当大多数大企业发现员工在偷偷用 ChatGPT 时,他们的反应是「别用」。高露洁-棕榄反其道而行:「我们给你们搭一个可以安全使用的环境。」
这是什么?
高露洁-棕榄(Colgate-Palmolive)成立于 1806 年,是一家在 200 多个国家销售产品的全球消费品(CPG)企业。从高露洁牙膏到棕榄香皂——它是全世界进入家庭数量最多的品牌之一。
2022 年末 ChatGPT 登场时,很多公司选择观望或直接禁用。高露洁-棕榄不一样。2023 年中,公司任命 Kli Pappas 担任 Global Head of AI,开始为 3.4 万名员工制定全公司级的 AI 战略。
最终,这家公司打造了内部 AI Hub,把数千名员工转变为构建者,还运营了覆盖全员的培训体系,成为企业级 AI 落地的典范。沃顿商学院的 Ethan Mollick 教授评价:「当一位真正懂公司的资深老将来领导 AI Lab,这个案例把它的价值展示得淋漓尽致。」
有什么不同?
大多数企业在推进 AI 落地时都会遇到同一个问题。根据 Microsoft 2024 Work Trends Index,全球 75% 的知识工作者已经在用 AI,绝大多数是因为公司没提供,自己拿私人工具在用。
Kli Pappas 直面了这个现实。
「这项技术谁都能用、免费、威力巨大。如果你不发给员工,他们反正会自己用,反而给组织带来风险。」
高露洁-棕榄的做法和传统企业 AI 思路差别很明显。
| 传统做法 | 高露洁-棕榄做法 | |
|---|---|---|
| AI 政策 | 禁用或限制 | 先设计护栏,再向全员开放 |
| 构建者范围 | 以 IT 团队和开发者为主 | 包含一线专家在内的全体员工 |
| 培训 | 选修式在线课程 | 必修培训 + 本地大使计划 |
| 治理 | 中央集中管控 | 平台级护栏 + 现场自主 |
| 风险视角 | 「引入 AI」是风险 | 「不做 AI」才是风险 |
其中对风险的重新定义是关键。很多公司把引入 AI 本身视为风险,而高露洁-棕榄认为「陷入渐进主义(incrementalism),慢吞吞地挪动」才是真正的危险。
「很多公司正在慢慢煮青蛙,困在『总有一天会到的』那种渐进主义里。可 AI 绝对不会按那种节奏展开。」
上手指南:内部 AI Lab 搭建手册
我们把高露洁-棕榄实际执行的 5 个步骤梳理出来了。不论公司规模大小,都可以参考的实战手册。
第 1 步:搭建内部 AI Hub
高露洁-棕榄构建了一个公司专属的 AI Hub。它不只是一份 ChatGPT 许可证,而是一个让员工自己动手搭建、测试、部署 AI 助手的一体化平台。
基于 OpenAI 的 Assistant API,员工可以制作定制 GPT。从个人使用 → 小组共享 → 全公司发布,有分级的审批流程。
结果?一年半时间内诞生了 3000~5000 个定制助手。多数是个人和小组使用,但约 10% 被部署到了整条业务线。
第 2 步:铺设护栏(不是封堵)
核心原则:「把系统设计成——Happy path 就是最轻松的那条路。」
高露洁-棕榄的护栏体系由这几部分组成:
- 基于角色的访问控制(RBAC) — 谁能构建、谁能发布,由平台层统一管控
- 密钥管理 — API Key、敏感数据访问集中管理
- 按使用场景分级风险 — 「用 ChatGPT 推荐 PPT」(低风险)和「用 AI 筛简历」(高风险)明确区分
- 治理工作流 — 从个人实验 → 小组共享 → 全公司发布,每一步都有审批
这种思路之所以有效,是因为新手构建者不用变成安全专家或政策专家,就能专心解决问题。平台自动帮你把护栏装好。
第 3 步:设计全公司培训
高露洁-棕榄的培训体系是 3 层结构:
培训的信息主线是 「Super You」。AI 不是来取代你,而是让你借由 AI 变得更强——这就是整体叙事。
Kli Pappas 为什么执着于全员培训,理由很明确:
「如果团队一半人知道这项技术能做什么,另一半不知道,这个团队就没法正常运转。想象一半人会用 Google Sheets,另一半不会——任务排序、角色分工、时间估算,全都崩盘。」
第 4 步:让一线专家成为构建者
这是高露洁-棕榄最具差异化的策略。不是 IT 团队做好方案再发下去,而是让离问题最近的人亲手搭建方案。
一个真实案例非常说明问题。德国制造工厂的一位经理用 LLM 把技术手册从德语即时翻译成希腊语,并实时回答运营端的提问。这件事如果走 IT 团队工单,可能要好几周。
Charter 的报道指出,高露洁-棕榄还建立了衡量员工自制 GPT 效果的反馈循环。当同事使用某个 GPT 达到一定次数时,会收到「节省了多少时间?」这类问卷。如果一个月节省了 200 小时,那就值得投入;如果没人用,就下架。
第 5 步:聚焦战略领域
在推动全员采用的同时,高露洁-棕榄把 AI 投资聚焦在三个战略支柱上:
- 营销 — 用生成式 AI 做概念和内容创作
- 创新 — 新产品研发。用机器学习分析消费者搜索数据,发现未被满足的需求,并投入产品开发
- 运营 — 供应链优化、需求预测、预防性维护。AI 来模拟情景、标记风险,但最终决策仍由人做
未来的路线图是多智能体架构。每个 Agent 都能独立有效工作,同时具备 Agent 之间通信(agent-to-agent communication)的能力。由业务流程负责人亲手搭建的 Agent 彼此协作,处理越来越复杂的任务——这是他们设想的未来。
深入了解
Ethan Mollick 教授提出过一个推动 AI 转型成功的公式:「Leadership, Lab, Crowd」。高露洁-棕榄的案例正好完美贴合这个框架:
| 要素 | Mollick 框架 | 高露洁-棕榄的对应做法 |
|---|---|---|
| Leadership | 阐明 AI 为什么紧迫的愿景 | 任命 Kli Pappas,提出「不做才是风险」的叙事 |
| Lab | 专职团队负责探索、构建、对标 | 运营内部 AI Hub,聚焦三大战略支柱 |
| Crowd | 员工把 AI 用到自己的工作里 | 3000~5000 个定制 GPT,大使网络 |
这个案例特别值得关注的地方在于:Mollick 的核心洞察——个人的 AI 成果不会自动转化为组织层面的成果。就算个人靠 AI 快了 3 倍,只要组织的流程、激励机制、工作结构没变,公司层面就只能拿到「一般程度的改善」。高露洁-棕榄之所以不止步于「发了 AI 工具」,而是一路做到治理、培训、反馈循环,原因就在这里。
