在 NVIDIA 年度 AI 大会 GTC 开幕前夕，刚刚结束一整天大语言模型工作坊的 Sidney Knowles 收到了一条改变她整周安排的消息：NVIDIA 正在招募员工来协助支持 Build-a-Claw 活动，这是一场旨在让开发者亲身体验新兴 AI 工具的活动。
原本只是一次两小时的志愿者轮班，最终演变为一场长达近一周、近距离见证 AI 开发未来的难得体验。走进活动帐篷不久，Knowles 便感到十分得心应手：她快速行动，并帮助他人更快、更高效地完成工作。
Knowles 是 IT 部门企业级 AI 与自动化团队的一名机器学习工程师。该团队负责搭建内部 AI 工具，在员工实际工作流程中测试 NVIDIA 技术，并将早期想法转化为可供其他团队使用的系统，帮助大家提升效率，并以全新方式解决问题。Knowles 说：“在 NVIDIA 内部，AI 工作节奏快，工具迭代也十分迅速。”
她还表示：“团队的目标是利用 NVIDIA 自身的产品，打造对员工日常工作有帮助的工具。”
这项工作体现了 NVIDIA 一以贯之的理念：在公司内部使用自家产品，从有效实践中快速汲取经验，再将这些经验反馈给产品团队。
这也让 Knowles 的角色远超传统工程师的范畴 —— 她既是平台搭建者，也是产品反馈者，同时还承担着内部赋能的工作。
在全公司交付 AI 解决方案
自 2022 年以本科实习生身份加入 NVIDIA 企业级 AI 与自动化团队，并于 2023 年毕业后成为全职员工以来，Knowles 见证了团队职责范围的不断扩展与演变，紧跟 AI 的快速发展步伐。
团队的工作从最初的少量项目，扩展为可同时推进数十项任务的项目组合 —— 既包括为特定业务职能开发工具，测试早期产品功能，或在新技术正式交付客户前向产品团队提供反馈。
Knowles 主要负责员工生产力工具的开发，例如基于代理式 AI 的个人助手以及公司内网的 AI 聊天机器人；而整个团队的支持范围则覆盖从 IT 服务到供应链优化等众多领域。
这些工作通常源于真实的内部需求。财务、人力资源、市场、企业传播或运营等团队可能会提出一个概念验证，请求协助将其打造成更稳定、可持续的成果。
有时，Knowles 所在的团队会主动寻找机会，用内部用例来检验 NVIDIA 的新兴产品。例如，公司内网 AI 项目借鉴了 NVIDIA 在检索增强生成方面的研究成果，并成为了验证“数据飞轮”概念的试验场——该概念现已通过 NVIDIA NeMo 平台向客户开放。
但 Knowles 的团队并不打算亲手打造每一种解决方案。在一家技术团队众多的公司里，更大的机会往往在于赋能他人。
Knowles 说：“我们团队很多时候所做的事情，是赋能其他团队，让他们能够长期地构建属于自己的解决方案。”
这一理念在内部个人助手平台上体现得尤为明显。该平台的设计初衷，就是让 NVIDIA 各个团队都能将自己的智能体和工作流连接到共享的接口、Skills 与自动化工具之上。
Knowles 说，团队的思路是“先搭建好大量基础模块，然后尽快交接”。
由于团队规模不大，他们也能与用户保持紧密的联系。每当员工在 Slack 上提出问题或想法，工程师通常能在几分钟内直接给出回应。
工作节奏紧张，但 Knowles 认为，这种快节奏正是当下工作的一部分。
Knowles 说：“随着各项节奏不断加快，事情变得更加杂乱，但这种杂乱本身也是一种乐趣。”
通过任务自动化为创新腾出空间
Knowles 解释说，AI 可以将重复性工作自动化，为思考腾出更多空间，但它并不能真正判断什么才是重要的，这使得人类的判断力比以往任何时候都更加关键。
她表示：“在很多方面，AI 让人们能够表达得更多。但你依然必须言之有物、对自己所说的话负责。”
这一认知贯穿于 Knowles 对工作的整体看法。自动化本身并非目的，而是让人们能够把更多时间用于理解问题、区分关键信息与无关信息，并把创造力投入到真正重要的地方。
这份工作最让人有成就感的部分之一，是 Knowles 能够与众多团队展开合作并为他们赋能，包括医疗健康与生命科学、基础设施和业务团队。
Knowles 说：“NVIDIA 汇聚了世界上最聪明的一群人。而我能够为他们的工作提供助力。”