以前要外包的小工具,现在业务部门用 AI 自己就能做

每篇讲一个 AI 落地里的真实坑。

上个月一家公司的研发总监来找我诉苦。他手下的业务部门绕过技术团队，自己鼓捣出了一个单据识别软件。

信息部负责人听说后非常恼火，在办公会上直接质问对方。系统出了纰漏谁来兜底，数据安全出了问题谁去顶罪？

这种内耗会越来越多的在企业里上演。业务端抱怨排期要等三个月，技术端又担心业务私自上线野路子软件。

总经理当时转过头来问我，这种事到底该堵还是该放？我的建议很简单，既然业务能自己跑出结果，就不要用老规矩去卡死他们。

两边最终坐下来定了规矩，业务可以自己做小工具，但数据接口必须由技术部把关。权责一旦厘清，扯皮自然就停了。

这类冲突扎堆出现，根本原因是工具的试错成本彻底变了。

过去做个专用识别软件要几十万，现在可能一顿饭钱就够了，降本增效的账第一次算到了部门一级。

两块钱算力跑出的小项目

开源平台 Hugging Face 的工程师最近写过一篇文章。他用自家平台的辅助工具，几天内一个人做出了六个小项目。

其中一个项目是识别柑橘叶片的病害。他拿自己手头的样本教现成软件识别，只用一张普通显卡跑了 2 个轮次。

在 335 张测试照片里，识别准确率从 14.9% 提到 52.8%。这趟尝试花掉的算力费用只有 1.90 美元。

另一个用于改写业务指令的项目，直接放在普通办公电脑的处理器上跑，有效输出率 99.7%。

这六个项目在系统里只用了 7 条指令，前后耗费的硬件成本加起来才 103 美元。虽说是工程师在自家平台上做的试验，但账本已经很清楚了。

当试错成本掉到几百块钱时，原有的审批流程还合算吗？如果每件百元级的小尝试都要写几十页汇报，公司光开会耗掉的薪水都不止这点钱。

以前需要成立项目组去外包开发的事，现在业务部门自己在工位上就能试出来。成本结构既然变了，管理逻辑就得跟着变。

放手前先立四条管理纪律

但放手不等于放任自流。很多老板一听成本低就撒手不管，结果三个月后各部门造出一堆没人维护的烂摊子，这同样是失职。

想让业务部门自己动手，必须先立下四条管理纪律。

第一条是死卡预算，每个小尝试必须设定费用上限，哪怕超支 10 块钱也得先打报告。

第二条是先定基线分数。如果你连现成软件原本能做成什么样都说不清楚，那业务部门后来宣称的所谓成效，你拿什么去验收？

第三条是正式开跑前必须做小样本冒烟测试。先拿三五张单据跑通流程，确认不会卡死，再把整批样本放进去处理。

最后一条是把核实过的规则写成死命令，固定下来。不要让业务员反复去试错，已经验证过行不通的路径，直接白纸黑字禁掉。

这套规矩的本质，是用清晰的底线换取一线的灵活。大项目依然走严格立项，但部门级的小工具，该给基层试错的自主权。

找三个两百块钱能试的工序

下周一你可以把各部门负责人叫到办公室，让他们列一张清单。找出三个目前排队等技术支持、但业务自己花 200 块钱就能试一下的具体工序。

你们部门现在有没有私下用得很顺手的小工具？说一个，看看是不是各家业务都在自己动手？

胡冰Hugo ｜ 企业 AI 落地顾问写给老板和高管的 AI 管理落地方法