有人花了几百万买AI工具,结果一线还在用老办法——问题出在哪?

前阵子跟一位长三角某地市公司的运维总监聊天，他跟我说了一句话，让我印象特别深——

“这两年我们在AI上没少花钱，国内外的大模型都试了，内部培训也搞了好几轮。可你说效果怎么样？说实话，一线同事该用什么老办法，还是什么老办法。”

他当时的表情，有点无奈，也有点着急。钱花了，热闹有了，结果呢——AI变成了公司的”面子工程”。

01 两道指令，方向彻底变了

4月28号那天，国家一口气发了两个关于AI的重磅信号。很多人可能没太当回事，但说实话，这两个信号直接定了接下来一两年AI行业的调子。

一个是工信部和国家数据局联合启动的2026年”模数共振”行动。这次不再是只喊口号说要发展大模型了，而是明确要打通”数据—模型—场景应用”的完整闭环。

你看它列的任务清单：高质量数据集、行业模型、专用模型、特色智能体、”模数共振”空间建设，最后目标是打造”智能体工厂”。这已经不是单点突破的思路了，而是要建一整套生态。

另一个更重磅——当天的中央政治局会议专门提了，要全面实施”人工智能+”行动，发展智能经济新形态，同时完善人工智能治理。

“把这两个方向放一起看，方向再清楚不过了：国家推动AI的重心，已经彻底从技术研发转向了产业落地、流程改造和治理配套。”

AI这件事，终于从”能不能用”的阶段，走到了”怎么真正用起来、用出效果”的阶段。

接下来企业之间真正拉开差距的，大概率不是谁先做出了参数更高的模型，而是谁能先把AI真正嵌进自己的业务里，拿出实实在在的经营结果。

02 南钢做对了什么

说到”用出效果”，我想到了南钢。

这两年南钢推AI，很多人知道他们跟华为联合发布了”元冶·钢铁大模型”，但大多数人不知道的是——他们做AI的顺序，跟绝大多数企业是反的。

大多数企业的逻辑是：先买最贵的工具，再找能用的场景；先接最火的模型，再补需要的数据；先做个漂亮的演示给领导看，后面才慢慢想责任边界怎么划。

南钢不是这样。他们没有把”模型有多强”摆在第一位，而是先把钢铁工艺场景和数据底座做扎实了。

公开资料显示，南钢的AI已经覆盖了视觉检测、工艺优化、质量预测、设备运维等关键场景，”元冶”大模型已经落地了30多个智能应用。

更关键的是背后的东西——超100万个数据采集点，覆盖铁、钢、轧全流程的数据汇聚体系，最后形成了”感知—分析—决策”的完整闭环。吨铁成本，实现了明显下降。

这个案例真正值得所有企业学习的，不是他们做了个大模型，而是他们的推进顺序：先把场景找准，再把数据打通，再去匹配合适的模型，最后让智能能力真正进入生产环节。

AI落地的顺序，
比AI工具本身更重要。

03 很多企业的AI，其实都做反了

这两年我见过太多企业做AI，钱没少花，力没少出，但最后效果寥寥。

工具买了一堆，国内外的大模型API都接了，员工培训也搞了好几轮，内部还跑了不少试点项目。表面上看热热闹闹，公司里人人都在谈AI，但真正能进流程、进岗位、进考核指标的，没几个。

问题到底出在哪？其实大多是第一步就走错了。

很多公司的逻辑是：先买工具，再找场景。这个顺序反了。正确的顺序应该是——

• 第一步，先找场景。
  
  先想清楚，公司里哪件事用AI改了之后，能直接带来效率提升、质量改善、成本下降或者客户体验变好。
• 第二步，再看数据。
  
  确认这个场景需要的关键数据，能不能稳定取到、能不能直接调用、数据质量够不够。
• 第三步，才是选模型。
  
  根据具体任务选最合适的模型，不是越贵越好，也不是参数越高越好。
• 第四步，明确智能体的位置。
  
  想清楚这个AI智能体应该接在流程的哪一个节点上，它具体负责做什么。
• 第五步，把责任、权限、审计和考核指标都补齐。
  
  谁来发起、谁来审批、谁来复核、出了问题怎么追溯，还有怎么衡量这个AI项目的效果。

只有把这一串动作完整接起来，AI才有机会从PPT和演示厅，真正走到生产经营的第一线。

04 运营商的”炼钢场景”在哪里

说回运营商。我们跟南钢其实有很像的地方——都是重资产、重运营、有大量一线人员和设备。

但很多人做AI，第一步就走错了：先买工具、先接模型、先搞培训。结果就是，AI停留在展示层，进不了核心业务流程。

那么，运营商的”炼钢场景”到底在哪里？我想了想，至少有五个方向，是真正能连到经营指标的：

• 网络运维的预测性维护
  
  ——用AI分析基站设备运行数据，提前预警故障。南钢能做到”提前感知、提前决策”，我们的基站为什么只能等坏了再修？
• 客户需求预测与精准营销
  
  ——我们有海量的用户行为数据，但这些数据大多躺在系统里。南钢用100万个数据采集点做到了闭环，我们的数据条件其实更好。
• 智能排产与资源调度
  
  ——每逢重大活动保障，资源调度靠经验。AI可以把”经验排产”变成”数据驱动排产”，响应速度从小时级降到分钟级。
• 一线装维的智能辅助
  
  ——装维人员现场遇到疑难问题，用AI视觉识别+知识库，新手也能按步骤处理。南钢的维修助手让新员工上手时间缩短50%，这个我们直接用得上。
• 机房与基站的能耗优化
  
  ——能耗占运营成本的很大一块。AI可以做到”按需供电、智能休眠”，在不影响服务质量的前提下实现节能。

场景其实不少。但为什么大多数还停留在”试点”阶段？因为大多数企业做AI，是”工具先行”；而南钢做AI，是”场景先行，数据紧跟，模型匹配，责任落脚“。

别再问”我该买什么AI工具”，
先问”哪件事用AI改了之后，
能直接改善经营指标”。

05 接下去怎么做？四步就够了

方向已经定了，不用再纠结”要不要做AI”，问题是”怎么做才有用“。

如果你们公司也正准备推AI，我建议按这个顺序来——

第一步：找场景，不是买工具

别想着一次性铺开，先挑一条最痛、也最容易出结果的业务链路。南钢选的是”质量预测”，因为这个问题解决了，吨铁成本直接下降。你的”质量预测”是什么？

第二步：看数据，不是买算力

很多企业不是没有数据，是数据还不能直接用。关键字段是否完整？口径是否一致？能不能稳定调用？南钢有100万个数据采集点，而且是”铁、钢、轧”全流程打通的。我们大多数企业的数据，还散在各个系统里，调都调不动。

第三步：定边界，不是追功能

这个智能体，负责到哪一步？哪些环节可以自动做，哪些必须有人复核？边界一旦模糊，流程就接不稳，责任也说不清。

第四步：补机制，不是看热闹

谁发起、谁审批、谁复核、出了问题怎么追溯？结果怎么衡量——响应时间缩短了多少、误差降了多少、人工省了多少？

这四步做到位，AI才不只是一个试点项目，而是一个可以持续放大的经营动作。

06 最后说一句

4月28号这两条信息，真的不只是普通的政策新闻。对所有运营商来说，它更像一次非常明确的提醒：AI落地的重心已经彻底变了。

下一阶段，真正要比的，不是谁先买了工具，谁先接了模型，谁的故事讲得更热闹——而是谁能先把一个具体的场景跑通，先把实实在在的结果做出来，再把它复制到更多的业务环节里去。

南钢用AI把钢铁炼成了”数据”，降本增效的结果摆在那里。

运营商的你，找到自己的”炼钢场景”了吗？

AI落地，场景先行。
找到那件”改了之后能直接改善经营指标”的事，
然后把它跑通。

AI落地场景，没有标准答案。

它跟你的市场阶段有关，跟你的团队文化有关，跟你手里这些人的真实状态有关。

你们公司，有没有开始找自己的”炼钢场景”？

欢迎在评论区留言，我们一起聊聊。

贴地飞行寻真问，愿聚众智，为您拨开迷雾见本质。

如果这篇文章对你有触动，欢迎转发给你的团队伙伴 🙌

关注【运营商人才培养】，每天分享有价值的方案与洞见