Elliot Powell 是总部位于西雅图的重型土木与海事承包商 Pacific Pile & Marine 的数据与人工智能总监。文中观点仅代表作者本人。

当我们把 Pacific Pile & Marine 迁移到全公司范围的人工智能平台时，我以为困难的部分会是技术：选择模型、将其与我们的系统连接、确保系统安全。结果这些部分反倒都按计划顺利完成了。

困难的部分在人们开始将其用于实际工作后才显现出来，而且看起来根本不像是人工智能的问题。相反，它只是一个简单的问题：我们提交文件的当前版本是哪一个？事实证明，AI 无法自信地回答这个问题，因为我们自己也不知道答案。

模型并没有错。它读取的正是我们给它的内容：同一份文档被保存在多个位置、以多个名称存在，却没有任何信息说明哪一份副本才是真正重要的。

多年来，人们一直凭记忆来填补这个空白。主管知道哪个文件夹才是真正的那个。估算师知道“final_v3_REV”胜过“final_FINAL”。AI 没有这种口口相传的经验知识，因此它把我们一直默默绕过的每一处不一致都暴露了出来。

这是我想传递给任何踏上这条路的承包商的教训。AI 不会解决你的数据问题。相反，它会迅速将它们暴露出来，让所有人看到。

问题从来不在模型本身

在近期《Construction Dive》的一篇文章中，Palantir 的两位作者提出， 承包商在 AI 方面的问题并不在于软件：“问题在于，没有任何单一工具能像运营业务的人那样理解业务。”

他们的答案是本体，即公司的数字模型，用以确保现场和后台使用同一套共享语言。我认同这一结论。

如果两个项目团队将同一类型的文档以不同的名称归档在不同的位置，那么无论有没有本体，任何平台都无法让这两项工作具有可比性。对我们来说，统一语言意味着先就名词达成一致，然后再将其应用到任何事情上。

我们将这一点作为采用框架的首要原则。我们要求每个团队在构建 AI 工作流之前先做好几件事。数据排在第一位，优先于如何将其委托给工具、如何描述任务以及如何检查返回的结果。

标准化一项工作，而不是整个公司

我们的本能是编写一份全公司范围的文件夹标准并推广。我们没有这样做。相反，我们指派了一位项目经理在一个实际项目上试点标准的结构和命名规范。我们将其视为一次现场测试，而非一项政策。

这一选择很重要。在办公室里编写的标准命名规范，评判标准是它看起来是否整洁。在现场使用的标准规范，评判标准是现场人员能否在不打电话给办公室的情况下找到所需内容。

现场试运行能检验会议室里无法检验的东西：名称是否足够短以便在手机上输入，文件夹对施工班组和财务部门是否都合理，以及两个类别是否以在纸面上没人注意到的方式重叠。

它还改变了标准的归属。当项目经理是证明其可行的人时，标准就不再是 IT 部门的强制要求，而成为该项目运行的方式。这才是其他项目经理可能愿意采用的版本。

这项工作的后半部分是确定什么才算权威。工作中的项目文件本质上就是杂乱的，而且本就应该如此。AI 工具视为真相的材料需要有人在做出最终决定之前进行审核。

我们过去的项目历史就是一个很好的例子。我们需要快速找到可比的项目用于资格预审，因此我们没有让工具去翻查多年的收尾文件夹，而是为每个已完成的项目构建一份统一的摘要。其中 AI 的部分很容易。真正的项目是就每份摘要必须包含什么内容达成一致。

适应能力胜过技术能力

Consigli Construction 的首席信息官 Anthony Chiaradonna今年早些时候对《Construction Dive》说得很到位：“我们在行业内看到的最大的技能转变不在技术层面。而在于团队能否在不影响质量、安全或进度的前提下，实时学习、适应和管理变革。”

这与我所看到的情况相符，但有一个数据方面特有的转折。从推广中获益最多的人不一定是最懂技术的人。而是那些愿意改变他们职业生涯大部分时间里养成的习惯的人：如何保存文件、保存在哪里。这比学会写出好的提示词要困难得多。

这也是为什么我们的培训——包括必修的基础课程、共享的提示词库和开放的随到随学课程——必须涵盖东西放在哪里，而不仅仅是该问什么。

它也改变了我们应对抵触的方式。当有人说 AI“不管用”时，有用的追问是问为什么。答案通常值得一听，因为 AI 工具只能找到已经存在的东西，而已经存在的东西通常就是问题所在。

我会告诉其他承包商：

• 把使用 AI 的头几个月当作一次数据审计。每一个糟糕的答案都指向一个文件、文件夹或命名问题。
• 在选择平台之前，先就你想使用的名词达成一致。文件夹名称、文档类型和文件命名规则就是你的 AI 将要使用的语言。
• 由一位对此负责的项目经理在一个实际项目中试点你的命名规范。
• 确定什么是权威的，并在工作文件和 AI 视为真相的材料之间安排一个人。
• 为适应能力而培训和招聘。你最需要的技能是愿意改变工作的归档方式。

我们最终选定的模型会被替换，而且可能比我们任何人预想的都要快。文件夹标准、命名规范，以及判定什么内容具有权威性的习惯，会比模型存续得更久。这是 AI 推广中没人会放进演示里的部分，却也是决定推广能否奏效的部分。