如果全场都很安静，几乎没有提问，那大概率是没听懂，或者之前没想过，怎么在自己的业务里用 AI。还有可能是，公司比较强调执行力，不鼓励主动探索和积极表现。如果有提问，但问题全都是培训中讲过的基础操作，说明 AI 应用基础过于薄弱。这两条只要踩中一条，AI 都很难用起来。反过来，如果现场气氛热烈，甚至有人和你开玩笑，结束后围着你追问各种场景，那就放宽心，基本可以确定，这家公司可以把 AI 用的很好。提问，代表的是主动性。问题的丰富度，代表的是之前做过探索的深度。没有主动性，不做探索，还想把AI用起来，就太难了。
二、最大的认知误区是把 AI 当工具
很多人学 AI，思路还是老一套：看教程、收藏提示词、记操作流程。真正上手时，还是很难用起来。根本原因在于，AI 它就不是普通工具，他更像一个人。之前我分享某个 AI 编程工具时，现场就有人一直追问，有没有 A 功能？有没有 B 功能？有没有 C 功能？我当时感觉很奇怪，深聊下去才发现，他还是在用传统软件的思维理解 AI。传统软件有功能1、功能2、功能3，就能做对应的几件事。但 AI 不同，他更像一个人，缺乏明确且固定的能力边界。面对一个人，你不应该去死记硬背。你该多跟他聊天，给他安排任务，去探索他的能力边界。就像和同事相处，你不是通过死记硬背简历熟悉同事，而是在长期共事中慢慢了解同事的能力。所以我反复跟不同客户讲：“AI 这东西，只靠教是教不会的”。他只能靠你不断尝试、不断摸索，在实践中学会怎么跟 AI 协作。
三、人才密度，决定了 AI 落地的难度
AI 落地的难度，在不同城市、不同行业之间，有巨大差距。先看城市，北京、上海、深圳、杭州，AI 应用人才的密度特别高，企业就容易找到合适的人，把 AI 嵌入业务。但在很多二三线城市，深耕行业、客户关系熟、执行力强的业务高手很多，但懂 AI、懂数据的人相对缺乏，容易出现 AI 应用场景找到了，但落不下去的窘境。再看行业，从我接触的样本看，AI 应用的深度，大致排序是：互联网＞先进制造＞医疗＞消费。互联网行业，程序员和产品人才密集，他们知道业务流程怎么拆、数据从哪里来、系统怎么对接，这些基本功迁移到 AI 上，毫无障碍。有时甚至会出现AI 应用泛滥的情况。先进制造的优势是工程师多，理工科底子好，流程意识强。不过有时会出现业务系统复杂，数据分散、数据难打通的问题。医疗行业，高学历人才多，硕博士很常见，学习能力较好。劣势是合规要求高、容错率低。同时，医疗从业者，对 AI 的理解相对互联网偏弱。消费和传统服务业往往更难用好 AI。虽然场景多、离用户近，但数字化基础薄弱，AI 人才被互联网行业虹吸，技术团队多数还以运维为主，研发能力不够强。举个极端的例子，同样一套 AI 工作流方案，先进制造企业的 HR 甚至前台，都能自己搭出来，但消费行业的技术团队，反而花了更多的时间才摸索清楚。
四、3条实操建议
1. 一定要体验最好的 AI 模型
我曾在普通 AI 上，花了1个多小时调试一个skill，效果始终不稳定。换了更好的AI，问题直接消失，每次都能准确的调用。更隐蔽的坑是，用普通AI模型执行任务失败时，你很难判断是流程设计需要优化，还是AI模型本身不行。用好的AI模型，至少能帮你排除模型本身的问题。即使最终想降成本，也该先用好模型跑通流程，再考虑替换更有性价比的模型。
2. 学好一类工具就够了
AI 新工具层出不穷，几乎所有人都会焦虑，不学新工具，好像就落后了。浅尝辄止的试过很多新工具，没太大价值。关键是，你有没有把一个AI工具用的足够深，深到能稳定的解决你的业务问题？AI 更新太快，很多东西转瞬即逝。24 年我还在教人用 AI 工具Stable Diffusion 绘图，现在它已经落伍了。不要追新工具，要追和你业务需求强相关的AI工具。哪个AI工具，能解决你的问题，就用什么。把一个AI工具用到能稳定产出结果，才叫真正用起来。
3. 先培养 AI 骨干，别指望全员培训。
全员培训当然有用，但它只是提高了那些本来就对AI很有兴趣的人的学习速度。对 AI 没兴趣的人，培训解决不了主动性问题。真正能让 AI 落地的，是在每个团队找到愿意折腾的人，给他们资源和激励，让他们成为内部的“AI 种子”。AI 落地不能靠外部讲师，一定是内部有人持续探索、持续迭代，再把AI应用经验扩散出去。
五，最后的话
说到底，企业用 AI 这件事，技术门槛是一方面。另一个重要的问题在于，团队愿不愿意把 AI 当成一个新同事，花时间去磨合、去共事。工具会过时，模型会迭代，但那些愿意主动拥抱变化的人和组织，永远不会被淘汰。感谢观看~如果觉得内容对你有用，欢迎点赞、转发、在看。
夜雨聆风
