夜雨聆风今天，有幸参加了帆软公司举办的FINEDAY帆软用户大会。
关于AI落地、关于企业转型、关于我们每个人的焦虑与选择，座谈会上现场几位嘉宾的观点让我印象深刻。整理出来，分享给大家。
1 除了模型本身，AI落地还有哪些现实问题？
嘉宾给出了3个问题：
1. 数据治理问题。不同系统的数据如何打通？同一个字段在不同的业务线里含义不同，怎么统一？这些都是绕不开的“脏活累活”。
2. 数据库规模化问题。当数据量很小、查询也很简单时，传统的关键词搜索就能解决。但当数据量达到百万级，或者你的查询不是精确匹配，而是‘找一款适合户外运动、续航长、颜值高的手表’这种语义理解时，向量化搜索的必要性就体现出来了。
3. 知识积累问题。很多行业的“黑话”、专业语料，需要长期沉淀，不是买个大模型就能解决的。
而最让我触动的是嘉宾的一句话：
“目前擅长用AI的人，不是会写prompt的人，而是知道自己目标是什么、能够结构化表达、清楚验收标准的人。”
换句话说，让AI给你好答案的前提，是你能用AI听得懂的语言，给它派好活。
2 怎么评价AI项目的ROI？
嘉宾讲了一个很有意思的故事：
一百多年前，汽车刚出现的时候，速度慢、价格贵。如果你是马车公司，要不要买汽车？如果只算当下的ROI，答案肯定是“不买”。但如果再过几十年呢？不买汽车的马车公司，最后都倒闭了。
有些投入，不是为了当下的回报，而是为了不被趋势淘汰。
所以，评价AI项目的效果，不能只看短期收益，更要看它是否帮你创建了新的业务范式。
3 关于AI的认知，决定了你的未来
嘉宾说：大模型是个新事物，所有人都要从零开始学，谁也没比谁资深多少。这对于很多人来说，也是一个新的机会。
这件事已经来了，躲不掉。那你只能拥抱它。
你对AI的认知是什么？它会替代你，还是赋能你？
这个问题背后，其实藏着一个人在今天这个时代的底色。
4 一家企业想在AI领域试水，钱该往哪投？
IT角度：投入工具开发，降低使用门槛，让员工直接试用，不需要自己折腾安装。
业务角度：找到一个最小闭环场景。比如“用户加购30分钟不下单”这种小切口，加入AI能不能提升转化？能做成就放大，做不成快速调整。最小MVP测试，验证后再放大——这是最稳妥的“开第一枪”。
4 写在最后
这场座谈会下来，我最大的感受是：
AI焦虑人人都有，但焦虑本身没有用。真正拉开差距的，是你愿不愿意从零开始学，能不能想清楚自己的目标，敢不敢在一个小场景里先试一步。
时代变了，但机会永远留给那些愿意动起来的人。
共勉。
如果你也在AI落地的路上摸索，欢迎留言交流。