夜雨聆风最近拜访了一位做企业服务的老板。
聊到一半，他说了一句让我印象深刻的话：
"CRM我们用过，没什么用，业务还是靠人跑。"
然后他话锋一转——
"所以我现在想用AI，帮助公司降本提效，最好还能打造成一套产品卖出去。"
我当时心里只有一个念头：这两句话，其实说的是同一个问题。
而这个问题，正在以"AI焦虑"的新面目，在中国中小企业里重演。
从ERP到CRM，再到AI——相似的困境，不同的工具
二十年前，ERP席卷中国企业界，流传着一句话：
"不上ERP是等死，上了ERP是找死。"
这句话背后的真相是：ERP失败，根本原因在于企业流程未经梳理就强行系统化，叠加实施复杂、组织变革阻力大，最终工具成了负担。
后来是CRM，再后来是各类数字化工具。每一轮，故事的结构都高度相似：工具买了，认知没跟上，落地就卡死。
AI这一轮，和前几轮既有相似，也有本质不同——
相似之处
认知依然是瓶颈，在没想清楚"解决什么问题"之前就引入工具，结果都是浪费资源、打击信心
本质不同
AI的试错成本低得多，不需要百万级实施费用，不需要大规模流程再造，很多工具开箱即用，验证一个场景的成本可以压缩到极低
这意味着：AI时代没有理由"因为怕失败而不试"，但同样没有理由"因为便宜就乱试"。方向和节奏，比速度更重要。
那位老板的CRM为什么没用起来？
他用了CRM，但没用好。这件事值得认真拆解，因为它和今天很多人用AI失败的逻辑如出一辙。
CRM失败，表面是"没人录数据"，根本是业务流程本身缺乏结构化定义——线索从哪来、怎么跟进、什么状态算推进、什么条件算成交，这些如果没有共识，系统只能记录混乱，而无法产生洞察。
关键认知
数据质量对AI应用的影响，取决于你使用的是哪一类AI能力。这是很多老板没有区分清楚的地方，也是决策出错的根源。
类型一 · 今天就能用 调用通用AI能力
文案撰写、会议纪要、方案初稿、客服问答……这类任务依赖大模型的预训练能力，不需要企业自有数据，现在就可以接入使用，产生实际价值。
类型二 · 需要数据基础 训练或微调专属模型
基于企业自身业务数据训练专属模型、构建行业知识库、搭建自动化决策流……这类应用高度依赖结构化数据的质量与规模，没有数据基础就是空中楼阁。
这位老板连CRM数据都没沉淀下来，却想直接训练专属模型、搭建全流程自动化——他跳过了类型一，直接冲向了类型二。这是最常见、也最昂贵的弯路。
他的四段业务流程，该从哪里切入？
他的业务核心分四个阶段，希望用AI提升前三段的效率：
阶段一 线索跟进 签约促成
阶段二 资料准备 文件整理
阶段三 方案制定 客户确认
阶段四 项目交付 落地执行
当我问他："哪个环节最卡？最耗时间？"他想了想说："就是整体都提一提吧。"
这是一个值得警惕的信号
"整体都提效"意味着没有一个环节被真正想清楚。AI无法优化一个边界模糊的流程——它需要明确的输入、可衡量的输出，以及足够高频的重复场景。
在四个阶段中，阶段二（资料整理）和阶段三（方案初稿）往往是信息处理密集型任务，最适合今天就用AI介入；而阶段一的客户谈判、信任建立，目前AI更多扮演辅助角色，而非替代角色。
在决定"用AI做什么"之前，有三个问题值得先问自己：
场景自检三问
1 这个业务环节，每天或每周重复几次？---重复频率越高，AI介入的回报越明显
2 它的输入和输出，是否相对固定和可描述？---越结构化的任务，越容易被AI接管
3 这个环节目前最大的时间成本在哪里？---能量化的痛点，才是值得优先投入的场景
能清楚回答这三个问题的环节，才是值得优先用AI介入的地方。
他还有一个更大的目标：先自用，再卖出去
老板的商业构想是：先在自己公司跑通AI工具，验证有价值之后，再推广给同行或其他企业，做成可售卖的产品。
这个路径逻辑上成立，也是很多To B产品的经典起点。但它有一个常被忽视的关键环节：
常见误区
内部用好 ≠ 可以推广
单一企业的内部验证，不等于行业普适性。每家企业的组织结构、数据状况、人员素质差异极大，自己用得好，推给别人可能完全水土不服
完整路径
验证 → 抽象 → 标准化
从内部验证到外部产品化，中间还需要经历场景抽象、流程标准化和可复制性验证——这才是完整的商业化路径
一个务实的建议
不要等到"整套系统都跑通"再考虑推广。更好的方式是：找到一个最小可验证的场景，跑通它，把效果数据化（节省了多少时间？减少了多少错误？），用数据说话，再逐步扩展。
一个有数字支撑的小案例，远比一套完整但未经验证的方案更有说服力。
中小企业用AI，正确的节奏是什么？
1 先梳理流程，再选工具
把业务SOP写清楚，明确每个环节的输入、输出和责任人。这不是为了AI，而是企业管理本该做到的基础工作。有了这个基础，AI才有用武之地。
2 从"通用能力"入手，积累数据资产
不必一上来就训练模型。先用成熟的通用AI工具解决眼前的信息处理类任务，同时建立数据记录规范，为未来更深度的AI应用打好地基。
3 找一个点，真正跑通并量化
不要试图一次AI化整个公司。找到最高频、最结构化的那个痛点，用最小成本验证，并用数据记录效果。一个有数字支撑的小胜利，是所有扩张的真正起点。
4 理解AI的能力边界，用对场景
AI在"信息处理密集型"任务上效率显著——文案、整理、初稿、问答。在"关系信任驱动型"和"非结构化动态判断"任务上，目前仍以辅助为主。用对了是杠杆，用错了是负担。
写在最后
那位老板是清醒的，他已经在思考正确的方向。他身上的困惑，也是今天大多数中小企业主正在经历的困惑。
AI这一轮机会，和ERP、CRM那几轮真正不同的地方在于：门槛更低，试错成本更小，普通企业真的有机会用好它。
但前提是，你得先把自己的问题想清楚。
你的企业今天的真实情况，决定了AI能为你做什么。不是别人在用什么，决定了你该用什么。
不焦虑，不盲从，不跳步。立足当下，找到那一个真实的问题，跑通它。这是中小企业用好AI最朴实、也最可靠的路径。
------------------关于我-------------------
更关注的不是“AI能做什么”，而是： 你的业务，用AI之后，能不能真正变得更好。
主要在做AI营销服务 & 企业与个人战略咨询
如果你正在：
想做AI转型，但不确定从哪里切入
已经投入AI，但效果不理想
希望把AI真正落到业务结果上
欢迎关注公众号或加私信交流。
