为什么上了一堆 AI 工具,业务部门还是觉得没用

预计阅读 6 分钟 · 约 2000 字

这篇文章聊的是我自己观察到的一些现象，也不一定对，就是拿出来跟大家讨论。

很多做数字化的朋友，应该都有过一个共同的困惑。

AI 工具买了一堆，培训也做了，甚至还专门招了人，但业务部门就是不买账。问起来就是"还不如我原来的方法好使"。推不动，用不起来，钱花了，效果看不见。

问题出在哪？

是工具不好用？还是员工太保守、不愿意接受新事物？

至少我接触过的几个案例里，答案都不是这两个。问题出在你把 AI 放错位置了。

我见过的大部分公司，AI 都停留在"工具人"阶段。

什么叫工具人？就是业务已经做完决策了，AI 来帮忙执行。

比如，运营已经定好促销方案了，让 AI 写个文案。销售已经定好拜访路线了，让 AI 整理个纪要。产品已经定好新品方向了，让 AI 做几张图。

这种用法不能说没用，但价值非常有限。AI 只是个"更快的执行者"，本质上跟换了个更好用的 Excel 没区别。

真正的价值在哪？在"决策 AI"。

让 AI 先出方案，人来审核调整。AI 是业务的参谋，不是打杂的。

李开复在《AI未来已来》里有个说法，企业数字化转型要让 AI 进入决策中枢。 这句话听着简单，但很多人没理解它的分量。不是"用 AI 提效"，是"让 AI 参与决策"。这完全是两个层级的事。

三个原因，是我跟不少企业聊下来的共同感受。

第一个原因，额外工作量，不是减少工作量。

原来十分钟能写完的文案，现在要先想 prompt，再改 AI 出的内容，可能花十五分钟。表面上是用了 AI，实际上更累了。员工当然抵触。

你可能会说，熟练了就快了。但问题是，员工为什么要花时间去熟练？省下来的时间是公司的，学习成本是自己的。这个账，员工算得比谁都清楚。

第二个原因，价值不直观，看不到 ROI。

"文案写得更快了"，快多少？省了多少时间？这些时间省下来干嘛了？说不清楚。

老板觉得花了钱没看见效果，员工觉得增加了麻烦。两边都不满意，最后 AI 工具就成了摆设，只有数字化部门自己在用。

第三个原因，也是最根本的原因：没进入核心流程，自然可有可无。

AI 在业务流程的外面，不在里面。业务该怎么干还是怎么干，AI 只是个附加选项。可用可不用的时候，人当然选择不用。

就像你家里买了个扫地机器人，刚开始新鲜用两次，后来嫌麻烦，还是自己扫。不是机器人不好用，是它没成为你生活里必须的一环。

之前帮一家电商企业做数字化系统选型，老板一句话定调：用 AI 一步到位，把现有系统全替掉。他的原话大意是，就想一步到位买个大的，不想从小的一点点换，折腾。

听起来没毛病。但跑了一段时间调研，我越来越觉得，这步子迈得不是大了，是方向偏了。

他们最初的需求很轻，就是处理线下订单，用个多维表格就能撑住。但需求一路膨胀，线上订单也要接，全平台运营数据要抓，快递系统要对接，打单发货要走系统。复杂度直接翻倍。

但你猜怎么着？真正推的时候，业务部门最抵触的，不是系统复杂，是"这东西跟我有什么关系"。

因为系统是从"管理"和"提效"的角度设计的，不是从"帮业务做决策"的角度设计的。业务部门觉得，你就是来给我加活的，让我多填几个表，多走几道审批。我原来的方法虽然笨，但我自己说了算。

这就是工具人思维的典型问题——你想着怎么让工具更厉害，但业务想着的是，这东西能帮我少担点责、多挣点钱吗。

还是拿促销选品举例子。这个场景很多行业都有，不特指哪家。

工具人 AI 的做法是这样的。运营花好几天拉数据、做分析、拍板选哪些品，然后让 AI 写促销文案和做海报。AI 在最后一步，价值是"省了文案和设计的时间"。

决策 AI 的做法完全反过来。

AI 先花半天时间，基于历史销售数据、节假日、天气、竞品动态，算出三个促销方案。每个方案选什么品、打几折、预计 ROI 多少，数据都列得清清楚楚。运营只需要花一小时审核这三个方案，选一个最合适的，或者调整一下。

区别在哪？

工具人 AI 省的是执行时间，价值有限。决策 AI 省的是分析和判断的时间，还提高了决策质量。更重要的是，AI 在流程的前面，不是后面。业务离不开它，而不是可选可不选。

这就是我理解的"AI 进入决策中枢"的意思。不是让 AI 当老大，是让它从"打下手的"变成"出主意的"。

知道了方向，具体怎么做？给你三个我自己试过的建议。

第一个建议，从业务痛点出发，而不是从技术出发。

别一上来就问"AI 能干嘛"，要问"业务最痛的决策是什么"。

找到那个"每次做都要花很多时间、还经常做不准"的决策点，把 AI 放进去。比如需求预测总是不准、促销选品总是拍脑袋、库存分配总是不合理。这些痛点，就是 AI 最好的切入点。

从痛点出发，业务部门才会有动力用。因为解决的是他们自己的问题，不是数字化部门的 KPI。

第二个建议，先做"辅助决策"，再逐步放权。

别一上来就想全自动。我见过很多人搞 AI 落地，一开口就是"全流程自动化"，听起来很厉害，实际上死得最快。

先让 AI 出方案、给建议，人来拍板。这样风险可控，也容易建立信任。等 AI 的方案准确率越来越高，再逐步把低风险决策交给它。

信任是一步步建立的，不是喊口号喊出来的。

第三个建议，把 AI 嵌进现有工作流，而不是让员工多开一个系统。

最好的 AI 工具，是员工感觉不到自己在用 AI。

它就在你每天用的系统里、表格里、流程里，自动帮你算好、提醒你。单独搞一个 AI 平台，让员工主动去用，大概率会死掉。

因为人是有惯性的。改变习惯的成本太高了。你要做的，是把 AI 塞进他已经在用的工具里，让他不用改变习惯就能用上。

我接触的很多 AI 落地案例，做不起来的，根子往往不在技术。

你把它放在执行层，它就是个高级工具，省点小钱。你把它放在决策层，它就是个超级参谋，创造大钱。

区别不在于 AI 有多聪明，而在于你敢不敢把它请到决策桌上来。

下一篇我们聊聊，为什么说 AI 落地最大的障碍，从来不是技术，是人的思维。