夜雨聆风—— 给 AI 发了工号，为什么还是停在第二层？
立项第二周，会议室里我们卡在一个问题上：怎么称呼这个 AI。
A说叫 "xx系统"，B说叫 "xx机器人"。最后，我们决定，叫ta："L" (脱敏处理)，给L一个工号，让L在人事系统里有一行记录。
几天后，L有了工号，有了形象照片，也有了一个名字——这个名字不是我起的，是大家共创出来的，最后由我拍板。
一年后回头看，那是 L 项目里最关键的一个决定。
但也是从那一刻起，这个项目注定走得看起来更慢——12 个月之后，用今天的标准量它，我只能给 6 分。
01
L项目做了什么
L项目是 12 个月里我们和业务部门共建的一个 AI 项目，分三期推进：一期覆盖多个职能服务台 + 多个业务系统知识库对接；二期是流程自动化（用自然语言对L代理发起流程）和本地话大模型问数；三期是 AI 多模型协作与自主决策。
我把整个推进方法压成 4 句话。
第一句：不去推 AI，去解业务的痛。立项第一次会议不叫"AI 技术介绍会"，叫"效率提升共创会"。业务部门把每天被同样的政策问询消耗的时间摆出来，我们再讨论怎么解。
AI 是不是从你开口就被定位成"工具"，决定了 L这辈子能长多大。
第二句：双 PM 制——业务 PM + IT PM。每一期的核心业务部门派出一位"业务 PM"，IT 派一位"IT PM"，两人共同对项目负责。这个安排一旦做出来，"AI 替代我"的焦虑当场化解。L不是被 IT 推下来的，L是业务自己定义、自己命名的。
谁定义ta，谁就拥有ta。这是组织能不能接住 AI 的第一道分水岭。
第三句：MVP 跑两周，用数据汇报。低代码平台搭出L的第一版，跑两周对照实验。向管理层汇报的不是"我们做了一个 AI"，而是一份用户数据报告——响应时间下降多少、节省多少时间、员工满意度怎么样。
用 AI 故事打动管理层的项目活不久；用数据说服管理层的项目，才有第二期、第三期。
第四句：先打样板，再扩散。每一期的"业务 PM"成了 L在自己部门内部的代言人。一期上线后，L接手了大量常规问询；二期之后，员工开始用自然语言对L发起流程；三期的多模型协作，让L第一次进入核心业务协作场景。
AI 在组织里的扩散，不是被 IT 推出去的，是被业务自己拉出去的。
12 个月后，L还在岗，业务部门反馈不错，公司内部广受好评。L在公司有专属的工号、岗位、绩效迭代周期。同事们谈起L的时候，用的是有温度的代词。
如果故事停在这里，是个好故事。但当我开始写第二篇、把"组织 / 数据 / 流程 / 决策"四件事拎出来量的时候，我发现——我得回头量L自己。
02
用 4 个特征量 L 项目
一句话总结组织 2 + 数据 1.5 + 流程 1.5 + 决策 1 = 6 分。在第二层中段。
从最高的那一项开始说。
组织 2 分（满分 2.5）。L从立项第一天就是组织成员，有工号、有岗位说明、被业务部门当同事看，名字是大家共创出来的。扣掉 0.5，是因为 L还没真正进入组织的绩效循环——L的迭代靠项目组的主动驱动，没有像人类员工那样进入"年度评估"。
L在组织图上有位置，但还不是组织的人。
数据 1.5 分。L能跑起来，是因为我们在一期为这一批服务场景做了一次知识结构化，并和多个业务系统打通。但这是"为 AI 临时翻新的几亩绿洲"，不是"企业级的大地"。公司核心业务系统、企业级的数据资产、元数据、知识图谱都还很薄。L在我们做过结构化的那几亩绿洲里活得不错，挪出绿洲一步就有点抓瞎。
AI 项目最容易死的不是模型，是数据。
流程 1.5 分。这一项最容易让人误读——一期那 80% 是常规问询的自动响应，本质是问答，不算流程原生。真正撑起这 1.5 分的是二期：用户已经可以用自然语言对 L发起流程，L在部分流程里第一次坐到主角位上。但仍然是"部分流程"——人在最后的关键节点做确认，复杂流程、跨部门流程仍然是人接 L辅；很多流程没沉淀成可机器化形态——L想再往主角位走，路还很长。
问答自动响应≠ 流程原生。流程原生看的是 L在流程里坐什么位置。
决策 1 分。二期的问数让L开始把数据从仓库里"取出来摆给人看"，多模型协作让L参与一些协作调度——这些动作把通往决策原生的门推开了一条缝，但还没真正进去。给 1 分而不是 0.5 分，是因为高层在 AI 决策这件事上的开放度比我预期高。
意识层面的土松了，只是还没下种。
总分 6 / 10。第二层中段。
这是个诚实的分数。L项目是成功的——它解决了真实问题、广受好评、组织有了第一个 AI"同事"、跨过了三期推进。但我必须承认，它仍然停在第二层（流程嵌入型）的中段，离第三层还有一段距离。
03
为什么 6 分项目，比 10 分项目更值钱？
写到这里我必须做一个看似奇怪的判断——
第二层的天花板，不是第三层的地板，反而是离第三层最远的地方。
为什么？我设想另一种做法。
同样 12 个月、同样的预算，不去做"组织成员"那种慢工出细活的事，而是直接上一堆现成的 AI 工具——智能客服、文档总结、数据分析助手、邮件起草、会议纪要生成。每一个都立竿见影，每一个都能在汇报里写"提效 X%"。
如果再激进一点——所有部门都在用 AI、所有 KPI 都标了"AI 加持"、所有流程都有 AI 节点——你能堆出一份接近 10 分的汇报。
两种项目放在一起，是这样的：
汇报满分的项目，未必是组织真的强了，可能只是工具堆叠堆得密。
这种 10 分项目比 6 分项目差在哪？三件事：
一，没有根的项目长不大。AI 工具是买来的、嵌进去的，组织永远把 AI 当外人。三年后这一批工具过时了、被替换了，组织还是那个组织——什么都没沉淀下来。
二，单点突出会麻醉组织对短板的感知。流程 2 分看起来不错，但数据只有 0.5——管理层看到 PPT 上"流程已经全面 AI 化"，不会回头补数据。"路径正确"的错觉建立起来了。
三，最危险的是——这种项目第一年的 ROI 漂亮，会反过来锁死组织的下一步选择。下一年管理层要求"再做 20 个这样的场景"，而不是"回头扎根"。
第二层的天花板，就是在汇报最漂亮的那一刻关上的。
L 项目走得慢、得分平、汇报材料里没有炫目数字。但L的根种下去了，土壤在被主动培育，流程在被慢慢驯化，决策原生那条线虽然没下种、但土松了。
L是一棵树苗，不是几束插花。
04
给第二篇打个补丁：根种下去之后
第二篇里我说"AI 原生必须从根开始长"。这句话是对的，但不完整。
一句话总结根可以在一个会议里种下去，但土壤的成熟需要很多年。两条腿必须同时迈，差距太大就长不动。
给 AI 发工号、写岗位说明书、让 L在团队里有位置——这些是认知决定，一个会议能定。
但数据资产、流程沉淀、决策机制——这些是物理积累，可能要 5 年 8 年。
L项目的真实状态就是——根扎下去了，土壤还在新翻。L想长成真正的"组织成员"，需要可吃的数据、可跑的流程、可决策的接口——这些都还没就位。所以 L长得慢、长得克制。
这不是项目失败，是组织现实。
任何一家从传统结构走向 AI 原生的公司，都会经历这种"根快、土慢"的阶段。这不是错误，是必然。
错误的不是"长得慢"。错误的是因为长得慢就放弃扎根，转头去做工具堆叠——一旦换路径，根就没了，前面所有的耐心白费。
05
给读者一个动作
如果你公司也有 AI 项目，做一件事：
别只看总分，看分布。
拿出你最得意的那个 AI 项目，用 4 个特征各打一遍。然后看那张分布图。
如果四个维度差距悬殊（某项满分、某项 0 分），不管总分多少，警惕——这是工具堆叠的信号，根没扎好。
如果四个维度都在 1—2 之间均衡分布，总分可能不耀眼，反而可能是你最值钱的资产。
然后问自己一个更难的问题：
下一步，是把分布最高的那一项再推高一格（让汇报更漂亮），还是回头补分布最低的那一项（让组织真的能往第三层走）？
这两件事看起来都是"做 AI"。一条路通向 10 分的虚高，一条路通向真正的 AI 原生。
一个分布悬殊的 AI 项目，第一年很风光，第三年大概率什么都不会留下——这不是吓唬你，这是工具堆叠这条路本来就走不远。
L 项目教我的事情是——走得慢的人，不一定是落在后面的人。有时候L是唯一一个还在往真正的方向走的“人”。
写在最后
第一篇我提出了四级阶梯，第二篇我提出了 4 个特征。这一篇，我把这两个工具拿来量我自己最熟悉的项目，量出了一个 6 分。
这不是反思秀，也不是凡尔赛。是因为我越来越确信一件事——
写 AI 原生这个系列的人，必须先敢用同一把尺子量自己。
如果一个观察者连自己亲手推的项目都没勇气拿出来量，给别人开的方子就不可信。
如果这一篇对你有启发，欢迎转发、关注。也欢迎在评论区留下：你公司最得意的那个 AI 项目，4 个特征拆下来，分布是什么样？
— · — · —
作者：二十年制造业 + 医药行业，开发出身、管理硕士、企业IT 负责人，长期关注数据治理与 AI 治理方向。
