AI真正进入企业,可能不是从“万能助手”开始

最近用了一段时间 DeepSeek-harness，我一直在思考一个问题：

为什么 AI 已经发展到今天，企业里的 AI 落地，却依然没有形成一个真正成熟、稳定的解决方案？

模型越来越强，Agent 越来越多，企业也越来越愿意投入 AI，但真正进入业务之后，似乎总会遇到各种各样的问题。

我越来越觉得，这可能不是单纯的“模型能力还不够”，而是AI 正在改变企业原有的工作方式，而我们还在用过去的软件产品逻辑理解 AI。

一、企业使用 AI，首先遇到的是“管理 AI”的成本

过去的软件虽然复杂，但它有一个很重要的特点：

确定性。

点击一个按钮，执行一个流程，得到一个相对确定的结果。

但 AI 不一样。

同一个问题，可能得到不同的答案；同一个任务，今天能够完成，明天可能表现得不一样。

幻觉、模型能力漂移、上下文理解偏差、推理过程不可知……这些问题，本质上都意味着：

AI 本身就是一个需要被管理的变量。

所以 AI 时代企业新增了一种成本：

管理 AI 的成本。

企业不仅需要管理员工、流程和系统，还需要开始管理模型、Prompt、Agent、知识库、工具调用、上下文以及最终输出。

这其实是一种全新的企业生产关系。

二、AI带来的最大变化，可能是“灵活性”

以前做一个软件，需要产品经理、设计师、开发、测试、运维等一整套团队。

但现在，一个稍微懂 AI 的人，借助 Cursor、Claude Code、DeepSeek-harness 之类的工具，就可以自己做出一个小型软件。

这意味着一件非常重要的事情：

软件开发的门槛正在快速下降。

以前企业需要的是“标准化软件”。

而未来企业越来越需要的，可能是：

“我现在遇到一个问题，能不能快速给我做一个适合我的解决方案？”

这也是我为什么开始比较看好 Harness 这一类产品形态。

它的价值并不只是“帮你使用 AI”，而是：

把 AI 的能力开放出来，让用户自己定义 AI 应该怎么工作。

从这个角度看，Harness 很可能代表了 B 端产品未来的一种趋势：

从标准产品，逐渐走向高度可配置、可编排、可定制。

当然，这种模式还有一个很现实的问题：

它到底应该怎么赚钱？

如果用户可以自己搭建大量能力，那么传统 SaaS 按账号、按功能收费的模式，可能就需要重新思考。

这可能也是未来 B 端 AI 产品非常有意思的一个商业问题。

三、企业真正缺的，可能不是“更强的 AI”

还有一个问题，我觉得反而更加重要：

使用 AI 的人，本身可能就存在能力错位。

很多企业管理者现在对 AI 的期待是：

“AI 什么都能做，那我们是不是可以用 AI 解决所有问题？”

但这恰恰可能是企业 AI 落地最大的误区。

AI 确实可以写代码、写方案、分析数据、做 PPT、做客服、做销售……

但企业真正需要的，通常不是一个“什么都会”的 AI。

企业真正需要的是：

把某一个具体业务流程做得更快、更准、更便宜。

比如：

销售每天需要整理客户信息。

那就不要一开始就做一个“万能销售 AI”。

先解决：

客户信息整理效率提升 80%。

财务每天需要分析经营数据。

也不要一开始就做一个“万能经营助手”。

先解决：

每天经营数据分析从 2 小时缩短到 10 分钟。

人力每天需要处理大量重复咨询。

那就先解决：

80%的常见 HR 问题自动回答。

这才是企业 AI 真正应该进入的地方。

四、所以，我越来越不相信“万能 AI”

AI 产品宣传里最容易出现的词就是：

万能。

万能助手、万能 Agent、什么都能做……

但企业真正需要的可能恰恰相反。

AI 越是进入企业，越应该从“万能”走向“具体”。

因为企业不是在买 AI。

企业是在解决问题。

AI 只是解决问题的一种新的生产工具。

未来企业里的 AI，很可能不是一个巨大的聊天窗口，而是一系列嵌入具体业务流程里的“小系统”：

销售有销售 Agent。

财务有财务 Agent。

项目管理有项目 Agent。

客服有客服 Agent。

甚至每个部门、每个岗位，都可以根据自己的业务特点，定义自己的 AI 工作方式。

而 Harness 这种高度可定制的形态，恰好提供了这种可能性。

五、AI产品的下一个阶段：从“提供能力”到“提供解法”

我觉得过去两年 AI 产品解决的主要问题是：

让更多人用上 AI。

而接下来真正困难的问题可能变成：

让 AI 真正进入业务。

这两件事完全不同。

前者解决的是“有没有 AI”。

后者解决的是：

AI 到底改变了什么？

如果一个企业用了 AI，员工每天还是按照原来的流程工作，只是在旁边多了一个聊天机器人。

那它其实并没有真正完成 AI 化。

真正的 AI 落地应该是：

重新设计工作流程，让 AI 成为流程的一部分。

所以未来企业 AI 的竞争，也许不再是谁的模型参数更多、谁的聊天窗口更漂亮。

而是谁能够真正把：

模型能力 → 工作流 → 业务结果

这条链路跑通。

最后

DeepSeek-harness 给我的一个很大感受就是：

AI 正在从“被使用的软件”，逐渐变成“可以被定义的软件”。

这可能是 AI 对传统 B 端软件最大的冲击。

以前我们购买软件，是为了适应软件提供商设计好的流程。

未来，我们可能会越来越希望：

软件能够适应我的流程。

甚至进一步：

我自己定义软件应该怎么工作。

所以 AI 真正进入企业的终局，也许不是每家公司都有一个“万能 AI”。

而是每家公司都拥有一套能够根据自身业务不断调整、组合和进化的 AI 工作系统。

AI 的价值，不在于它什么都会。

而在于它能不能把企业最重要的那个问题，真正解决掉。