夜雨聆风上个月与一家制造企业老板一起聊起AI，他拉着我看了他新上的AI系统，满脸困惑。
“我投了两百多万，买了最好的大模型，部署了三个智能体，结果呢？客服智能体回答的法律问题全是错的，被客户截图发到网上去。生产排程的AI推荐了一堆不合理的方案，车间主任直接把它关了。最讽刺的是那个‘AI数据看板’，每次开会的时候打开给大家看两眼，散会就没人管了，数据三个月没更新。”
他顿了顿，说出了那句我这两年听到最多的话："AI这东西，看起来厉害，用起来是垃圾。"
我问他：你上AI之前，想清楚要解决什么问题了吗？
他说："大家都在上啊。"
这就是问题的根源。不是AI不行，是你不行。
你把一把手术刀交给一个不会做手术的人，他切出来的伤口比你原来的病还严重。然后他说手术刀是垃圾——你觉得这合理吗？
一、80%的AI项目都失败了，问题出在哪？
先看一组数据。
美国兰德公司（RAND）2025年发布了一份对65个企业AI项目的元分析报告，结论令人震惊：企业AI项目的整体失败率高达80.3%。相比之下，传统软件项目的失败率约为40%。AI项目的失败率是传统软件的两倍。
具体来看：33.8%的项目在投产前就被放弃了，28.4%的项目虽然成功上线但无法交付预期价值，还有18.1%的项目虽然运转正常但永远收不回成本。
Gartner的预测同样不乐观：到2026年底，60%的AI项目将因为数据基础不足而被取消。到2025年底，超过50%的生成式AI项目在概念验证阶段之后就被搁置了——还没真正上场，就已经被判了死刑。
麦肯锡2025年全球AI应用调研显示：尽管88%的企业已在至少一个职能中常态化使用AI，但真正实现规模化部署的只有38%，而被认定为"AI高绩效企业"——即AI驱动的利润增长超过5%并创造了显著商业价值的——仅占6%。
也就是说，100家企业里，94家在赔本赚吆喝。
但如果你以为这些失败是因为"AI技术不够好"，那你就抓错了药。
RAND报告的结论非常明确：近100%的AI项目失败都可以归结为三类"非技术"原因：数据质量没有治理主体、组织成熟度不足以支撑变革、以及项目目标不断漂移偏离初衷。技术问题只是次要因素。
简单翻译一下：不是AI不够聪明，是你的数据太乱、你的组织太僵化、你连自己想要什么都没想清楚。
就像你买了一辆F1赛车，然后把它开进了菜市场。撞了墙，你怪车不行？
二、用AI之前，先问自己四个问题
既然问题出在人身上，那用AI之前，人应该先想清楚什么？四个问题，缺一不可。
第一个问题：方向对不对？
AI能给你答案，但给不了你方向。方向是人的判断。
我见过一家零售企业，花大价钱上了AI选品系统，根据历史数据推荐进货清单。上线半年，采购成本反而上升了。为什么？因为AI只会从"过去什么卖得好"推导"未来进货什么"，但它不知道消费者的口味正在发生结构性变化——健康、低糖、植物基的趋势已经出现，而这些新产品在历史数据里根本没有足够样本。
AI看得见过去，看不清拐点。方向性的判断，永远是人来做。你把方向盘交给副驾驶，出事了能怪副驾驶吗？
第二个问题：该不该做？
不是所有问题都值得用AI解决。一个年营收三千万的公司，花两百万上AI系统来提高客服效率——你先算算账，客服部门一年的人力成本有没有两百万？
很多企业上AI的逻辑是"别人都在上，我们也要上"。这不是决策，是从众。真正的决策应该是：这个问题不解决，会对我造成多大的损失？如果用AI解决，投入产出比是多少？如果不解决，有没有更简单的替代方案？
麦肯锡那6%的AI高绩效企业，有一个共同特征：他们的AI战略目标比其他企业宏大3倍以上，但他们的项目启动范围反而更小、更聚焦。他们不是"用AI做所有事"，而是"用AI做对的那一件事"。
第三个问题：有没有真正价值？
这是最容易被偷换概念的地方。
36氪一篇关于企业AI落地的深度分析指出，"价值幻觉"是管理者最常见的认知偏差之一。什么叫价值幻觉？就是项目复盘的时候，技术团队汇报"准确率达到95%""响应时间缩短了80%""智能体一天处理了3000条咨询"——听起来很厉害。但财务数据一看，人力成本没降，营收没增，客户投诉率反而因为AI的胡说八道上升了。
你把中间指标当成了最终成果。就像一个减肥的人说"我今天走了两万步"，但体重一斤没少。走两万步不是目的，瘦下来才是目的。AI处理了多少条咨询不是目的，客户满意度提高、成本下降、收入增长才是目的。
判断AI有没有价值的标准只有一个：你的结果变好了吗？
如果结果没变好，别急着怪AI，先检查一下你定义"好"的标准对不对。
第四个问题：优先级怎么排？
这个问题看似最简单，其实最考验功力。
麦肯锡调研显示，高绩效企业部署的AI用例数量是普通企业的两倍，但他们不是同时铺开的。他们有一套清晰的优先级逻辑：先解决最痛的问题、最可量化的场景、最有数据基础的业务——拿到第一个胜利果实之后，再用这个成果推动下一个。
而大多数企业的做法是：成立一个"AI创新部"，同时启动五个项目，半年后五个都没跑通，预算花完了，热情也耗光了。
这不是AI的问题。这是项目管理的基本功问题。你把任何工具——不管是不是AI——同时用在五个互相矛盾的战场上，结果都是一样的。
三、AI是工具，工具从来不会自己创造价值
这个道理其实一点都不新。
三十年前，ERP系统开始进入中国企业。那时候的论调和今天对AI的论调一模一样："上了ERP，管理就升级了""ERP能解决我们的流程问题""花几百万上最好的SAP，一步到位"。结果呢？上了ERP之后流程更乱的、数据更脏的、账更算不清楚的，比比皆是。
是ERP的问题吗？不是。是企业自己的流程本来就有问题，ERP只是把这些问题暴露出来了。就像一个从来不收拾房间的人买了一个透明的收纳柜——以前乱在暗处，现在乱在明处。你说是柜子的问题？
AI连错误都不会替你掩藏。它比ERP更直接——你给它烂数据，它就给你烂结果。你给它模糊的指令，它就给你模糊的回应。你用它来解决一个你自己都说不清楚的问题，它就会给你一堆看起来很漂亮但完全没用的东西。
Gartner的数据表明，到2025年底，超过50%的生成式AI项目在概念验证阶段就被搁置。这些项目不是因为技术不可行而死掉的，而是因为"验证完了发现好像没什么用"而死掉的。验证的时候发现没用，说明你从一开始就没想清楚验证什么。
36氪总结的企业AI落地九大问题，没有一个是因为"AI技术不够好"：战略模糊、技术迷信、孤立应用、管理粗暴、人机错位、数据洁癖、价值幻觉、运维缺失、安全裸奔。九个问题都是人的问题——认知的问题、组织的问题、管理的问题。
AI不会骗你。你是什么水平，AI就帮你放大到什么水平。你是三流的判断力，AI就帮你用三流的效率做出三流的决策。你是一流的思考者，AI就帮你用一流的速度到达一流的结果。
四、不要陷入又一轮管理幻觉
什么叫管理幻觉？就是你相信一个工具、一个系统、一个方法论能替你解决你本该自己解决的问题。
当年ERP来了，你觉得"上系统就能管好"。当年OKR火了，你觉得"换考核方式就能激活团队"。当年阿米巴流行了，你觉得"把公司拆小就能人人都是经营者"。每一次都是同样的事情：你希望工具替你思考，替你判断，替你做那些你不愿意花时间想清楚的苦活。
然后每一次结果都一样：工具没起作用，你说工具不行。
今天轮到AI了。故事没有任何变化。
麦肯锡报告中有一个细节非常耐人寻味：AI高绩效企业的高管，不仅给予了AI项目"真正的主导力与长期承诺"，更重要的是——他们会率先使用AI。他们自己用，所以他们知道AI能干什么、不能干什么、什么时候该信AI、什么时候该用自己的判断去覆盖AI的建议。
反观大多数企业，高管把AI当成一个"基层工具"：买回来，装好，然后跟底下的人说"你们用起来，下个月效率提升30%"。自己碰都不碰。这跟让一个从来没开过车的人去买车、然后让司机的技术判断这车好不好——有什么本质区别？
36氪那篇文章讲了九个管理者对AI的认知误区，最让我印象深刻的不是哪个具体错误，而是这九个误区的共同底层逻辑：管理者把AI当成了"魔法"，而不是"工具"。魔法不需要你理解原理，咒语一念就行。工具需要你理解它的边界、知道它的用法、清楚什么时候用它、什么时候不能用它。
把AI当魔法的人，最终都会被"魔法"反噬。因为当AI给出一个看似完美的方案时，你没有能力判断它对不对；当AI犯了一个低级的错误时，你发现不了；当AI持续产出平庸的结果时，你甚至不知道它在慢性拖垮你的业务。
工具越强大，对人的要求越高。这不是悖论，是基本的逻辑。一把普通锤子，随便谁都能敲钉子。一把气动钉枪，你不会用能把手指打穿。
五、怎么办？三个朴素的建议
骂完了，说点有用的。怎么才能真正用好AI？
第一个建议：先想问题，再找工具
在买任何AI系统之前，拿出一张白纸，把你最头疼的三个业务问题写下来。不是"效率太低"这种虚的——要具体到"客服平均响应时间15分钟，客户满意度只有72%"，或者"库存周转天数从45天上升到62天，占用了大量现金流"。
然后问自己：这三个问题，不靠AI，有没有更简单、更便宜的办法可以解决？如果答案是"有"，先去做那个。如果答案是"没有"或者"现有的办法已经到天花板了"，再去考虑AI。
记住：AI是答案之一，不是问题本身。你不知道问题是什么的时候，所有答案都是错的。
第二个建议：先跑通一个小闭环，再谈规模
不要一上来就搞"全公司AI转型"。麦肯锡那6%的高绩效企业，也不是一步到位的。找一个最痛、最可量化、数据最干净的场景，先用最小的成本跑通一个闭环。
什么叫闭环？就是从"问题输入"到"AI产出"到"人工验证"到"结果反馈"到"迭代优化"，整个链条走一遍。哪怕只解决了一个具体问题——比如用AI自动生成周报的第一版，然后人再修改——这也是一个闭环。
跑通了第一个，才知道AI在你的业务中到底能怎么用、不能怎么用。这个经验，比任何培训都值钱。
第三个建议：人比工具重要一万倍
麦肯锡报告说，高绩效企业的高管会率先使用AI。这不只是"带头示范"的问题——更深层的意义是：只有你自己用过，你才能建立对AI的正确判断力。你知道它什么时候可靠，什么时候需要警惕，什么场景下它的建议值得采纳，什么场景下你得说"AI错了，这么做"。
没有这种判断力的人，不管用什么AI工具，结果都是碰运气。有的时候碰对了，就觉得AI真厉害。有的时候碰错了，就觉得AI是垃圾。两种反应都是肤浅的，因为你在用一个你不理解的东西。
归根到底一句话：提升自己的判断力，比升级AI工具更重要。AI工具每半年迭代一代，你的判断力如果原地踏步，你跟AI之间的差距不是缩小了，是拉大了。
写在最后
我经常跟朋友说一句话：AI是这个时代最诚实的镜子。
你用得好，它把你的能力放大十倍。你用不好，它把你的短板暴露得干干净净。它不会替你思考，不会替你判断，不会替你承担决策的后果。它只会诚实地告诉你：你的数据有多乱、你的流程有多糟糕、你的问题定义得有多模糊、你的管理基本功有多不扎实。
然后你把一切归咎于"AI不行"。这可能是人类面对新工具时，最古老也最顽固的自欺方式。
换个角度看，AI其实是一个免费的体检。它不像以前的工具那么"宽容"——你用Excel做错了公式，顶多是一张表算错。你用AI在核心业务上做了错误的判断，成本可能是客户流失、市场机会错失、甚至被竞争对手甩开一个身位。
如果说这个时代有什么确定的事，那就是：AI只会越来越强。但用AI的人——你——会不会越来越强，取决于你愿不愿意承认一个朴素的事实。
工具行不行，从来不在工具。在于人。
这跟锤子、ERP、OKR、阿米巴、区块链、元宇宙——没有区别。历史上每一次技术浪潮，都有人把它当魔法，也有人把它当工具。当魔法的人，热乎劲过了就散了。当工具的人，把工具磨成了自己的武器。
你选择做哪一种？
