、表达方式和处理问题的逻辑，并给出改进建议。管理者可以根据反馈再次练习，形成“练习—反馈—调整—再练”的循环。在这一过程中，AI承担的已经不只是“知识提供者”的角色，而开始参与人的能力形成过程。

AI导师不只陪你学习，更陪你解决工作问题

NeoLearning的一个重要变化，是培养并不以课程结束为终点。管理者回到岗位后，仍然可能遇到新的问题：一次授权没有达到预期、员工对任务安排产生抵触、团队成员之间出现沟通冲突……这些问题往往无法提前写进一套固定课程。

此时，AI导师可以继续围绕真实工作问题提供支持。管理者可以提出问题、描述情境，获得分析和建议，也可以对已经发生的管理行为进行复盘。由此，AI与人的关系从“学一次、用一次”，转变为持续存在于岗位中的能力支持。

目前，绚星NeoLearning围绕基层管理者的真实管理任务，覆盖8组核心管理任务、22个高频管理卡点和9类典型处置经验。这意味着企业可以将大量原本依赖管理者个人经验和导师辅导的复杂场景，进一步转化为可设计、可训练、可反馈的能力任务。其价值并不是让所有管理者按照同一种方式工作，而是让更多管理者能够在面对不同问题时，获得及时的智能支持。

企业能力建设正在发生变化

NeoLearning背后的意义，也并不局限于管理者培养。如果说上一阶段的企业AI更多解决的是“搜索更快、写作更快、做内容更快”，那么下一阶段更重要的问题将是：AI能否真正进入岗位和业务流程，成为组织生产力的一部分？

这也是绚星智慧科技“智能生产力”战略的重要方向。绚星认为，企业智能化并不只是部署AI模型或增加几个AI工具，更重要的是建立能够持续进化的智能知识体系，并让AI进一步进入岗位与业务流程。企业长期积累的知识、经验和业务规则，需要能够被AI理解、调用，并在实际工作中持续发挥作用。

从这一视角看，NeoLearning探索的是一个更具普遍意义的问题：如果每一个员工身边，都有一个能够理解其岗位、掌握组织知识，并能够陪伴其解决真实问题的AI能力伙伴，企业的能力形成方式会发生什么变化？

过去，组织能力很大程度上依赖优秀员工、管理者和专家的经验传递；未来，这些经验有机会通过智能知识体系和AI能力被进一步结构化、调用和复制。这也意味着，企业的人才发展体系正在从“提供学习内容”，逐步走向“提供持续的岗位智能”。

AI真正的价值，是让组织持续变聪明

从课程、知识到能力，再到真实业务结果，企业AI应用正在逐步跨越新的边界。绚星NeoLearning的探索表明，AI可以不再只是员工获取知识的入口，也可以成为员工工作过程中的“第二双眼睛”和持续的能力伙伴：帮助理解问题、调用知识、模拟情境、复盘行为，并推动下一次行动。

对于企业而言，这种变化的长期价值在于，个人能力不再完全依赖个人积累，优秀经验也不必只停留在少数人身上。当知识能够被AI理解，能力能够被持续训练，经验能够被不断沉淀，组织就获得了持续进化的可能。

从AI导师到岗位智能体，NeoLearning所探索的并不是“AI如何替代培训”，而是AI如何进入人的工作过程，并最终转化为组织生产力。这或许才是AI进入企业之后，更值得关注的下一步。