夜雨聆风AI落地最大的坑：以为可以项目制
我最近跟一家公司老板聊，老板想用AI做订单预测项目——要精准到可以指导微观业务策略的那种，订单系统可以拿来对接。我盘了一下，AI要做到精准预测，得吃透的东西远不止系统里的订单数据：客户的采购习惯、临时需求策略、行业品类波动，甚至竞对动向、大客户生产排程特点，都得喂进去。但项目制推进，最多只能把系统内部的显性数据丢给AI，这样的上下文质量，就决定了这个预测根本精准不起来。
老板很不解：我前几年投了很多钱做系统，数据基础打好了，IT部门全力投入，业务部门积极配合，还不够吗？
我一时不知道该如何解释。。
说实话，这不是系统问题，也不是能力问题，很多老板对AI的想象还是或于简单了。
项目制天然做不好AI
企业用项目制的方式做AI，是个大坑。
项目制的逻辑是什么？定义需求，投入预算，交付结果，验收结项。这个逻辑对软件开发行得通，对硬件采购行得通，但AI落地却不是这个逻辑。
AI要的是持续积累。第一年喂数据，第二年理解业务，第三年才形成真正的判断能力。但项目制只愿意为「交付」买单，却不愿意为「积累」买单。
结果就是：企业按项目制付费，拿到的永远是第一年的AI——有点用，但不够精准，不够智能，离预期差得远。长期来看呢，项目方离场，知识库维护乏力，业务逻辑层逐渐老化生锈，AI也越来越笨。
不是AI不行，是你的预期从一开始就错了。
三个常见的预期错位
第一个：以为AI能直接继承业务经验。
业务老兵脑子里存着十几年积累的判断直觉，什么时候该多备货、哪类客户要小心、哪个供应商容易出问题。这些东西，老兵说不清楚，AI更学不会。
因为这些判断来自大量零散的上下文，来自无数次小范围的验证和打脸，来自组织里口耳相传的潜规则。这些东西根本不在系统里，项目制的时间窗口里根本拿不到，即便拿到，长期的经验深挖和迭代也不是几个月做个项目就能积累下来的。
AI要学这些东西，需要在业务里泡着，需要长期持续反馈，需要有人不断告诉它「这次你判断错了」。这不是买一个项目能换来的，也不是付个咨询费就能获得的。
第二个：以为小范围试点可以验证AI能力。
先做一个小东西证明价值，再逐步推广。这个思路在其他领域没问题，但在AI这里有一个根本的矛盾：
小范围的上下文不够，小范围的AI效果就不好，效果不好就没有说服力，没有说服力就拿不到更多资源去扩大上下文——死循环。
AI在小范围试点里的效果，不是它真正能力的上限，是它在一个贫瘠上下文里的及格线。用这个结果来判断AI能不能用，本身就是预期错位。
第三个：以为AI可以一步到位解决核心问题。
核心问题之所以是核心，是因为它复杂。复杂的本质是上下文多、变量多、牵扯的利益多。用「上一期项目」的思路来解决「核心问题」，注定失败。
AI能做的是先解决一个足够窄的问题，在解决的过程中积累上下文，等待能力逐渐覆盖更核心的场景。这个过程很痛苦，而且没法加速，谁都跳不过去。
怎么调整预期
说了这么多，不是说AI做不了，是说AI需要正确的预期和正确的推进方式。
第一，把「AI能不能用」换成「在哪个场景下AI能先用起来」。
不要一开始就想解决核心问题。先找一个业务里真实存在的小麻烦，让AI在这个小场景里证明自己。这个小场景的上下文要足够简单，简单到项目制的时间窗口里能拿到足够的数据。
第二年自然嵌入了业务，上下文自然在慢慢扩展，时机到了再推更大的范围。
第二，把「AI替我做决策」换成「AI帮我降低决策成本」。
决策需要信息，信息需要整合，整合需要时间。与其让AI直接给出判断，不如让AI先做信息聚合、做异常提醒、做历史比对——这些事情系统做不好，AI能做，而且不需要那么深的上下文。
在这个过程中，你积累了对AI的信任，AI积累了对业务的理解，也发现了很多在业务老兵眼中根本不是知识的知识，长期积累下来，才有可能真正替人做决策。
第三，接受AI需要「养成」这个事实。
项目制是一次性交易，买的是确定的产出。AI不是，AI是一个需要养成的能力。
你愿意为一件事投入多少，取决于你对这件事有多相信。如果你不相信AI能带来长期价值，你永远只会用项目制的方式做AI，永远拿不到长期收益。
---
说到底，树立对AI正确的预期是老板们在这个时代的一大课题。用项目制的预期做AI，就不要怪AI给不了长期收益。正确的预期比技术能力更重要，放下AI焦虑理性看待，方向对了，走慢一点也能到终点。
