我在给企业「推」AI 的时候，一直有种很矛盾的心理。
一方面我总是建议老板让员工在工作场景里大量用 AI，提高整体实力和效率；另一方面我又总担心老板对 AI 魔怔了，觉得万物皆可 AI，有了 AI 自己啥都能做——100 万的项目，有了 AI 加持，自己就能挣 80 万的那种。
你说 AI 是放大器，可是有人就是准备拿它当作弊器用的，大概率就不能如他所愿了。
就好像Vibe Coding，一个非程序员， 以前不会写代码。 现在 AI 帮他生成一个工具。他还真容易傲慢到「程序员不过如此。」
AI 帮我们跨过了很多门槛，但并没有直接把对应的行业经验直接喂给我们，这个经验就是「输入决定输出」，就好像如果你的经验里根本不知道域名解析，你甚至都想不到这个问题该去 AI 里问。
也就是说，AI 极大降低了「把想法变成一个东西」的成本，但「为什么做这个？给谁用？怎么迭代？怎么维护？怎么保证稳定？怎么处理异常？怎么和业务结合？」这诸多问题，并没有降低。而这才是真正创造价值的部分。
所以会看到有人说，那些 SaaS 都得死，不买了，我们直接用 AI 做一个，还能完全按自己需求定制，多香。
我倒觉得，如果只是偶尔用用、不用更新迭代的，还好。但要长期用下去，那可就不好说了。做一个工具很容易，长期运营好一个工具，太难了。说到底，买 SaaS 买的从来不只是工具本身，买的是「有人管」。
花钱买 SaaS，本质是把这些持续性风险转移给一个专门团队，对方靠续费活着，所以有动力一直维护。自己用 AI 攒一个，看着免费，其实是把风险都留在了自己团队里，只是这笔账现在还没算。
很多人以为 AI 最大的红利是“让自己少花钱”。 但很多时候，AI 最大的变化是让所有东西进入快速迭代周期。今天的最佳方案，几个月后可能过时。你需要不断升级，而不是做完一次就结束。而自研意味着进入一条永久研发赛道。
想起最近一个合作的老板经常会问我各种企业的 Agent，说护城河是啥？我现在似乎找到了一个答案，那就是：企业真正应该掌握的，不是 Agent 本身，而是自己的业务上下文。
就像一个优秀销售，真正的价值并不只是会背销售话术，而是多年积累下来的客户数据、行业经验、成交规律，以及对客户心理和购买场景的理解。AI 工具会越来越同质化，但这些业务理解越来越值钱。
有趣的地方在于，很多时候，企业搞明白了自己的优秀员工为什么优秀。本质上就解决了如何把这些隐性的经验变成 AI 能理解的东西。