夜雨聆风同一年，只有6%的企业报告了显著的盈利影响。 94%的投入没有产生可测量的业务回报。钱花出去了，系统跑起来了，结果没有。
这件事让企业管理者很困惑。模型选对了，架构搭好了，系统上线了，为什么项目还是不成功？
MIT的研究给出了一个让人坐不住的答案：技术只占AI转型挑战的20%，人、流程、文化占剩下的80%。
这句话背后有一个更根本的误解需要被说清楚。大多数企业上马AI项目时，默认相信一件事：只要需求清楚、技术成熟、系统上线，组织自然会跟着改变。
FDE的现场经验：恰恰相反，组织不会因为AI上线而改变。而是组织改变，AI才能真正上线。
IT交付能力，AI交付行为
理解为什么AI项目越来越像组织工程，要先理解AI和传统IT的本质区别。
这个区别只有一句话：IT交付的是能力，AI交付的是行为。
ERP（企业资源规划系统）不会替你做决定，它只是让你更快地完成操作。CRM（客户关系管理系统）不会替你判断客户，它只是把信息放在你面前。数据库不会替你回复老板，它只是存储和检索数据。这些系统是工具，工具没有自主行为，工具的结果完全由使用它的人决定。
AI不一样。AI在做判断——它建议你选哪个供应商，它判断这个客户是否有流失风险，它决定这封邮件该怎么回。判断产生行为，行为会产生结果，结果需要有人负责。
这是AI第一次让软件从工具变成了参与工作的角色。一旦软件开始参与工作，建设对象就不再只是系统，而是整个组织的运行机制——谁判断，谁负责，谁在系统出错时接管。
传统IT项目可以把技术和组织分开跑：系统上线，用户按手册操作，流程保持不变。AI项目做不到这个分离。AI的判断进入了业务流程，业务流程里原来属于人的那些决策，现在有一部分被AI接管——这不是技术问题，是组织问题。
组织经历AI上线，通常是这样的
不用抽象地讲，看一个组织真实经历AI上线的过程。
系统刚上线的时候，气氛很好。AI开始给建议，大家觉得很新奇，试用反馈不错，领导满意，项目团队松了口气。
然后，第一次出错发生了。
AI给出了一个明显错误的建议，或者一个在特定情境下完全不适用的判断。这时候，没有人知道该怎么办。这个错误算谁的责任？是写提示词的工程师，是批准上线的项目负责人，还是采纳了这个建议的业务员？没有答案。
没有答案的后果是：大家开始保护自己。用AI，但不依赖AI。遇到重要决策，悄悄绕过系统，用老方法处理，再把结果填回系统里。表面上数据看起来系统在用，实际上核心判断还是靠人。
几个月后，老板发现使用率在下降，或者数据质量有问题，开始追问：为什么没人用？
这时候才发现，问题不是AI不够好，是组织从来没有回答过三个问题：AI的建议，谁有权决定采不采纳？出了问题，谁负责？AI给不了答案的时候，谁来接管？
这三个问题，没有一个是技术问题。
研究数据印证了这个过程：84%的AI项目失败由领导力问题驱动。不是领导不支持，是领导支持的方式是批了预算、启动项目，但没有进入那些需要组织做出改变的决策。
为什么组织变化比技术变化慢
技术更新是版本问题。新模型发布，API切换，快的话一天完成，慢的话一周。
组织更新不是版本问题。
建立一个用户对AI系统的基本信任，需要反复使用、多次验证、出错有人处理——快的三个月，慢的半年。重新设计一个嵌入了AI判断的业务流程，要协调多个部门、修改考核标准、调整责任边界——通常需要一年。真正厘清AI和人在一个复杂业务场景里各自的责任边界，让所有相关方都认可，可能需要两年。
模型，一年更新十次。组织，一年更新一次，还不一定更新成功。
Deloitte的研究明确指出：2026年扩展AI的核心障碍是治理、整合和员工准备度，而不是模型能力。AI真正慢的地方不是技术，是组织。
这个时间差，解释了为什么大量AI项目卡在"上线了但没人用"这个状态——技术已经到位，组织还没跟上。这不是态度问题，是速度不匹配的结构性问题。
成功的少数企业做了一件事：从流程重新设计开始，而不是从系统上线开始。先想清楚AI改变了什么，组织需要怎么调整，再设计系统。而不是先上系统，再看组织能不能适应。
FDE重新理解AI建设：三层，不是一层
到这里，可以建立一个更清晰的判断。
AI建设包含三层，不是一层：
第一层：技术建设。 模型选型、系统架构、数据管道、API集成。这是大多数团队唯一做的那一层，也是最容易被外包的一层。
第二层：流程建设。 AI介入之后，原有的业务流程需要重新设计——AI在哪个节点出现，在哪个节点退出，人在哪个节点必须在场。这一层决定AI能不能真正进入业务，而不是停在旁边当摆设。
第三层：组织建设。 责任边界怎么划，信任怎么建立，中层管理者怎么带着团队适应新的工作方式，出错了谁来处理。这一层决定AI能不能持续运行，而不是上线三个月就被废弃。
过去的IT项目，只需要做第一层。AI项目，三层缺一不可。
FDE在这里的角色，是把三层连接起来的人。具体来说，是三个现场动作：
进入现场，观察工作本身，不是讨论AI。 不问"你们想用AI做什么"，而是看人们实际在做什么，判断在哪里做，信息在哪里传递，错误在哪里被发现。这些观察，是流程建设和组织建设的原材料。
和组织一起重构人机边界。 不是设计一个系统，而是和业务方一起回答：AI什么时候出现，什么时候退出，什么时候必须有人接管。这个边界不能由技术团队单独决定，因为它本质上是一个组织决策。
持续调校，组织和系统一起学习。 上线不是终点。用户的行为是最重要的信号——绕过系统说明某个地方没对上，过度依赖说明裁定边界可能设错了。这些信号需要有人在现场看到，带回来，既调整系统，也调整组织的使用方式。两个学习同时发生。
写在最后
过去的软件建设，是把流程写进系统。今天的AI建设，是让组织学会和系统一起工作。
这不是同一件事。前者交付的是软件，后者交付的是一种新的组织运行能力。
理解了这一点，就理解了为什么AI项目越来越需要像做组织工程一样去做——不是因为AI技术变复杂了，而是因为AI第一次让软件成为了组织里真正参与工作的角色。
参与工作的角色，需要有人负责，需要被信任，需要知道边界在哪里。这些，是任何技术方案都回答不了的问题。
组织里最难建立的，是信任。下一期的问题：为什么老板觉得AI很好，员工却越来越不用？
感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。
我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向： 「塔迪GEO判断工程」在AI从“说”到“做”进化阶段，试图回答，如何让AI敢于行动、不因为责任问题而畏手畏脚，而做的一个前沿研究项目。 「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。 塔迪的微信 - tardyai2025。
