花大价钱买的 AI,为什么都在吃灰?

先问一个问题。

你所在的公司，有没有买过 AI 工具 / 软件，但最后用不起来的经历？

再具体一点：卡在哪一步？是没人用、不会用、用了一半发现接不上业务——还是干脆，买了，开了几次会，然后就没有然后了？

别不好意思承认。这不是你们一家公司的故事，这是整个行业的故事。

第四篇，我们打开了老板的账本（降本、增效、控险、增收）；今天讲账本的另一面——

钱花出去了，东西为什么没转起来？

先说结论：AI 吃灰，往往不是员工懒，也不是软件差。

是因为"买回来"和"用起来"之间，隔着一条「最后一公里」——

而这条路上，没有人走。

一、"买回来" ≠ "用起来"：一条守在门口的"最后一公里"

「最后一公里」这个词，你肯定不陌生——快递到了城市的网点，就是不进你家门。

AI 落地，是同一回事。

原文有一段话，把这层窗户纸捅得很透：

现成 LLM 是通用的，但企业要的是把它接进自己的数据、权限、业务流程、合规要求，再调成稳定可用的样子。

注意这几个词：数据、权限、业务流程、合规要求。

通用大模型再聪明，它不知道你们公司的客户在哪个系统里、审批要走几步、哪些资料法务不让碰。

要用起来，就得把它"接进去"——接到能跑、能对上规矩、稳定可用的程度。

这一步有多难？原文继续：

把现成 LLM 改造成贴合某家企业的定制化智能体，工作量巨大，远程交付做不到，客户自己短期也搞不定。

三个"做不到"，方向一模一样：这条路上要干的活，只能在现场干。

于是结论顺理成章——

必须有人驻场走完「最后一公里」。

为什么"远程交付做不到"？因为最要紧的信息——谁说了算、数据在哪、哪里是坑——不在 PPT 里，不在需求文档里，只存在于一线。

为什么"客户自己短期搞不定"？因为这是专业活：既要懂 AI，又要懂业务，还要能动手组装。

所以，"买了 AI 却吃灰"根本不是意外，而是一种结构性的必然：

只要没有人走这一公里，买什么都会堵在门口。

二、三层楼，三次吃灰

过去的公司，其实试过不止一次。

站在今天回头看，大家买 AI，走过了三层楼：

1F · 买"个人工具"——给员工发账号。

这是最直觉的一层：几个 AI 账号、几场内部培训，人人都能写邮件、做总结、生成代码。

然后呢？原文的形容很扎心：

AI 停留在个人工具：写邮件、做总结、生成代码，个人变快了，协作仍然是摩擦和转述。

个人快了，组织原地踏步——因为会议、客户反馈、部门口径，还是要靠人来传。

还有一种更普遍的状态，叫"假装自己用起来了"：培训做了、截图发了、周报里提了，然后，没有然后了。

2F · 买"标品"——把 AI 当软件买。

这一层延续的是上一代的思维惯性：软件是标品，买回来装上就能用。

但 Palantir 二十年前就想明白了一件事：

复杂软件不可能「卖张光盘让客户自己装」。

软件可以打包，业务不能。

每家公司有自己的流程、自己的数据、自己的权限——标品，装不进现场。

3F · 买"定制"——找人做一个专属的。

到这一层，思路终于对了：量身定做。

但等待大家的是三座大山：工作量巨大、远程交付做不到、客户自己短期也搞不定。

——又绕回了那条"最后一公里"。

三层楼走完，钱花了几轮，撞的是同一堵墙：

不是买法不对——是每一层，都缺同一个角色：走最后一公里的人。

三、6:1 法则：软件 1 块钱，"用起来"6 块钱

说到这，得算一笔账。

如果"最后一公里"真的那么贵，到底有多贵？

原文给了一个干净得可怕的答案：

「6 比 1 法则」：企业在服务上花的钱，是软件上的 6 倍。每花 1 美元买软件，就要花 6 美元请人帮你用好它。

换成人话：软件是入场券，大头全在"用起来"上。

这笔账，以前有两拨人没算明白——

第一拨，是买软件的公司：总以为花 1 块钱买了软件，事情就成了。

第二拨，是卖软件的公司：辛辛苦苦卖软件，只赚到那 1 美元。

OpenAI、Anthropic 以前就是第二拨——只赚那 1 美元（API / 订阅）。

还记得第一篇里那场"抢人大战"吗？现在你看到下半句了：

现在要把那 6 美元也赚了。

怎么赚？派人，下场，走最后一公里。

而这笔账里，最有意思的证据不是哪份研报，是资本市场的即时反应：

宣布做 FDE 当天，埃森哲、高知特、印孚瑟斯等 IT 服务公司股价下跌 3%–5%。

为什么是这几家跌？

因为那 6 美元，过去几十年一直是他们的生意——帮企业把软件用起来。

现在，OpenAI 们带着模型能力，直接从源头杀进来了。

跌掉的这 3%，就是市场对"最后一公里"的定价。

所以从今天起，记住这笔账：

AI 落地最贵的，从来不是软件——是让软件"转起来"的那条路。

四、"实物值钱，人不值钱"：被我们省掉的一公里

讲到这，可能有老板不服：那 6 美元我也认——可为什么我们公司里，从来没人给这一公里花钱？

因为预算结构里，根本没有这一项。

原文有一组对比，堪称"中国 AI 落地"的一份体检报告：

海外 IT 预算 30–50% 是「专业服务费」，国内硬件 / 软件 License 占大头，实施服务被压到 10–20% 甚至「赠送」，客户心智是「实物值钱、人不值钱」。

看明白了吗——

海外企业做信息化：三到五成的钱，是花给"人"的——请专业的人，把系统真正用起来。

国内企业做信息化：钱几乎全花在"物"上——买硬件、买软件、买 License；至于"用好"？最好"赠送"。

这背后是一种很深的心智：

实物值钱，人不值钱。

买台服务器，值；买套软件，值；请人把软件用起来——"这不就是顺手的事吗？"

于是，最后一公里被"顺手"省掉了。

省掉之后呢？原文里还有更冷的一句：

国内 AI 项目合同普遍能给驻场的预算非常有限，做一单常亏一单。

一边，是客户不愿意为"用起来"付钱；另一边，是走完这一公里确实要付出巨大成本——

中间的窟窿没人补，吃灰就成了大多数项目的默认结局。

五、标品时代正在终结：AI 没有"现成产品"

那是不是"等一等"就行了？等大厂的 AI 产品打磨成熟，买来就能用？

原文的判断很直接：

上一代 SaaS 产品标准化、可规模化；但 AI Agent 没有现成产品。

为什么没有？

因为上一代 SaaS 的逻辑是：在总部把产品打磨成标品（比如 Salesforce CRM）——PMF 在总部就搞定了，销售只管卖。

这里插一个词：PMF（产品市场契合度）。它指产品真正匹配了市场需求——用户愿意持续用、愿意付费、还会主动推荐。

没到 PMF 的产品，做再多增长都是浪费。

而 AI Agent 面对的现实是：

每个企业的业务流程、数据、权限都不一样，PMF 必须在客户现场、从企业内部出发去探索。

上一代，PMF 是产品的属性；这一代，PMF 是现场的作品。

原文有一句话，建议每个做 AI 的人都抄下来：

有太多「产品探索」的工作，只能从企业内部出发做。

也就是说：坐在办公室里想出来的"通用产品"，大概率是自嗨——

真问题，得进到别人公司里去找。

所以 YC 那句著名的「do things that don't scale」（做那些不规模化的事），被这波人升级成了一句更狠的：

大规模地做那些不规模化的事。

一家一家地驻场、一家一家地找问题，再把共性沉淀成产品。

顺序，和上一代彻底反过来了。

六、一个律所，教会 AI 公司的事

空讲道理没意思，来看一个真实案例。

有一家法律科技公司，一开始做的是"通用法律问答 Agent"。

功能很全——什么法条都能答。然后呢？

客户不买单。

（记住这个状态：功能很全 + 客户不买单 = 没到 PMF。）

后来，FDE 驻场进了一家律所，待了一段时间，发现了一件"通用产品"永远发现不了的事：

律师真正头疼的，不是"查法条"，而是合同初审——

每份合同要花 2–3 小时逐条审风险，而且初级律师水平参差不齐，质量全看运气。

于是，针对这个具体场景，FDE 做了"合同风险自动标注 Agent"：

输入合同 PDF → 自动标出风险条款 + 修改建议 → 律师 10 分钟复核即可。

结果：律所愿意按"每份合同"付费，还主动推荐给了同行。

——这就是找到了 PMF。

这个案例里，藏着两种生意的分水岭：

SaaS 是"有了标准化产品找客户"，FDE 模式是"先进客户现场找真问题，再把解决方案沉淀成产品"。

一个从产品出发，一个从现场出发。

在 AI 这个阶段，后者才是能跑通的那条路。

七、别再问"买了什么"，问"谁对用起来负责"

好，现在回到最开始的问题：AI 为什么吃灰？

把前面六节的答案叠在一起，其实就一句话：

买了工具，但没有人对"它被用起来"负责。

卖软件的人，卖完就走（拿那 1 美元走了）；公司里的人，各有各的 KPI；老板以为买单就是终点。

那真正跑通的落地，长什么样？

原文用"两种公司"给出了对照——

第一种：AI 停留在个人工具。

写邮件、做总结、生成代码——个人变快了，协作仍然是摩擦和转述。

第二种：AI 进入组织运行。

任务被拆成可以判断、执行和验收的环节；会议、客户反馈和规则进入共享上下文；agent 可以行动——权限和最终责任，仍有对应的负责人。

看出来了吗？

第二种里，每一个"AI 干的活"背后，都站着一个具体的人：确定方向、协调资源、为结果负责。

这，就是「最后一公里」上真正要走的动作：

不是装软件、不是做培训，而是把 AI 编进组织的运行里，并且责任到人。

这也是 FDE 这个角色存在的理由——

被派驻、嵌入到组织内部，把通用技术"裁"成你们公司能用的东西，并对业务结果负全责。

所以，无论你是老板，还是推进 AI 的人，从今天起，把这个问题贴在墙上：

这件事，谁对"用起来"负责？

答不上来——就先别买。

最后

把镜头拉远一点。

AI 吃灰这件事，表面上看是"工具没用好"，本质上是又一次"软件思维"的破产：

我们习惯给"物"付钱，不习惯给"用起来"付钱；

习惯买一个产品，不习惯请一群人对结果负责。

但市场已经用 6 倍的价格差，和跌掉的那 3%，把答案写出来了。

最后一句，来自原文，也是今天这篇文章真正的底：

与其只问部署了什么工具，不如看一看 AI 在组织中的地位。

工具是买来的；地位，是人给的。

你公司买过的 AI，现在躺在哪个角落？

它还在"个人工具"那一层，还是已经进了"组织运行"？评论区聊聊。

（下一篇预告：AI 很好，但不是所有事都值得交给它——5 条标准，帮你选出"第一个该交给 AI 的场景"。）