隐性经验的显性化，是培训的核心难题，也是AI可以破局的关键点。

今天给你一套方法：经验萃取三步法，AI加持版。

一、经验萃取三步法

第一步：定方向——锁定萃取主题

不是所有经验都值得萃取。先抓高价值选题。

"新关痛"模型：

• 新：新领域、新课题、新技术——没经验可参考，萃取价值最高
• 关：关键环节、核心能力、重要场景——搞定这些，授课能力直接拉升
• 痛：学员难点、常见问题、反复踩坑——解决痛点，新培训师少走三年弯路

第二步：深挖掘——BEI行为事件访谈

真正的高手不是问出来的，是追问出来的。

STAR追问模型：

• Situation：当时是什么情况？学员背景是什么？
• Task：你的教学目标是什么？设计这堂课时怎么想的？
• Action：你具体用了什么方法？中间遇到什么问题？
• Result：最后效果如何？学员反馈是什么？

关键追问："然后呢？""最难处理的是什么？""如果重来会怎么做？"

第三步：精提炼——形成可复制方法

从具体案例里，抽象出可复制的方法。

提炼四步：

1. 识别关键行为：高手和普通培训师的核心差异在哪
2. 抽象底层逻辑：为什么这个方法有效？
3. 梳理前置条件：这个方法在什么情况下适用？
4. 明确注意事项：新手最容易踩哪个坑？

二、AI时代，三步法升级

升级一：AI辅助选题——从"凭感觉"到"有数据"

让AI分析学员反馈、课堂评估、作业表现，问AI："哪些教学环节学员困惑最多？哪些知识点讲解效果最差？"

把"我觉得这个重要"变成"数据显示这个最需要"。

升级二：AI辅助访谈——从"靠记忆"到"全记录"

访谈时用AI实时转录，访谈结束让AI先出一版整理稿，你再补充追问。

以前整理一份访谈记录要三天，现在三小时。

升级三：AI辅助提炼——从"个人理解"到"交叉验证"

把同一主题的多份访谈记录都给AI，让AI做交叉验证："这几位培训师都提到哪些共同点？哪些地方有分歧？"

从单点萃取变成网络化萃取，经验更完整。

三、三个避坑点

坑1：AI整理≠专家审核

AI会遗漏情感因素和"只可意会"的微妙判断。必须让专家过一遍，这是最后一道关。

坑2：AI假设≠真实适用

AI会说"这个方法在某种情况下适用"，但这是AI的推测。让专家判断AI的假设是否成立。

坑3：AI生成≠经验所有

萃取的是专家经验，不是AI编的故事。每个结论都要回溯到"哪位培训师、哪个案例"。

总结

经验萃取三步法，框架没变：

定方向 → 深挖掘 → 精提炼

AI改变的是每个环节的效率和质量：数据分析支撑选题、AI转录访谈、多源交叉验证提炼。

AI不会替代专家的判断，但能让专家的判断更快、更准、更系统。

作者：魏春雷，中国国际电子商务中心特聘专家，专注企业数智化转型与TTT领域。