AI商业洞察

AI再聪明，也翻不过数据的三堵墙

9月8日， Meta发布了一款叫Muse的个人AI助手。上线不到两周，它就把ChatGPT挤下了美区App Store免费榜第一的位置。

Muse做的事情很简单：帮你整理邮件、预订餐厅、管理日程、比价购物、填写表单。你给它一个目标，它自己拆解任务、调用工具、在后台帮你把事情做完。Meta给它的定位是"全天候替你完成任务的个人智能体"。

你可能会想：这有什么了不起？不就是AI帮你跑腿吗？

了不起的不是模型，是它跑腿时能进的那几扇门。Muse能连接Gmail邮箱、Google日历、OpenTable订餐平台、Spotify音乐服务。它读你的邮件，看你的日程，替你下单。这些服务有一个共同特征：它们建在邮箱和网页上，天然开放，AI可以自由调用。

现在把同一个产品搬到国内试试。你的邮件在邮箱APP里，你的日程在日历APP里，你的社交关系在微信里，你的购物记录在淘宝里，你的外卖订单在美团里。每个APP都是一座独立王国，AI连门都进不去。

同一个AI，在美国能进你的邮箱帮你整理日程，在国内连你的微信聊天记录都够不着。差距不在于模型够不够聪明，而在于数据到不了AI手里。

第一道墙：你公司内部的部门边界

这堵墙离你最近，你可能天天碰但没注意到。

一家典型的企业，销售数据在CRM系统里，财务数据在ERP系统里，客户沟通记录在微信群里，市场投放数据在各个广告平台后台。每个部门产生的数据，本身就有使用范围和边界。销售不想让财务看见客户名单，财务不想让销售看见成本结构，各自有各自的理由。

AI来了，你想让它帮你做全局分析。它问你要数据，你给它哪个？给CRM的，它看不到成本；给ERP的，它看不到客户。数据散在不同的系统里，AI再聪明，也只能看到一面墙后面的风景。

这件事其实不是AI时代的新问题。在AI之前，企业就在做一件事，叫"数据中台"。数据中台的本质，就是把各部门的数据打通，统一标准、统一口径，为决策提供依据。说白了，就是在拆企业内部的围墙花园。

但很多企业拆了一半就停了。预算花完了，项目组散了，数据接了一半没人维护了。以前没有AI的时候，数据没打通也能凑合过，大不了人工导出Excel拼一拼。现在AI来了，它要的是结构化、可调用的数据接口，不是几个Excel文件。墙还在那儿，AI撞上了。

数据中台不是可选项，是AI落地的前置工程。没拆完的墙，以前只是碍事，现在是挡路。

第二道墙：企业有IT部门，你有什么？

企业拆第一道墙的时候，至少有一个帮手：IT部门。但把视角从企业转到个人，情况完全变了。

做企业级AI交付的时候，数据接入是IT部门配合搞定的。他们有权限开接口，有预算买工具，有流程做数据治理。你想要CRM和ERP的数据打通，IT部门可以统一授权、统一接入。两道门槛，平台开门和用户信任，都有人帮你过。

但个人场景完全是另一回事。

你的生活散落在几十个APP里，没有一个中央管理员。微信不给你开接口，你没办法让AI读你的聊天记录。美团不给你导出订单数据，你没办法让AI分析你的消费习惯。每道门都得你自己面对，而大多数门，根本就不给你钥匙。

一位做快消品销售管理的朋友，用AI工具分析公司数据，效果不错。但注意一个细节：数据是他自己找的、自己喂的，没有人帮他打通底层。如果他的公司有IT部门做好数据中台，他连"自己喂"这步都省了，AI直接接进去就能跑。

企业级AI落地和个人AI落地，是两条完全不同的路。企业有IT部门帮你拆墙，个人面对的是几十扇锁着的门，连拆墙的工具都没有。

第三道墙：花园的围墙，从企业外面一直砌到国境线

如果你把视角再拉高一层，会发现更大的墙。

Muse在美国能跑通，不是因为Meta的模型比国内强。是因为美国人的数字生活建在一套天然开放的基础设施上。邮件用Gmail或Outlook，日历用Google Calendar，订餐用OpenTable，购物用Amazon。这些服务都提供标准化的接口，AI在用户授权下可以自由调用。你的数据分散在不同平台上，但平台之间的门是开着的。

国内的数字生活长什么样？你的社交在微信，购物在淘宝，外卖在美团，出行在滴滴，支付在支付宝。每个APP都是一座围墙花园，数据进得去出不来。微信不会给你开接口让外部AI读聊天记录，淘宝不会让你把购物记录导给第三方。每个平台都想把你锁在自己的花园里，因为数据就是护城河。

腾讯自己在内测一个叫"微信小微"的AI助手，目前只在微信内部调用服务，出不了微信这扇门。换句话说，腾讯的解法不是拆墙，而是在墙里面再修一个房间，让你在房间里玩。

一种是"你来我的花园里玩"，一种是"你的数据你自己带走"。国内目前走的是第一条路。

三堵墙，同一个问题：不是模型够不够聪明，是数据到不了AI手里。

谁先拆墙，谁先吃到AI的红利

三堵墙，从近到远：你公司内部的部门边界，企业和个人之间的授权结构，国内和国外之间的基础设施差异。墙越往外越高，你能动的空间越小。

但有一个顺序值得想清楚。

企业内部的墙，你自己能拆。做数据中台，打通CRM和ERP，这件事不需要等任何人。企业有IT部门、有预算、有流程，拆墙的工具都在手里。这是眼下就能动手的地方，也是企业AI落地最该先做的事。

个人面对的墙，你得等平台开门。微信什么时候给你开接口，美团什么时候让你导出数据，这不是你能决定的。

国境线上的墙，更不是个人能动的。那是基础设施层面的差异，要等政策、等市场、等整个生态的演化。

所以如果你正在做企业AI落地，别先纠结模型够不够强。先看看自己公司内部的那堵墙拆了没有。数据中台做到什么程度了，各部门的数据接口通没通，这些才是你能不能用上AI的前提。

当所有人都在比谁的模型更强的时候，真正决定AI能不能用的，是谁先动手拆墙。