文：王智遠(yuǎn) | ID:Z201440

我觀察下來(lái)：

過(guò)去這一年，很多企業(yè)的IT部門，尤其和AI沾邊的部門，最大壓力都來(lái)自老板，老板覺(jué)得，咱們既然沾了AI的邊，就得做到「降本增效」。

說(shuō)得更直白點(diǎn)，要求所有人都得把AI用起來(lái)，特別是項(xiàng)目里要怎么接入AI，動(dòng)不動(dòng)就來(lái)一句，你們業(yè)務(wù)組必須思考一下。

這種壓力，也導(dǎo)致外面有一批以「技術(shù)展示」為核心的產(chǎn)品，它并沒(méi)有實(shí)際以「業(yè)務(wù)痛點(diǎn)」為驅(qū)動(dòng)，好比大家都搶著做聊天機(jī)器人、自動(dòng)生成會(huì)議紀(jì)要，卻很少有人停下來(lái)問(wèn)一句：

這到底是不是當(dāng)下阻礙業(yè)務(wù)提效的最大瓶頸，如何打通舊場(chǎng)景等等？

01

前段時(shí)間刷朋友圈，看朋友轉(zhuǎn)了個(gè)報(bào)告，新京報(bào)貝殼財(cái)經(jīng)2025年發(fā)的《中國(guó)企業(yè)家人工智能應(yīng)用調(diào)研報(bào)告》，把這種「慌」襯得更明顯了：

近九成的企業(yè)，已經(jīng)把AI嵌入了至少一個(gè)經(jīng)營(yíng)環(huán)節(jié)，聽(tīng)著動(dòng)作特別快。

可同一份調(diào)研里的另一組數(shù)據(jù)，就潑了冷水：只有16%的企業(yè)設(shè)了AI專職團(tuán)隊(duì)，超過(guò)四成的企業(yè)，連AI相關(guān)的能力培訓(xùn)都還沒(méi)啟動(dòng)。再往深了看，只有大概12%的企業(yè)建立了AI治理制度，超過(guò)六成還在初步摸索，甚至連規(guī)劃都沒(méi)做。

說(shuō)白了，大家都在動(dòng)，但絕大多數(shù)都是慌慌張張瞎動(dòng)。有投入，卻沒(méi)搭起體系；有項(xiàng)目，卻沒(méi)理清戰(zhàn)略。

當(dāng)然，今年已經(jīng)是2026年了，2025年的報(bào)告也不算過(guò)時(shí)。大家之所以慌，根源往往是從一開(kāi)始就想錯(cuò)了一件事：

把AI云當(dāng)成了「更貴的傳統(tǒng)云」，覺(jué)得無(wú)非就是在原來(lái)的云服務(wù)器上加幾塊GPU，跑個(gè)大模型，對(duì)外提供API，本質(zhì)上還是租算力、買資源那一套。

要真是這樣，那確實(shí)沒(méi)什么好急的。大可以等等看，等價(jià)格降下來(lái)，等別人把坑都踩完了，再跟進(jìn)也不遲。

02

AI云根本不是這樣的，不少企業(yè)的思維方式錯(cuò)了。要搞清楚AI云到底是什么，得先說(shuō)清楚傳統(tǒng)云解決了什么問(wèn)題。

其實(shí)特別簡(jiǎn)單：

企業(yè)不想自己建機(jī)房了。把服務(wù)器、存儲(chǔ)、數(shù)據(jù)庫(kù)搬到云上，按需用、按量付，說(shuō)到底，IT資源的外包，買基礎(chǔ)設(shè)施，跟租倉(cāng)庫(kù)沒(méi)什么本質(zhì)區(qū)別。

不過(guò)，AI云動(dòng)的東西要深一層，它改你拿到服務(wù)、解決問(wèn)題的方式。

怎么理解呢？我舉個(gè)CIO大概率經(jīng)歷過(guò)的場(chǎng)景。

一家中型企業(yè)，同時(shí)跑著十幾套SaaS：CRM一套邏輯，ERP一套邏輯，HR系統(tǒng)又是另一套。客服那邊用一個(gè)工具，財(cái)務(wù)那邊用另一個(gè)，中間靠接口勉強(qiáng)連著。

哪天老板突然問(wèn)一個(gè)跨部門的問(wèn)題，比如「上個(gè)月華東區(qū)大客戶的復(fù)購(gòu)率怎么掉了」，你猜怎么著？三個(gè)部門分別導(dǎo)數(shù)據(jù)，拼Excel，開(kāi)兩輪會(huì)，才能湊出一個(gè)大概的答案。

我記得2020年在公司那會(huì)兒，開(kāi)會(huì)就這樣：

市場(chǎng)部拿一個(gè)報(bào)告，運(yùn)營(yíng)部去系統(tǒng)里導(dǎo)一份數(shù)據(jù)，增長(zhǎng)部再導(dǎo)另一套；然后大家坐一起開(kāi)聊。要么用同一套系統(tǒng)；要么就幾個(gè)系統(tǒng)拼湊著看�，F(xiàn)在想想，也挺逗。

過(guò)去十年企業(yè)搞數(shù)字化，本質(zhì)上「買十套系統(tǒng)，然后到處打補(bǔ)丁」，每套系統(tǒng)解決一個(gè)局部問(wèn)題，但系統(tǒng)和系統(tǒng)之間的縫隙，全靠人去填；這些縫隙有個(gè)名字，叫IT煙囪。是整個(gè)交付模式的必然產(chǎn)物。

我之前跟幾個(gè)做SaaS的朋友聊，問(wèn)他們：

大家不知道怎么做得更好，還是技術(shù)條件有限？回答很坦誠(chéng)：歷史局限，技術(shù)沒(méi)成熟時(shí)的妥協(xié)方案。

現(xiàn)在情況變了。

大家都在聊Agent（智能體），但我發(fā)現(xiàn)很多人理解得不太對(duì)，覺(jué)得Agent就是上來(lái)搞一套全自動(dòng)的東西，替代人去跑流程，一步到位。這不現(xiàn)實(shí)，也不是Agent真正發(fā)揮作用的方式。

實(shí)際路徑?jīng)]那么玄。

你想想，大多數(shù)企業(yè)現(xiàn)在已經(jīng)有一堆業(yè)務(wù)系統(tǒng)了，CRM、ERP、工單系統(tǒng)，數(shù)據(jù)都在里面。

第一步在這些舊業(yè)務(wù)上面先接一個(gè)AI的入口，比如一個(gè)Chatbot，員工或者客戶可以用自然語(yǔ)言去查東西、問(wèn)問(wèn)題，不用在五個(gè)系統(tǒng)之間來(lái)回跳，效率明顯提升了一點(diǎn)。

這個(gè)Chatbot一開(kāi)始可能是個(gè)問(wèn)答窗口，慢慢地，你會(huì)在上面疊加能力：它能查CRM數(shù)據(jù)了，能幫你拉報(bào)表了，能處理Excel了，能發(fā)起審批了。

這些能力一層一層長(zhǎng)上去，到某個(gè)時(shí)刻，它就變成了一個(gè)能幫你跑完一整件事的Agent。所以，Agent邏輯是這樣的：先讓老業(yè)務(wù)長(zhǎng)出AI的能力，在AI的能力之上，再長(zhǎng)出Agent。

這個(gè)區(qū)別特別關(guān)鍵。

過(guò)去的軟件交付是「先定義結(jié)構(gòu)，讓業(yè)務(wù)遷就結(jié)構(gòu)」。想上CRM，得按CRM的邏輯重新梳理銷售流程；現(xiàn)在可能性反過(guò)來(lái)了：先理解業(yè)務(wù)意圖，再動(dòng)態(tài)組織能力，企業(yè)不用去適配某個(gè)軟件產(chǎn)品，讓AI來(lái)適配你的業(yè)務(wù)。

這也是為什么整個(gè)行業(yè)的采購(gòu)邏輯正在變，從「我需要上什么云」變成了「我需要什么AI能力」。你買一種可以被調(diào)用、被編排、被塞進(jìn)你現(xiàn)有業(yè)務(wù)流程里的智能。

我看了Anthropic在2025年底的一份調(diào)研報(bào)告，對(duì)象是500多位美國(guó)的技術(shù)領(lǐng)導(dǎo)者，超過(guò)八成的受訪組織表示，AI智能體已經(jīng)帶來(lái)了可衡量的投資回報(bào)。

注意，不是「可能有用」，是「已經(jīng)在產(chǎn)生回報(bào)了」。

所以，企業(yè)CIO還在用「買資源」的框架來(lái)評(píng)估AI云，那你評(píng)估的其實(shí)不是AI云，是一個(gè)正在消失的舊東西。

03

想通了AI云跟傳統(tǒng)云不一樣之后，很多人的第一反應(yīng)挺合理：既然是新東西，那我等等看唄。等技術(shù)更成熟、價(jià)格更便宜，別人把坑踩完了，我再進(jìn)場(chǎng)。

這個(gè)想法我完全理解，說(shuō)實(shí)話，擱五年前云計(jì)算剛起來(lái)那會(huì)兒，等一等確實(shí)沒(méi)什么毛病。反正大家都在摸索，早進(jìn)晚進(jìn)差別不大。

但AI云這事，等的代價(jià)跟你想的不一樣。

大多數(shù)人覺(jué)得「等」省的是錢、試錯(cuò)成本，這筆賬表面上算得通，問(wèn)題在于，等的這段時(shí)間里，虧掉的東西是看不見(jiàn)的。

虧什么呢？我只說(shuō)三點(diǎn)重要的。

第一樣，數(shù)據(jù)治理的時(shí)間，AI不是插上電就能用的，它得吃數(shù)據(jù)；你的數(shù)據(jù)散落在多少個(gè)系統(tǒng)里？格式統(tǒng)一嗎？有沒(méi)有標(biāo)準(zhǔn)？誰(shuí)負(fù)責(zé)管？這些問(wèn)題，沒(méi)有哪家云廠商能幫你一夜之間解決。

一家企業(yè)從開(kāi)始做數(shù)據(jù)治理到數(shù)據(jù)真正「可以喂給AI」，少說(shuō)半年，多的一兩年。這個(gè)時(shí)間，要訓(xùn)練，急不來(lái)，只能一天天磨。

第二樣，團(tuán)隊(duì)學(xué)習(xí)的時(shí)間。

AI落地不只技術(shù)部門的事，業(yè)務(wù)團(tuán)隊(duì)得學(xué)會(huì)怎么跟AI協(xié)作，怎么提需求，怎么判斷AI給出的結(jié)果靠不靠譜，這種能力得在真實(shí)場(chǎng)景里一點(diǎn)點(diǎn)積累，你不開(kāi)始，積累個(gè)鳥(niǎo)？

第三樣，也是最容易忽略的：場(chǎng)景跑通之后的復(fù)利。AI有一個(gè)特性，一旦某個(gè)場(chǎng)景跑通了，用戶的使用和反饋會(huì)讓系統(tǒng)越來(lái)越好。

知識(shí)在積累，模型在優(yōu)化，流程在磨合，跑通第一個(gè)場(chǎng)景的企業(yè)，復(fù)制到第二個(gè)、第三個(gè)場(chǎng)景的速度是越來(lái)越快的。而你還沒(méi)開(kāi)始。

McKinsey和幾家咨詢機(jī)構(gòu)2025年的調(diào)查，發(fā)過(guò)一個(gè)判斷，反正我看了覺(jué)得數(shù)據(jù)很扎心：企業(yè)級(jí)AI項(xiàng)目里，只有大約三分之一進(jìn)入了全面生產(chǎn)，只有約四分之一達(dá)到了預(yù)期的收入回報(bào)。

表面上看，這好像在說(shuō)「AI沒(méi)那么靈」，支持再等等。

但你仔細(xì)看真正拿到回報(bào)的企業(yè)，它們的共同點(diǎn)是更早完成了準(zhǔn)備工作：數(shù)據(jù)、流程、人才、治理，四件套。業(yè)內(nèi)管這類企業(yè)叫「AI-Ready組織」。

而大量停在「做了個(gè)Demo、開(kāi)了幾輪匯報(bào)會(huì)、拿到一些試點(diǎn)成功的PPT」階段的企業(yè)，報(bào)告里的措辭很直接：2026年開(kāi)始，會(huì)被同行甩開(kāi)。

還有一個(gè)數(shù)字更狠，Gartner和MIT的研究顯示，95%的生成式AI試點(diǎn)項(xiàng)目沒(méi)能成功投產(chǎn)。嗯，百分之九十五。這個(gè)數(shù)字真正說(shuō)明的，是絕大多數(shù)企業(yè)動(dòng)了、但沒(méi)想對(duì)。

04

那它們到底錯(cuò)在哪？看了不少案例和調(diào)研之后，我發(fā)現(xiàn)踩坑的企業(yè)故事各不相同，但根子上犯同一個(gè)錯(cuò)誤：用買設(shè)備的思路去買智能。

最典型的，IT部門拍板做了個(gè)技術(shù)上很漂亮的東西，但業(yè)務(wù)部門根本不care。

有一家大型制造企業(yè)，這里不提名字了，容易傷人；花了好幾百萬(wàn)做了個(gè)「企業(yè)知識(shí)助手」。

功能挺全，員工可以問(wèn)公司政策、查休假規(guī)定、了解報(bào)銷流程。上線的時(shí)候，內(nèi)部發(fā)了三輪推廣郵件；第一個(gè)月還有人嘗鮮，到第三個(gè)月，后臺(tái)一看，日活個(gè)位數(shù)。項(xiàng)目悄悄停了。

不是技術(shù)不行。員工真正頭疼生產(chǎn)線上的設(shè)備故障診斷，那才是每天都在燒錢的事，但拍板做什么的人是IT部門，他們選了自己最容易做、最好展示的場(chǎng)景，不是業(yè)務(wù)最痛的場(chǎng)景。

這種事特別多。還有一種也常見(jiàn)，老板拍完桌子說(shuō)「全面擁抱AI」之后，下面恨不得一口氣把所有業(yè)務(wù)流程都接上去。

結(jié)果發(fā)現(xiàn)，通用大模型在自己這個(gè)行業(yè)里「幻覺(jué)」嚴(yán)重，說(shuō)的東西不靠譜，還連不上內(nèi)部的數(shù)據(jù)和API，沒(méi)什么用。

這就是采購(gòu)思維：覺(jué)得買了最強(qiáng)的東西，所有問(wèn)題就該解決了。但AI不是一臺(tái)設(shè)備，買回來(lái)插上電就能轉(zhuǎn)，它更像一個(gè)新來(lái)的員工，你得告訴它業(yè)務(wù)長(zhǎng)什么樣、數(shù)據(jù)在哪、什么算對(duì)、什么錯(cuò)誤不能犯。

然后，選平臺(tái)時(shí)，大家都在比誰(shuí)GPU多、Token便宜、跑分高等等。

但Gartner一項(xiàng)調(diào)研說(shuō)，超過(guò)68%的企業(yè)選型，真正卡住的地方是平臺(tái)跟現(xiàn)有系統(tǒng)接不上、數(shù)據(jù)安全兜不住、運(yùn)維成本遠(yuǎn)超預(yù)算。

所以選平臺(tái)，別比參數(shù)。就問(wèn)三件事：

接進(jìn)去有多難？出了事誰(shuí)兜底？我現(xiàn)有的系統(tǒng)能不能跟它跑在一起？這三個(gè)答案比任何跑分都管用；說(shuō)到底，這些坑長(zhǎng)相不同，根子是一個(gè)：還在用買硬件、買軟件的思路，做一個(gè)「買能力」的決策。

那到底該怎么想？

就一個(gè)問(wèn)題：你的業(yè)務(wù)里，哪個(gè)環(huán)節(jié)出了問(wèn)題之后，解決它的時(shí)間最長(zhǎng)、成本最高？從那個(gè)環(huán)節(jié)開(kāi)始。

不用想得太大，不用追求全面智能化，用最小的投入跑通一個(gè)真實(shí)的業(yè)務(wù)場(chǎng)景，拿到一個(gè)可以量化的結(jié)果，用這個(gè)結(jié)果去說(shuō)服自己、說(shuō)服團(tuán)隊(duì)、說(shuō)服老板。

然后在動(dòng)手之前，先回去做一件事：盤數(shù)據(jù)。你的數(shù)據(jù)能不能被AI用？散在幾個(gè)系統(tǒng)里？有沒(méi)有統(tǒng)一標(biāo)準(zhǔn)？誰(shuí)管？

埃森哲跟幾十位全球企業(yè)高管聊下來(lái)，結(jié)論都指向同一個(gè)地方：AI規(guī)模化落地的堵點(diǎn)，在組織。那些為了業(yè)務(wù)穩(wěn)健而設(shè)計(jì)的審批流程和管控機(jī)制，今天反而成了最大的絆腳石。

九成企業(yè)已經(jīng)在動(dòng)了。但動(dòng)和動(dòng)對(duì)之間，差的是一個(gè)思考方式。

我自己也有類似的感受。我經(jīng)常參加行業(yè)大會(huì)，有的主辦方現(xiàn)在報(bào)名表就直接放在AI平臺(tái)上做了。怎么做呢？前面搭一個(gè)落地頁(yè)，后面連一個(gè)表格，再加兩個(gè)開(kāi)發(fā)者工具串起來(lái)，參會(huì)者掃碼、簽到，數(shù)據(jù)就沉淀下來(lái)了。

這個(gè)東西本身特別小，就一個(gè)報(bào)名流程，你往后想一步：這些數(shù)據(jù)沉淀下來(lái)之后，有些可以直接給AI做分析，比如：

參會(huì)者的行業(yè)分布、關(guān)注方向；有些可以分給銷售去打電話跟進(jìn)，做精準(zhǔn)觸達(dá)；再往后，簽到數(shù)據(jù)、互動(dòng)數(shù)據(jù)、后續(xù)跟進(jìn)的轉(zhuǎn)化數(shù)據(jù)，又可以反哺回來(lái)，優(yōu)化下一次大會(huì)的策劃。

你看，從一個(gè)報(bào)名表開(kāi)始，慢慢就長(zhǎng)出了一整套從獲客到轉(zhuǎn)化的鏈路。這就是我前面說(shuō)的那個(gè)邏輯。

好了，通俗的說(shuō)完了，MCP也罷、各種新技術(shù)也罷，外面名詞跟技術(shù)的發(fā)展總是參差不齊的；但從使用鋤頭角度來(lái)看，關(guān)鍵能不能跑通業(yè)務(wù)場(chǎng)景，拿這個(gè)場(chǎng)景去撬回報(bào)，那肯定不會(huì)錯(cuò)的。

等大家都進(jìn)場(chǎng)了，比誰(shuí)對(duì)自己業(yè)務(wù)的理解更深。這種理解我認(rèn)為關(guān)鍵就三件事：

• 數(shù)據(jù)怎么處理
• 知識(shí)怎么處理
• 如何在此之上長(zhǎng)出Agent

前兩者搞明白之后，組織進(jìn)化就很快了，畢竟組織的價(jià)值為業(yè)務(wù)服務(wù)。