三类典型翻车，你们中了几条？

第一类：部门KPI不统一，AI优化方向互相打架。

市场部的KPI是线索量，销售部的KPI是转化率，客服部的KPI是处理速度。

市场部用AI多发广告获取线索，销售部发现线索质量差不愿意跟进，客服部用AI快速结案导致客户满意度下降。

三个部门都用了AI，三个部门都在被AI"优化"——但优化方向彼此矛盾。

没有AI之前，他们在季度会上吵，三个月争一次。有了AI之后，他们每周都在为AI跑出来的数据互相甩锅。

问题不是AI，是KPI没对齐。AI只是让这个矛盾每周都发作一次。

第二类：没人认领AI产出的结果，出错就是扯皮。

某零售企业用AI系统生成定价建议，结果一款商品AI定价出了错，比市场价低了30%，卖了三天才发现。

运营说："AI定的价，我不知道。"

IT说："模型没问题，是数据输入的问题。"

采购说："我没授权用AI定价。"

没有人认领"AI产出的结果"。

三方扯皮的结论是：暂停AI定价功能，人工接回来。

这不是AI失败，是责任归属没有设计好。AI是工具，工具背后必须有人担责。

某企业花三个月搭了一套AI知识库，上线第一周反响不错，第三个月开始没人维护，制度更新了但知识库没更新，新员工问AI，AI给的是旧制度的答案。

六个月后，大家默默不用了，但没人宣布这个项目失败——它只是被遗忘了。

为什么？因为没有人的KPI里有"维护AI系统"这一项。

在谈任何AI工具之前，我建议先回答这四个问题：

不是"哪个部门用"，是"出了问题谁负责、谁有权叫停"。有人认领，AI才是工具；没人认领，AI是定时炸弹。

如果A部门的目标和B部门的目标方向相反，AI优化A部门效率的同时会破坏B部门的指标。先对齐KPI，再上AI。

系统上线那天不叫落地，系统跑起来还有人维护、还在更新、还在迭代，才叫落地。如果没有人的KPI包含维护这个系统，它就会腐烂。

AI只能在已有流程节点上做加速，它创造不了流程owner。如果今天这个流程三个部门都管一点、都不管主，AI上线之后会把这个模糊性放大三倍。

我见过太多企业把精力全放在"选哪个AI工具"上，但工具只是放大器——它放大你做得好的地方，也放大你做得烂的地方。

选型会议讨论最多的是"这个模型能力怎么样"。

但真正应该先讨论的是：

我们的组织准备好用AI了吗？

如果还没准备好，最好的AI也只是加速你的混乱。

如果准备好了，一个普通的工具也能跑出效果。

AI工具越强，越值得认真做这四道题。