AI落地的9個坑，我替你踩過了

內容來源：本文轉載自微信公眾號華夏基石e洞察（ID：chnstonewx），筆記俠經授權轉載。轉載請聯系原公眾號授權。

責編| 柒排版| 拾零

第 9566篇深度好文：7949字 | 16 分鐘閱讀

商業趨勢

筆記君說：

AI時代，我們自己都覺得有無限可能甚至無所不能，只要有想法，我們就愿意試一下。但其實不是我們強得可怕，而是AI發展迅猛。

我們甚至認為，所有的事情都可能進行行業級的改變——AI已經不再像原來的數字化，只是把線上線下連接起來、提升效率、實現信息化協同——而且覺得AI是唯一的機會。

去年的時候，大部分企業還在觀望。但今年不一樣了，很多企業已經將AI工具引入合作。

AI在企業怎么落地？如何選擇正確的路徑和方法？這篇文章我們就來聊聊如何破局。

一、建立AI落地的正確認知

AI一天，人間一年。每個人心中都有一個哈姆雷特，我們對AI的認知，直接決定了我們的決策。

第一，AI不是無所不能的。

AI的底層邏輯是概率學——通過建立現實世界的數字模型，做概率分析和分布采樣，給出一個它認為的最優解。

這就帶來很多問題：如果單純依賴模型，行業模型的影響就會被放大，它永遠不可能做到100%正確。企業很多知識是不成文的，都在人腦子里。

大模型對AI技術的依賴，沒辦法直接變現到企業應用里。把企業數據給到AI，也不能完全解決問題，因為業務閉環沒形成，AI無法對接。

第二，存在于人類的偏好對齊機制。

在一些“灰犀牛”“黑天鵝”事件中，在那些我們自己都沒法把控的事情里，AI會展現出高度討好的人格。

目前階段，AI在這些領域并不能完全做對。它追求的是邏輯自洽，但如果邏輯本身就有問題，它可能會一邊編論點，一邊找論據，證明自己是對的。

為什么會出現這種情況？因為AI更像是介于人和制度之間的一種新型物種。它不完全正確，也不完全具備智慧。企業更需要把它當成一個需要約束、引導、教學、協作的硅基人——它跟人類有區別，跟傳統系統也不一樣。

第三，AI不完美，但我們還要擁抱AI，是因為人類更不完美。

人類有更不穩定的情緒，處理問題的帶寬有限，經驗不可復制。所謂的領袖、工匠精神，正是因為少數人才有。

而且人類協作成本高，容易被短期偏好扭曲。既然人類的不完美我們能接受，那么用AI來彌補，就能幫企業帶來更多收益。我們要利用人類和AI的協同，構建新型的協作模式。

第四，通用的智能體滿足不了企業的真實需求。

企業不是選一個供應商，看他做了某個智能體，就覺得適合我們，關鍵要看他的智能體里，對企業的方法是否可復制、可遷移、可配置、可迭代。

市面上很多標準化的智能體，沒辦法滿足真正的業務需求。因為AI依賴的是大量數據樣本——你用80%的低效數據去訓練，得到的是人類均線水平，而不是企業需要的20%頂尖人才的能力。

我們要有底線思維，需要能夠迭代的AI。這種人格特征的AI和C端娛樂化的AI，完全是兩回事。

第五，目前階段不建議企業自己做模型。

除非所在行業有特殊性，否則我認為90%的企業不適合自己去投大模型。原因很簡單：機會成本太高，從事實角度看，目前AI轉型成功的企業不到5%。

它需要大量的資金、大量的優質數據、大量的頂級人才，而且結果還不確定。這些要求對企業來說都過高，所以目前看不是個好主意。

未來會不會變化？需要我們密切關注大模型的變化。大模型在自然運行的過程中，目前階段還有差距。很多企業從2017年開始做AI，到今天還沒收回成本。為什么？

因為AI迭代太快，還沒等回本，技術已經被替代了。數據不夠的企業就更別說了。所以，我們更應該關注怎么把通用大模型用好，而不是自己去訓練一個。

第六，不要對AI形成刻板印象。

不同模型之間的差異極大，每個模型不同時期的版本差異也很大。我們選模型的時候，后面都有版本號，要看清新版本是否替代了舊版本的問題。

每個模型都有自己的優缺點，比如有些模型擅長表達、成本有優勢，適合做輔助性工作；缺點是幻覺高、邏輯計算能力不強。

我們更應該在多個模型中選配、調優，做多模型協作——這才是企業落地的方法。AI一天，人間一年，不要對AI產生刻板印象，密切關心模型的進展和變化，是我們未來對AI使用的一個方式。

二、知識平權時代，拼的不是信息差，

而是認知能力和迭代速度

1.AI帶來平權，也帶來知識與認知革命

AI帶來的技術平權，我們都已經看到了。以前說“一人公司”就是個概念，但今天已經變成可能。去年我們做咨詢的時候有幾十號人，現在就剩幾個人，但人效翻了幾十倍。

原因就在于AI帶來的認知差。原來不可想象的事情，今天變成現實，就像我對建筑行業完全是個外行，但現在也能幫他們解決問題——這就是AI給我們的紅利。

在知識平權時代，拼的不再是信息差，而是認知能力、判斷力和迭代速度。傳統的玩法已經過時，能夠有認知的革命，思維迭代的革命，能不斷進化的人，未來會走得更遠。

2.AI幻覺的本質在于概率機制，必須由人來兜底

當然，AI不可避免有幻覺。其幻覺的本質是什么？就是概率生成機制導致的，加上訓練過程中融入的臟數據，以及AI為了邏輯自洽會主動補全，結果就出現幻覺。

因此，AI幻覺不是偶發的，不是bug，也不是某個AI有而某個AI沒有——它是AI底層機制決定的，每個模型都有幻覺。AI已經掌握了人類歷史中所有的數據，在信息完整的條件下，幻覺仍然是必然存在的。

因為它只是飽讀詩書但并不理解根因，所有看似有道理的回答禁不起復盤，所有看似邏輯自洽的結果禁不起推敲，這些結果都是基于人工做好的數據標注的理解。

但據我所知，人工數據標注大多使用低價人力進行，成為勞動密集型產業，準確性可想而知，所以必然產生AI幻覺。

落到應用層面，AI有幻覺，哪怕只有5%的失敗率，我們也必須靠人兜底。需要有人兜底，就意味著不能完全放手。所以目前階段，如果解決不了這個問題，AI就沒法進入企業的核心運營。

這樣的AI就像一個剛進入公司的實習生，不能說他沒有知識，只能說他不會活學活用，或者亂用，最多只能在辦公助手這類場景里先用起來。

怎么解決幻覺？要靠我們自己的管理和規范來約束，用標準化的制度去對沖它的不確定性。我們的標準化程度越高，越能降低AI出錯的概率。在這個前提下，才能找到正確的落地路徑。

3.企業AI落地步驟

關于AI落地，我們應該從企業愿景出發，逐步在企業里執行AI落地計劃。

第一，認知拉齊。很多企業找過來，說“真想培訓，但沒時間”。我說不行，如果不先把認知對齊，項目根本推不動。所以，寧可花時間做培訓，也要把認知這件事做實。

第二，做好AI落地的長期規劃。在規劃的過程中選拔人才、優化組織體系。我們發現一個很有意思的現象：很多公司內部其實藏著一些被壓制的優秀人才——大概5%到10%的人，他們能快速跟上節奏，并且帶來顯著的效果。

這些人需要和團隊一起協作，最后建立起人機協同的機制，讓AI能夠長期穩定地發揮作用，而不是浪費大家的精力。

第三，重視數據質量。垃圾進，垃圾出，大家都應該形成這樣的共識，重視提升數據的質量。

第四，成立一個AI變革小組來啟動AI落地。這一定是一個跨部門的工作，不是單一部門能搞定的。所以，不建議只交給IT，也不建議只交給業務。

我們要有一個變革小組，在培訓過程中去識別那些能提出問題、能快速理解我們語言的人——這些人未來會是AI落地的核心力量。

第五，AI是一把手工程。如果AI落地在核心領域，它必須是一把手工程。AI落地并不是產品上線，本質是一場管理變革。

業務單元配合落地絕對不是義務，而是要賦予責任，上KPI有獎有罰，不換腦袋就換人，企業可以彎道超車，員工也能跳脫論資排輩，激發大家擁抱變化的勇氣，董事長親自推、總經理親自推，效果才能出來，大家才會真正認可。

第六，舉行AI大賽，激發全員創意。在公司內進行AI大賽，我們把它叫作“創意融資”。不是說你提的方案必須通過，而是鼓勵大家把想法拿出來，創意比什么都重要。

在征集場景的過程中，會發現很多場景可以用數字化解決，那就交給內部的數字化團隊去持續改進。

還有一部分是個人助手級的AI場景，我們不建議公司過多投入，通過低代碼平臺讓員工自己學會搭建智能體——比如我們在一家新能源頭部企業做AI轉型，有一個HR培訓專員，通過輔導，他自己就能搭一個HR智能問答智能體。

這樣的員工在原來的部門里，可能只是普通員工，但在AI時代，他們比其他人更早地成為了超級個體。這些不需要直接公司投資，而是通過激勵機制、內部培訓給他們賦能，讓他們自己長出來。

第七，數字化和AI不能完全割裂。公司級的場景需要更慎重，要區分什么是數字化場景、什么是AI場景。

AI能解決數字化過程中周期長、成本高、無法迭代的問題，更可以在數字化沒有覆蓋的地方為企業產生效益，因為那些地方往往是經驗地帶，也是組織最應該沉淀的能力之一。

但不管在哪個領域，在做AI之前，先把業務規則和數據之間的對應關聯關系梳理清楚，畢竟很多專家都是肌肉記憶，講不清楚為什么，這也是我們能幫助企業成功轉型的核心，元認知搭建是AI的前提。

第八，如果在公司內有些部門實在推不動AI變革，不要硬推。從配合度高的部門開始，以小切口MVP完成可行性驗證，既能讓企業有短期ROI，還能讓其他部門看到希望。

第九，從戰略、價值、可行性、組織適配四個維度去評估，找到匹配的場景。如果四個維度都匹配，那就是滿分場景，建議重點投入；如果某個維度有缺失，可以放在第二批。

三、AI助力企業的核心競爭力

1.AI產品的核心價值，在于幫助企業放大自身的核心競爭力

所有AI場景的核心價值，都是幫企業放大自身的核心競爭力。AI本身的平權屬性，最終能跑出來的，還是那些能通過AI把核心競爭力無限放大的企業。

所以，我們要回歸企業本身的核心競爭力，突破中等收入陷阱，讓企業避開方向迷失和方法誤區。

我們總說未來會有很多新產品帶來改變和顛覆，曾經看似無法突破的建筑裝飾行業，還有煙草行業，一個數字化水平偏低，一個業務極其抽象很難客觀反饋，都會出現大規模的變革。

所以不管是什么行業，可以先做小范圍MVP驗證，如果小范圍可以走通，再慢慢擴大范圍，實現更廣的覆蓋。過去做場景試驗，要投入大量的數字化研發資金，還要配齊各類人才，搭建新業務團隊的難度也很高。

但現在這些難度都降下來了，未來AI也能幫我們在傳統布局里實現更多系統創新。我們已經整理出了對應的方法論。

第一，小數據樣本。即把行業專家本身當作一個行業級模型，提取他們的相關資料，提煉信息來源，再用沉淀迭代的方式，解決AI推薦不可控的問題，讓AI用專家的思維方式去處理日常工作問題。

但它的難點在于，一方面專家主觀上可能不愿意配合，另一方面客觀上也存在不少壁壘。這就需要企業一把手在主觀層面，為專家的未來發展做好保障。

客觀層面，我們可以借助咨詢專家的力量，用第一性原理把專家的思維鏈蒸餾出來，這需要很強的結構化思維和系統性思維，才能把專家分析問題、解決問題的方法真正挖掘到位。

第二，逆向工程。我們現在用到的各類方法，不管是學習AI的方法、解決實際問題的方法，還是工廠化運作的方法，本質上都是逆向工程。

簡單說，這些方法長期來看可行，但現階段落地起來還有難度。我們本想以結果為導向應用AI，卻被固有的思維方式困住了。我們分析后發現一個現象：越懂模型的人，越難把企業級AI落到實處，核心原因就是他們太拘泥在模型本身里了。

第三，原子級任務拆解。我們實行AI的關鍵，就是把復雜的任務拆解開來，讓拆解后的結果適配未來的發展計劃，適配AI的學習和落地。

AI的科學應用方法其實很簡單，就像原子結構分析一樣，一層一層往下拆解、深挖，問題自然就能解決。

而我們應用AI的本質，就是不想讓AI隨意作答，要通過方法設計，將AI的解法引導到完全沒有錯誤的可能性上。如果一開始的底層梳理不夠準確，后續工作肯定做不好。

我們最早做項目時就發現，第一次的結果怎么都做不對，后來才發現，關鍵是要把相關元素之間的關系做結構化分解，這一步做扎實、做到位，才是后續所有工作的前提。

做好這一步后，我們還要做這些事：定義清晰的概念和標準，確定試點執行的人員，然后進行任務編寫。

包括為每個任務匹配對應的模型、編寫專屬提示詞，結合外在場景、角色定位和專家引擎來推進，接著搭建共享平臺，在平臺里加入動態反饋機制。

我們之前以故障大師的相關工作為例做過實踐，參與這個項目的過程中發現，只要做好上述步驟，每一次出現的錯誤都能被規避，長期堅持就能徹底解決這類問題。但這過程中，專家和我們執行方都有壓力，必須雙方共同參與，才能把事情做好。

任務拆解之后，不能把拆解結果只放在平臺上，不然會出現不可復制、不可維護、不可迭代的問題。我們必須對拆解結果做平臺化和工程化處理。

以貿易采購平臺的搭建為例，走平臺化的路主要有兩條，其中AI編碼這條路雖然會遇到不少問題，但多嘗試，之后總能找到解決辦法。我們也摸索出了對應的思路，成功實現了從0到1的平臺搭建。

現在能看到明顯的效果，像復雜的調價系統、各類工程化系統，落地的效率都提升得非常快，也能讓大家更高效地做決策。

為什么我能自己搭建一個平臺？不是我有多出色，更多是靠自身的復合能力——思維模式、從業背景，以及企業家精神。

我們這套方法，能解決企業高度難標準化的問題，還有讓大家頭疼的銷售問題。

要解決銷售問題，不是讓AI像銷售一樣喋喋不休的介紹，而核心是讓AI能像頂級銷售一樣思考，提高銷售人員的均線水平。

先把出方案的過程做原子級拆解和結構化梳理，同時借鑒行業里成熟的標準方法論，規范銷售的過程和優化方案內容，有意識的識別成交關鍵節點的風險并和客戶做更專業的溝通。

在平臺搭建上，我們也做了大量的數據相關工作，比如動態搜索、內外部的AI分配機制，還有黑名單機制、溯源機制、時間范疇機制。

另外，會研究每份報告之間的關聯邏輯，思考怎么優化局部章節、怎么做智能培訓。我們想盡辦法做方案的自動智能培訓，提煉出核心要點。

2.AI的持續進化

AI持續進化的難點，在于把PDCA落到實處。很多客戶希望AI可以解決他們所有問題，希望上線即巔峰，其實背后的根因是把AI當成了許愿池里的“王八”。

目前來看，這樣想法的人付出了慘痛的代價，判斷AI能不能上線，不是看它懂多少，而是它懂的都是對的，不懂的還可以繼續教它，它可以持續學習進化。

在我們看來，沒有PDCA的AI是沒有長期價值的，AI的核心原理，是要做成類人、會自主學習的AI，而不是一次性的交互上線系統。

第一，一定要明確AI該學什么、不該學什么，保留人類否決權。如果讓AI什么都學，很快數據就會混亂，上線之后必然會遭到大家的質疑。

第二，像培養Baby一樣培養AI。要讓我們的技術部門深度參與到甲乙方的所有業務部門中，給足時間，助力團隊成長進步，就像培養自己的孩子一樣，讓AI能力越來越強。

第三，AI時代的核心是創新，而不是抄作業。如果只是照搬別人的東西，對方肯定不會把最好的方案、最大的價值交付給我們。所以，“制定規則+激發創意”才是更重要的事。

我們在各個業務中沉淀的經驗和方法論，最終讓我們學會的，是解決復雜問題的能力，是如何用最小的成本、走最優的路徑把事做成，把這些任務真正落地，才是最精彩的事。

第四，放大差異。AI時代，企業家最該秉持的精神是放大自身差異，而不是盲目模仿，也不建議大家隨便照搬其他公司的方法，因為這樣絕對做不出最好的成績。

企業要打造屬于自己的、易獲取的無創解決方案和AI智能平臺，這才是真正能沉淀下來的核心競爭力。如果只靠人才，卻不結合自身情況，那這些人才未必適配自己的企業。

同樣的問題，解法不同，結果就天差地別，企業培養打造AI能力的過程，其實就是構建自己壁壘的過程，這個格外重要。我也碰到過很多企業家，都在選方法這件事上出了問題，所以，一定要學會根據自身情況調整方法論。

第五，小場景、小切口入手。做AI轉型，要敢定高目標、愿意高投入，但一定要從小場景、小切口入手，保證每一次投資都能看到實際效果，再把這些成果放大到更大的業務舞臺，而不是為一次性的創新買單。

當下這個時代，企業經不起反復犯錯，要把目標、邊界、成果的成功標準，在管理層層面一次性對齊，先落地一個可驗證的場景，把基礎打牢，后續的工作才能推進。在此之前，不建議公司大規模投入。

第六，組織驅動。做AI轉型要從企業的核心價值出發，把各項文件資產化，靠組織內部形成驅動。歸根結底，AI轉型要聚焦企業的核心產業領域，就是幫助企業把自身的核心競爭力不斷放大。

第七，AI轉型千萬切忌大而全。常有人說出來混最重要的是先“出來”，敢邁出第一步才是關鍵，目前我們AI轉型成功的企業都有一個共性，就是小步快跑，干中學。

第八，AI時代，應該更看重人的創新特質。人才體系需要跟著演變，適配企業自身的發展需求。這和我們過去判斷一個人的穩定性完全不一樣了。上一個時代的英雄，很難在下一個時代繼續成功。

哪怕這些英雄手握最好的人才、最強的品牌競爭力和最充足的資金，在新的項目上也難成，深層次的原因就在這里——考核標準很難為了創新體系做出改變。

所以，到了AI時代，我們的人才篩選標準必須改變，不能再用老一套。AI時代更看重的是人的創新特質，不是不允許犯錯，傳統行業的核心考核標準依然適用，但對于創新型人才，就要不拘一格選人才。

四、擁抱AI，就是擁抱變化

我們不用怕自己現在不懂AI，覺得跟不上節奏。很多人學AI，想著從0到1啃完一本書就行，但AI時代，等你把書讀完，里面的知識早就過時了，甚至書還在創作的過程中，內容就已經不適用了。

所以，我不建議正向學習，不如反向學習：先別啃那么多書，等遇到問題，發現自己知識不夠用了再去補，不然提前學只會陷入糾結，倒不如活得灑脫點。

學習本就該從需求出發，過去我們是先學物理知識，再去實踐應用，現在我都是遇到解決不了的問題，才去針對性學習。

我這人其實也挺“懶”的，能不解決的問題就不解決，但真遇到解決不了的，就會想辦法找創新的方式去替代。

這其實就是以終為始的思維，能讓我們實現快速落地、系統迭代，也能把任務分解做得更結構化。

AI時代，我們最該做的就是打碎固有的認知。擁抱AI，就是擁抱變化。身邊很多人喊著要做AI，甚至有人說要辭職專門做AI，最后卻還是沒跟上。

這不是他們沒有做事的勇氣，而是沒有打破認知的勇氣，連跳出舒適區的決心都沒有，更別說為了做AI拼盡全力。

認知的改變本就是最難的，聰明人尤其容易陷入自我中心，固守過往的成功經驗，說到底還是恐懼失敗——畢竟在原來的領域已經成功了，萬一在AI領域做不好，心理壓力就會特別大。

但AI時代，我們更需要打磨底層能力，別怕失敗，就算失敗了大不了從頭再來。打破頭腦里的認知枷鎖，才是AI轉型成功的第一步。

從個人維度來說，越早使用AI越好；從企業維度來說，我們也該主動找AI的落地場景。AI時代已然來臨，我們一定要記住，擁抱AI，就是擁抱變化。

我們正身處AI狂飆、全球格局重構的大變革時代，但絕大多數人的認知框架、組織形態、行動邏輯，還牢牢鎖死在前全球化、前 AI 時代的舊范式里。

舊的創業法則撐不起新的時代，過時的認知系統換不來未來的增長。

筆記俠 PPE（哲學、政治學與經濟學）課程，專為第五代企業家打造AI時代的完整認知操作系統，帶你讀懂AI科技經濟與智能商業、AI哲學與文明演進，打通全球貿易、經濟政策、國際政治與全球治理的底層邏輯。

駕馭技術、洞察世界、扎根中國、修煉心力，在時代變革中，找到屬于你的決策底牌。

穿越變革的舊世界，找到時代的新大陸，從【PPE：未來3年和AI時代的決策底牌】開始。

筆記俠PPE課程26級招生即將截止，5月16日開課，現僅剩最后7個名額。

*文章為作者獨立觀點，不代表筆記俠立場。

好文閱讀推薦：

“子彈筆記”是筆記俠的矩陣公眾號，聚焦職場效率追求、人際關系與高潛成長者，幫你3分鐘吃透核心觀點和方法論。歡迎關注～