夜雨聆风2026年6月 · 阅读约5分钟 · 作者：王旭
有个读者问我一个问题，我觉得问得特别好。
他说，王旭你看，现在AI产品多热闹啊，大厂都在推，发布会一场接一场，PPT上全是「重新定义」「颠覆认知」「下一代工作入口」这样的词。可是我们公司买了一套AI协同办公软件，用了三个月，真正在用的功能就两个：一个是AI生成周报，一个是AI客服。剩下的功能，同事们点开过一次就不点了。
他问我，这是不是说明AI落地本身就是个伪命题？
我以前也答不上来。直到我读到了钉钉一个产品经理写的离职长文。这篇文7.5万字，作者2025年6月入职钉钉，参与了一个叫ONE的核心项目——无招回归后主推的AI工作入口产品，DAU最高的时候到了300万。听起来很厉害对不对？可是这个产品后来逐渐被边缘化了，名字从「ONE」变成了「负一屏」，再后来变成了更大的「AgentOS」叙事里的一层。
作者在钉钉飞了300多天，最后带着一身实战经验离开了。7.5万字的复盘里，他写了产品设计写了技术债写了组织管理，每一章都是一个AI落地过程中真实踩过的坑。
今天我们就借这篇复盘，好好聊聊AI企业落地这件事，到底难在哪里，以及怎么解。
一、定位坑：什么都想做，等于什么都没做成
ONE这个项目，最早的口号叫「让『人找事』变成『事找人』」。
听起来很美好对不对？员工不用再在群里爬楼找重点，不用再盯着日程表怕漏掉什么，AI小秘书把该处理的都整理好送到你面前。
这个发心没问题。问题出在定位上。
项目一开始想同时服务三类人：广大普通员工、高频使用协同工具的KP用户、愿意为AI功能付费的企业客户。这三个需求听起来都很合理，可是放在一起就出问题了。
广大普通员工要的是轻、简单、不要改变习惯。高频用户要的是深度嵌入、真正解决复杂问题。企业客户要的是可量化的ROI，最好能解决业务问题。
轻和深是矛盾的。简单和嵌入业务是矛盾的。不改变习惯和让用户付费更是矛盾的。
团队后来想出了一个解法，叫「工作加发现」——用工作场景带DAU，用发现内容带收费。消息、日程、待办这些高频内容负责留存，知识付费、资讯推荐这些模块负责变现。
这个设计内部逻辑是自洽的。可上线之后发现，用户打开钉钉的首要目的是处理工作，不是刷内容流。用户在工作场景里被推送学习内容，感受不是「贴心」，是「打扰」。
后来复盘的时候作者写了一句很直接的话：发现把商业发心提前塞进了工作入口。就像你看电视剧中间插了一条广告，发心是给你推荐好东西，可用户一眼就知道这是广告。
AI落地也一样。你想做的事和你真实用户需要的事，往往不是同一件事。分清楚哪个先哪个后，哪个轻哪个重，这是第一道关卡，而这道关卡比想象中难得多。
二、数据坑：数据不等于context，context是另一回事
有一种流行的说法是，钉钉有数据壁垒，因为钉钉掌握了组织关系、消息、日程、待办、审批——这些是真实的工作上下文，比通用AI更有优势。
这句话对不对？对。可是它没有说的是，数据在那里，和AI能有效使用这些数据，是两回事。
作者在银泰做过AI导购产品，他有一个很深的体会：LLM有效服务成立有两个条件。第一，要有足够的数据基建和context。第二，用户想要消费的对象本身，最好就是LLM生产的产物。
电商场景下，用户最终想要的是商品，AI只是一个路径，绕来绕去效率不一定比得过直接搜。钉钉不一样，钉钉上的工作本身就是AI处理的原材料，理论上应该更顺。
可是问题来了。
老板和高管的context是有人帮他们整理的。他们的秘书、助理、部下会帮他们筛信息、排优先级、做提醒。这套服务是人工提供的，成本很高，只有顶层才有。
普通人没有这个待遇。他们面对的是同一套规则、同一个入口、同一种红点。AI说要给他们「千人千面」的个性化服务，可是你拿什么来支撑这个个性化？
老板的context是清晰完整的，因为有人帮他维护。普通员工的context是碎片化的，因为没有人帮他维护，而AI又不能凭空变出上下文来。
所以「数据壁垒」这句话真正的意思是：你的AI产品，能在用户愿意付出的成本内，拿到足够支撑判断的context吗？如果拿不到，数据再多也是摆设。
三、设计坑：把工作做成了娱乐，是最隐蔽的错误
ONE最早选了卡片形态。卡片的好处是什么？是直观，是适合移动端，是让人联想到抖音的feed流——用户只需要滑一滑，系统就知道你喜欢什么不喜欢什么。
这个设计在发布会上很占便宜。演示的时候效果惊艳，投资人看了喜欢，老板看了觉得这就是未来。
可是工作不是抖音。
划走一张抖音视频，对方对你的「不感兴趣」也「不感兴趣」。可是钉钉每一张工作卡片的背后，可能有一个紧张的同事在等你回复，有一条待办在等你推进，有一个会议在等你确认。
你划走了一张卡片，工作并没有消失，只是被你标记成了「暂不处理」。AI以为你不需要了，实际你只是忙不过来。
这就是卡片设计最隐蔽的问题。它解决的是展示，没有解决内核。工作不会因为被做成卡片，就变成可以轻松消费的内容。
更深的问题是，移动端本身就不适合复杂工作。屏幕小，信息量有限，只适合轻量提醒和快速处理。写文档、填表格、跨系统查资料、整合分发，这些还是在PC上完成更有效率。可是ONE选择了移动端，PC端的需求始终被标记为「重要不紧急」，直到项目结束都没有真正开发。
AI落地的设计者经常会被demo骗。在PPT上演示一个流畅的交互很容易，让它在真实工作中稳定跑三个月很难。把这两件事区分开，是设计功力的分水岭。
四、用户坑：老板说好，不代表用户愿意用
ONE的核心共创对象一直是老板、KP、管理者。这个选择有道理——管理者的消息更多，信息过载更严重，对过滤和整理的需求更迫切。
可问题是，管理者到底是真的需要被系统安排工作顺序，还是他其实更需要掌控感？
作者在复盘里写了一个有意思的案例。碧桂园的一个客户领导，想用卡片形式动态安排保安和保洁的工作——先巡逻，再清洁，再拍照反馈，做完一个任务就划掉一张卡片。逻辑很清晰，执行也很顺畅。
可是无招否了这个方向。他的判断是，ONE不是要服务保安保洁，而是要服务老板和管理者。
作者后来反思这个问题，写了一句很扎心的话：越是已经被人肉个性化服务的人，越不容易意识到普通用户为什么需要AI。老板有秘书帮他记优先级，有助理帮他追进度，有部下帮他过滤信息，他不觉得「系统不够懂我」是痛点。
因为他的痛点已经被人工解决了。
普通员工没有这个待遇。AI如果只能把老板级体验再送给老板，价值不大。AI真正该做的事，是把过去只有少数人享受得起的贴身服务，变成每个普通工作者也能拥有的日常。
可是这个方向在ONE里始终没有被放在最高优先级。因为老板看不到这个需求，老板看到的永远是自己的需求。
谁是真正的用户，谁的痛点值得被解决，这是AI落地中最重要的判断，也是最容易被忽视的判断。
五、敏捷坑：跑得快和跑得对是两回事
钉钉有一个机制叫「每日一包」。
每天开发出来的成果要打成包，老板晚上验收。今天改了交互，今天出稿，今天调整规则，今天进包。问题出现了，今天就要给方案。
这个机制在项目早期是有用的。它让团队一直在动，问题不过夜，产品每天都有新进展。对于一个需要在发布会上惊艳全场的新产品来说，这种战时感是必要的。
可是敏捷从来不是抽象的。组织总是对某些人、某些事、某些信号更敏捷。无招的信息流是最高优先级队列。他看到列表抖动，列表抖动马上要解。他觉得消息助理不够智能，产品马上要给反馈。他对某个方向有新想法，框架立刻进入讨论。
可是用户个性化设计、自定义主页、偏好学习、重要消息反馈闭环，这些更像地基的事情，很难用一天的包证明自己。因为它们不会在第一天就让人惊呼「变了」，它们最好的状态是用户用久了之后觉得顺，觉得少被打扰，觉得系统越来越懂自己。
这种价值很难汇报。或者说，在那套机制下，它不值钱。
结果，正确的问题被留在了旁边。每天交付的是更容易被看见的变化，更容易截图的进展，更容易被老板验收的更新。
复盘金句：敏捷若服务于学习，会让产品更快接近真实问题。敏捷若服务于证明，会让项目更快产生变化，也更难承认方向需要重来。
这句话我想了很久。互联网公司普遍迷信快，迷信迭代，迷信「先跑起来再说」。可是快是快，如果你没有停下来问一句「我们往哪个方向跑」，跑得越快，离目标越远。
六、技术债坑：AI产品欠的债，比代码债更隐蔽
ONE到后期，技术债越积越深。
问题不是代码写错了，而是有些东西一开始就没有被打地基。用户个性化需要记忆、偏好和反馈闭环，这些能力没有稳定地长出来，就已经开始上线新功能了。消息排序需要理解角色、群关系、消息语义和责任归属，这些判断没有建立好，就已经开始推送AI整理的结果了。
AI产品欠的债和传统软件不一样。传统软件的债是「这个接口设计不合理」「那个模块耦合太紧」，看得见摸得着。AI产品的债更隐蔽：没有理解用户关系，却让模型判断重要性。没有建立反馈闭环，却要求系统越来越懂用户。没有打通权限和审计，却想跨系统执行。
这些债一开始都很安静。它们不会像bug一样立刻报错，只会让产品每次多绕一点，多补一点，每次都离稳定能力差一点。直到某一天，用户说「不智能」，团队说「我们明明做了很多」，用户说「不敢用」，团队说「我们已经有预览」。
然后，债就到期了。
作者在复盘里提到Chris Lattner批评vibe coding的一段话：让AI一轮一轮生成代码，像拉老虎机一样，试到某个结果能跑，就以为问题解决了。真正危险的地方，不在于AI写了多少代码，而在于人放弃了理解和掌控。
这句话放在AI产品落地同样成立。你让AI处理了一个又一个工作场景，可是你对这些场景的边界、限制、失败模式有没有真正的理解？如果没有，债就会一直累积，直到某一天系统性崩溃。
七、组织坑：用流水线的逻辑管创意劳动，产出的是流水线气味的产品
这是复盘里最让人读不下去的一章。
钉钉的试用期要求是这样的：三个月内，你要去服务一个低分企业，或者自己拉一个新组织上钉，把它服务到V6 1000分以上。1000分是什么概念？全平台top 2%，大多是行业龙头、连锁品牌、规模制造企业。
普通新员工，没有特殊关系，用正常手段把一个企业从零带到1000分，需要至少20个小时以上的付出。作者自己跑了30个小时的弯路，最后还是托了朋友公司帮忙才完成。
做这个任务的时候，他走在路上突然升腾起一种巨大的无意义感：为什么我要花时间刷分？这究竟在考验什么能力？这些时间能帮助我成为一个更好的产品经理吗？
作者最后没有给出答案。他只是写道：用流水线逻辑管理创造性劳动，产品也会带上流水线的气味。它能动能响，能给出进度，却缺乏灵气和温度。
这句话我反复读了好几遍。
因为它解释了一件我一直没想通的事：为什么有些团队设备很好、资源很多、人也很聪明，做出来的AI产品就是让人觉得冷冰冰的。不是功能不对，不是性能不好，是那种「被伺候」的感觉不对。
答案可能在于，创造这些产品的人，自己就没有被好好对待过。他们被KPI驱赶着交付，被试用期筛选着服从，被每日一包追着赶路。在这套秩序里泡久了，产出的东西自然也是服从的、赶路的、缺乏主体性的。
AI落地不只是技术问题，也不只是产品设计问题。它是组织问题。如果你的组织不能给创作者足够的空间、时间和安全感，你的产品也很难给用户足够的自由和掌控感。
结尾：战略是放弃的艺术
写到最后，我想说 ONE 这个项目不是一个失败的项目。
它积累了300万DAU，它验证了一些方向，它也沉淀了7.5万字的真实复盘。这些经验值多少钱，也许要很多年才能真正算清。
可是它的遗憾也是真实的。它的遗憾在于，发心太多又没有主次，定位改了几遍每遍都不彻底，设计追着发布会走而不是追着用户走，敏捷变成了表演而不是学习，技术债累积在看不见的地方，组织用管生产线的方式管创意工作者。
这些遗憾不是ONE独有的。它们在每一个「AI浪潮」里反复出现。团队觉得这是未来，老板觉得这是机会，竞品在追，媒体在报，可是真正在用的用户说不清楚这东西到底给自己带来了什么价值。
作者在复盘里提到西南航空。一个持续45年盈利的廉航公司，它的战略不是「我要服务所有乘客」，而是「我明确不服务谁」。它放弃了大机型、放弃了枢纽网络、放弃了正餐、放弃了头等舱。因为它知道，真正的战略优势不是来自于你做了什么，而是来自于你敢于不做什么。
AI落地也是一样的。
你知道你的AI产品不做什么吗？你知道它先服务谁、后服务谁吗？你知道它哪个场景能稳定交付、哪个场景还在试错吗？
如果这些问题回答不了，7.5万字的复盘就只是一个教训，而不是经验。
经验是那些你踩过之后，真正改变了行为的东西。
希望我们都能把教训变成经验。
