上周开会,领导丢过来一个任务:梳理一下公司 AI 能用的场景,下周拿个清单出来。

我在信息化这行干了十七年,这类任务接过不止一次。但这次我认真翻了近几个月的需求台账,发现一个挺尴尬的事实:真正被业务部门反复打开的那几个功能,没有一个是“梳理”出来的。

全都是某个岗位被一件事折磨得受不了,直接跑到我办公室问:这个能不能让机器干。

所以我想把话说得直一点:AI 落地这件事,卡住绝大多数企业的,不是技术,也不是预算,而是从一开始就把方向搞反了。

一、“场景”不是一个可以搬运的知识点

我见过太多这样的会:请几位讲师,讲一堆案例,PPT 里全是别人家的工厂、别人家的客服、别人家的报表。台下听得热血沸腾,散会以后回到自己的办公室,第一反应是——我们这儿好像也能做,但具体做哪个?

然后就没了。

原因不难理解。“场景”不是一个独立存在的知识点,它是一道乘法:

场景 = 工具能力 × 业务痛点 × 成本约束。

三项里少一项,这个场景就是假的。讲师手里有第一项,你没有第二项和第三项。他不知道你的物料主数据烂到什么程度,不知道你一张报价单要拆多少层,不知道你的车间主任根本不愿意在手机上多点两下。这些恰恰才是决定一个 AI 功能能不能活下来的东西。

会开车的人,从来不缺汽车的应用场景。会用手机的人,也不会到处问“手机能干什么”。工具真正进入你的手,场景自己会冒出来。

反过来说,一个人如果还在到处问“AI 到底能用在哪儿”,那说明 AI 对他还是个概念,不是工具。

二、自上而下摊派的 AI 任务,从一开始就很难成

这一点可能不太讨喜,但我觉得有必要写下来。

企业里很多“AI 工作”,起点不是业务需要,是老板的焦虑。同行都在讲 AI,投资人都在问 AI,行业大会的标题全是 AI,自己公司一年下来没有一个 AI 成果——这种焦虑是真实的,而且必须被处理。

但老板不可能自己去写提示词、清洗数据、调接口。他需要一个抓手,抓手就是摊派任务:每个部门报 AI 场景,季度要有产出。

这很像孩子成绩不行,家长规定每天必须学两个小时。这个规定不一定能提分,但至少在家长眼里,“他学了”,焦虑缓解了。

所以很多所谓的 AI 成果,本质是汇报材料:几张截图、一个演示视频、一份写着“效率提升 30%”的总结。真实使用人数是个不能问的问题。

我不认为这是员工的错。自上而下的指标,只能产出向上交付的东西。真正能跑起来的工具,一定是自下而上长出来的。

三、正确的顺序是反的

绝大多数公司的做法是:先找场景,再找人做。

正确的顺序恰好反过来:

先盘点哪里最疼 → 再算这笔账值不值得 → 然后小范围试点 → 有效再推广。

第一步最土,也最有用。我做的事情很笨:把各部门的重复劳动列出来,标上频次和单次耗时。哪些事一周干三次以上、每次半小时以上、且动作高度雷同,基本就是候选。

第二步是算账,这一步能砍掉一大半的候选。制造业尤其明显:我们不是互联网公司,没有无限的人力预算,任何一个新系统都要占掉固定投入。项目型制造,型号多、批量小,最大的成本不是工资,是摊销。一条产线、一套系统,只有在持续满负荷运转时单位成本才降得下来;用不满,折旧照走,单位成本反而更高。

这条逻辑套到 AI 上同样成立。所以我判断一个 AI 功能该不该做,第一个问题不是“技术能不能实现”,而是“它会不会新增一块用不满的固定成本”。

答案通常是:会。那就换个做法——优先落在那些不增加固定投入、能随订单弹性伸缩的环节。比如报价阶段的成本预拆解、图纸与物料清单的核对、工单的供需平衡测算、异常工单的自动归类。这些活的特点是:人做起来最烦,但又不值得专门养一个岗位;量忽大忽小,忙的时候没人干,闲的时候养着浪费。

这种地方,AI 才有生存空间。它不是来替代一个稳定的岗位,它是来接住那些波峰。

四、怎么判断一次落地算不算成了

我现在只看三个问题,不问模型,不问参数:

第一,谁在用?说出具体的人名和岗位。说不出来,就是没落地。

第二,他原来做这件事花多久,现在花多久?如果答案是“差不多,但感觉更先进了”,那就是没落地。

第三,错了没有?AI 出的结果有没有人核对、有没有出过事、出事之后还愿不愿意用?一个没人敢信的自动化,比手工更慢。

还有一个很残酷的信号:试点三个月,如果只有你自己在打开它,业务方一次都没主动用过,那它已经死了,只是还没人宣布。

五、写在最后

我不反对开会,也不反对学习别人的案例。2022 年、2023 年大模型刚出来那阵,看别人怎么用,确实有启蒙价值。但到了今天,基础能力大家都听过了,还在一遍遍泛泛讨论“AI 有哪些场景”,那就是无效叙事。

AI 从来不缺场景。

缺的是愿意承认“我这里确实有一个蠢流程”的人,和愿意花两周把这个蠢流程拆开看看的管理者。

场景不是找出来的,是疼出来的。