企业 AI 落地

写给正在评估、或者正在推 AI 落地的公司

很多用了 AI 的企业都有同样的问题，复盘时总是说：

"软件我们买了，AI 团队我们也请了，钱花了三十多万。现在的问题是——业务部门还在用微信群问我报价。"

这句话背后，不是一个技术问题，是一个责任错位的问题。

于是这几年你看到了一种很奇怪的现象：企业买 AI 软件像买菜，一套接一套；招 AI 团队像装修，一队接一队。但真正在业务里跑起来的 AI，几乎都是零星的、靠一两个人硬顶着的。

问题不在软件，也不在外部团队。

问题在于：企业里没有人真正"对 AI 落地"负责。

— AI 落地需要三方同时在场

一、先说结论：AI 在企业里不是软件，是"半个人"

一套软件买回来是资产，一个 AI 用起来是能力。

而能力长在公司里，长在流程里，长在人的工作习惯里——它不在任何一套系统里。

要让这"半个人"真正在公司里站住脚，至少需要三个角色同时在场，缺一个都跑偏：

一号位（老板 / 决策层）

决定"AI 先解决哪件最值钱的事"，并且亲手拍掉组织上的阻力——谁归谁管、预算从哪出、考核怎么改、部门愿不愿意把手上的活交出去。这一层缺位，后面全是内耗。

技术人员（IT / 数字化 / AI 团队）

把一号位定的方向翻译成能跑的东西：数据怎么通、接口怎么接、流程怎么嵌、系统怎么不被绕过，并且在上线之后持续运维和迭代。这一层缺位，再好的战略都落不了地。

业务部门（一线的实际使用者）

真正愿意改变自己每天的手工动作。这一层不动，前面两层做出来的东西就只是"演示很惊艳、上线即冷"。

三句话总结：一号位给方向和权力，技术人员给落地和血汗，业务部门给真实场景和每天那 20 次使用。

AI 落地，本质是这三方的一个协同项目，不是一次采购。

二、为什么"只买一套 AI 软件"做不成

软件是能力上限，不是能力本身。

同一套工具，装在不同公司里，产出的结果能差十倍。差在哪？差在有没有人把它当自己的事在推。

典型症状是这样的：

• 买了知识库问答，没人往里传最新文档，问出来的答案三个月前的；

• 上线了 AI 助手，销售、设计、工艺都试了两天，然后回到原来的老办法；

• 一号位在启动会上说了句"大家多用起来"，之后再也没提过；

• 技术团队把功能都做完了，最后发现业务方的真实流程是另一条路。

— 买回来的软件，往往是这样的使用状态

原因很简单：软件交付的是功能，落地交付的是行为改变。这两件事，一套采购合同解决不了。

三、为什么"请外面的 FDE 团队"也做不成

FDE（Forward Deployed Engineer，前置交付工程师）是个好东西，它能把 AI 真正塞进业务现场做深。但它有明确的适用边界：

1.它能替你干活，但替不了你做内部决策。要打通哪个系统、哪个数据可以给、哪个流程要改、哪个部门要得罪——这些只有你公司内部的人能拍。

2.它会走，你不会。项目结束、团队撤走，系统谁来维护？模型换了效果掉了谁盯着？三个月后 AI 悄悄没人用了，这种事你我都见过。

3.它交付的是"能力"，不是"自驱"。外部团队再尽职，也不可能替你的员工养成每天用的习惯。

— 外部团队的三个边界，以及撤离之后

FDE 正确的用法，是做你的外挂，不是做你的替身：帮你打通最难的那一段、帮你把第一个样板间立起来，然后把能力交接给你内部的技术人员。

如果一个项目从第一天就注定"永远依赖外部团队"，那它大概率会死在交付日之后。

四、企业 AI 落地最常见的三种死法

— 最常见的三种死法

死法一：从"选工具"开始，而不是选"问题"开始。

先定了工具、再去找场景。结果所有场景都在往工具的框里凑，最后做出一个"演示效果很好的、没人真正在用的"系统。

死法二：一号位只在启动会上出现过。

AI 项目最常见的死法，不是技术失败，是高层不再过问。因为它的失败是渐进的、沉默的：没人投诉，也没人用。等发现的时候，已经过去半年，团队的心气也散了。

死法三：技术团队没决策权，业务团队没有使用压力。

技术团队提了个需求，等了三周没排上；业务团队照旧用老办法，谁也没损失。AI 就这么被"软着陆"了——没有任何人反对，也没有任何人使用。

五、上线前的 10 条自检清单

给你自己的项目，也给你正在评估的项目打个分。每一条都要有名字。

1. AI 要解决的那个问题，是否明确写下来，并且只用一句话说得清？

2. 这个问题值多少钱？一年省多少小时、少多少差错、多多少收入，能否估出来？

3. 一号位是否在指定的具体时间点（比如每月一次）听进度，而不是等出问题才问？

4. 一号位是否已经明确说过：这件事由谁牵头，其他部门要配合什么？

5. 内部是否有技术负责人（不是外部团队）负责系统长期运行和数据质量？

6. 首批使用的部门，是否是流程最清晰、配合度最高的那一个，而不是最难的？

7. 上线后第一个月，是否安排了固定的"吐槽会"收集不好用的地方？

8. 是否有一个明确的使用数据指标（日活、问答量、采纳率），而不是只汇报功能进度？

9. 外部团队交付时，是否有内部技术人员全程跟岗，能独立接手？

10. 如果明天外部团队撤走，系统还能不能跑？

前 3 条答不清楚，先别开工。前 6 条有两条答不清楚，风险很高。

六、所以第一步该做什么

不是选模型，不是选产品，不是做预算。

第一步是：找出 3 个"每周至少发生 3 次、每次耗时 1 小时以上"的重复动作。

这三条动作要满足：有明确的正确答案、能拿到数据、业务方自己觉得烦。

先把这三个动作干掉，做到"业务方主动来用"，再谈规模化。

在这个过程里，一号位的任务是把方向拍死、把资源打开、把考核调过来；技术人员的任务是把这条路铺平，并且保证它明年还能跑。

— 正确的三方分工

这两件事没法外包。

结尾

企业 AI 落地，本质上不是一次技术采购，而是公司的一次组织能力升级。

软件可以买，团队可以请，但一号位和技术人员必须在同一张桌子上——一个给方向和权力，一个给落地和坚持。

— 第一步，从三个重复动作开始

如果你正在评估 AI 项目，可以把上面的 10 条清单打印出来，逐条问自己：我能答上几条？

答不上来的那几条，就是你接下来要补的。