老板天天喊着要搞 AI,为什么 95% 的项目最后都黄了?-夜雨聆风

老板天天喊着要搞 AI,为什么 95% 的项目最后都黄了?

大公司里 95% 的 AI 项目最后都失败了。

在 a16z 举办的一场对谈直播中，技术专家 Martin Casado 引用了这样一组数据。

在这场对话里，Box 公司 CEO Aaron Levie、Martin Casado 以及 Steven Sinofsky 坐在一起，聊了聊现在 AI 落地碰到的真问题，也澄清了市场上一些偏离实际的炒作，比如「AI 将取代人类工作」的流行说法。

为了方便大家更好地理解这场对话，我们先来认识一下这三位嘉宾：

Aaron LevieBox（企业云内容管理平台）联合创始人兼 CEO，长期深耕企业软件领域。他笑称自己目前的工作就是「把现实带给硅谷，再把硅谷带回现实」。他每天都在与全球企业的技术高管和 AI 团队交流，是最了解企业 AI 落地真实情况的科技公司掌门人之一。

Martin Casadoa16z 合伙人，曾任 VMware 网络与安全业务部高级副总裁。他在这场对话中提供了一个非常独到的 AI 技术架构视角，特别是在「应该把 AI 当成用户而不是软件」这个观点上，做出了敏锐的分析。

Steven Sinofsky前微软 Windows 事业部总裁，目前担任 a16z 的董事合伙人。他亲历了从个人电脑、互联网到云计算的多次技术大变革。在这场对话中，他通过回顾过去的科技发展史，把当下的 AI 讨论放进了一个更长的时间维度里来审视。

以下是他们讨论的核心内容。

硅谷与传统企业之间的鸿沟

很多人都感受到了一种脱节。硅谷对 AI 充满乐观，而普通大公司的动作却十分迟缓。

这种鸿沟是因为大家的工作方式完全不同。硅谷的工程师技术能力极强，习惯了用各种先进工具。遇到系统问题，他们马上就能自己动手调试好。在他们手里，AI 表现得极其出色。

但在普通的大型企业里，情况完全不一样。

员工的技术背景参差不齐，每天面对的是繁琐的业务流程和非常陈旧的老系统。要把那些在硅谷运行良好的 AI 代码工具直接塞进传统大公司，注定需要很长的磨合期。

很多时候，这并不是技术行不行的问题，而是公司的组织架构出了错。

大公司的决策往往自上而下。董事会直接向 CEO 下达指令。比如，「我们需要更多 AI」。CEO 接到任务后，转身就花钱请咨询公司来做一个集中的大项目。

但这些项目往往不接地气，连公司自己的员工都不知道怎么用。既然没有和实际的业务运营对齐，失败也就是必然的结果。

过去大半年里，很多软件公司尝试把 AI 硬塞进产品里，最常见的做法就是加个聊天侧边栏。现在业内发现这种思路效果并不好，大家开始转向一种新模式。

与其把 AI 当成一个附加的软件功能，不如把它当成一个真正的「用户」。

这就意味着，软件公司不需要再为了 AI 去重新搭建一整套产品形态，而是直接把现有的产品变成一套没有界面的后台工具。也就是提供纯粹的接口，专门留给 AI 去调用。

任何成立十年以上、或者规模上千人的大公司，内部都堆积着大量的老旧系统，等待着被整合。AI 没法凭空解决这些历史遗留问题，它帮不上任何忙。

在现实职场中，如果你查不到某个数据，你知道去拍拍同事的肩膀问一句（能不能给我开个权限，或者去问问另外一个部门的人）。但 AI 不懂这些。

如果直接给 AI 放权，它会到处乱撞，最后拿到错误的数据或文件。如果在权限上限制它，它又不会像人类一样去寻找绕开障碍的方法。所以，大企业现在最实在的工作，是先清理和升级自己的底层系统。

大语言模型有一个特点，它是不确定的，擅长处理混乱的复杂信息。这其实和人类很像。

几十年来，我们建立的各类公司制度，都是为了管理人类这种复杂的群体。现在既然 AI 的表现越来越接近人，我们完全可以套用现成的管理方式。

比如，你可以像招募新员工一样，给AI一个独立的邮箱地址，让它走一套完整的入职流程。它在系统里找资料、做任务，完全可以使用公司原本为人类员工设计好的安全标准和权限控制机制，而不是让技术团队重新去写一套规则。

企业软件巨头 Salesforce 最近宣布推出无界面模式，也就是允许 AI 直接在后台大规模调用系统数据。

这是一个强烈的行业信号。

在这个模式下，AI 可以同时在海量数据中进行计算，工作规模可能是人类用户的成百上千倍。但这带来了一个实际问题。「如果 AI 像实体员工一样去使用软件，出于安全和责任追踪的考虑，它很可能需要购买专属的账号许可证。」现有的软件公司需要重新思考怎么向 AI 收费。

用 AI 写代码确实快，但这带来的不全是好处。

当 AI 让写代码变得极其容易时，代码的质量往往会随着时间推移而下降。用 AI 解决了一些问题，但可能同时引入了同样数量的新麻烦。

产出的代码越多，系统的复杂程度就越高。

目前来看，开发产品时 AI 带来的效率提升大概在两到三倍，并不是大家吹嘘的十倍。因为所有的代码最后还是需要人类员工来做代码审查和安全检查，人类审核的速度，就是整个开发流程的上限。

这可能是大家最关心的问题。

很多人担心代码写得越快，需要的工程师就越少。

但现实情况恰恰相反。系统变得越复杂，公司就越需要顶尖的专家来管理系统升级、处理宕机、解决随之而来的安全事故。

早在几十年前，个人电脑刚刚普及时，就有人出书预测技术会让很多人失业，比如会计这个职业会消亡。

结果恰恰相反，电脑让财务审计变得更加全面和复杂，不仅没消灭会计，反而创造了更多岗位。律师行业也是一样，有了电脑和检索系统，律师起草文件的能力变强了，今天行业里的律师数量反而比三十年前更多。

所以，与其把 AI 看作替代人类的终极武器，不如把它当成提升人类专业能力的得力助手。

当 AI 创造出更多高价值的信息和功能时，社会自然需要更多的人去管理和使用它们。