不扯什么FDE，就聊聊我最近做企业 AI 项目的几个思考

来源：公众号《把自己产品化》

最近三四个月，接触的企业客户比较多，虽然都不大，我分享点心得，如果你也在做一些企业 AI 相关的项目，没准有点帮助，我要是说的不对，您就一笑而过，毕竟我接触的企业数量也有限，只能算一个小卡拉米的观察样本。

1，企业老板嘴里的 AI 需求，通常不是最终需求。

很多老板第一次找到你，可能会说：

“我们想做 Agent。”

“我们公司要 AI 转型。”

“希望通过 AI 降本增效。”

是这么个道理，但这都是正确的废话，没有一个真正能落地的点。

绝大多数企业并不知道 AI 到底应该放在哪里。他们可能知道 AI 很重要，但其实并不知道自己的业务流程里，哪一个环节最值得改造。

所以你也得跟产品经理一样，把那些模糊的需求转化成一个很实际很具体的问题。

比如“我们想提升销售效率”，可能是“销售每天花大量时间整理客户资料”，也可能是“管理层不知道销售到底跟进到了什么阶段”。

表面上都是“销售效率问题”，但解决方案完全不同。

所以说企业 AI 真正高价值的能力，恰恰是帮助对方把模糊的、情绪化的、表面的问题，拆解成可验证的、可落地的真实需求。

这里也带出一个问题，你帮对方提炼出实际需求的过程，对于企业来说才是最重要的，知道问题在哪儿，再做一个什么工具去解决反倒是小问题。

所以……你们知道应该在哪个环节多收钱了吧？

提炼需求、梳理根因、定义问题边界 —— 这是核心价值，应该收高价。
根据清晰需求去选/建/调工具 —— 相对标准化，溢价空间有限。

不要本末倒置啊！

也就是说，很多人把 AI 当成“更快的锤子”，却忘了客户真正缺的是“看清钉子在哪里”。

本末倒置的结果，就是交付了一堆看起来很AI的功能，却解决不了业务真正的痛。

2，别跟企业说什么你这个是个啥 Agent，尽量不要展示你的过程，你就想着人家要的结果就是更顺的业务、更低的成本和更高的利润。

我们之前就犯过一个错误，就是人家想用 AI 解决他们的某个业务场景。

我们就觉得应该把让对方看到我们是怎么用这个 AI 解决这个问题的，让人家觉得物有所值。、

就把做了几个 agent，做了什么 skill，用的谁家的大模型，怎么跟这些 IM 工具进行交互的。

甚至还让老板或者员工可以自己定义每一个 agent 能干什么。

美其名曰就是这个很牛逼，很灵活。

刚开始人家很新鲜啊，觉得很 AI，后面就不行了，

因为客户不是要变成 Agent 工程师，尤其是真正干活的员工。他们只想解决自己的业务问题。

你去教他们 Agent、Skill，他们搞不明白就怪你系统不稳定、影响效率；真学会了，人家自己就能弄，后续你就收不到长期的钱了。

正确的做法应该是：

直接给可跑的结果，像 Workbuddy 上面的技能一样——点一下就能干活。至于这个技能怎么做的、背后用了什么，完全不用给他看，甚至都不用让他知道。

交付结果，不“交付”过程，反倒能省很多事儿的同时还能多挣钱（长期）。

3，很多人理解 AI 变革，会陷入一个误区：认为只要给工作加一个 AI 工具，效率就会提升。但真正的问题是，有些工作天然适合被 AI 放大，有些工作天然依赖人的存在。

就好像现在我的群里基本上都是人人在 AI，但现实中，很多人毫无兴趣，比如我老婆，人家基本上不用，或者说用不着，人家顶多在需要的时候使唤我：你不是说 AI 很厉害嘛，你给我整一个 xxx……

我说这个就是因为，我们在跟企业打交道的时候，就不得不跟人打交道。就是说你不仅仅是跟老板打交道，了解业务，重点是一线干活的员工啊，因为真正了解一线业务的就是干活的员工啊。

但问题是：他们为什么愿意把自己的经验全部交出来？

很多岗位真正有价值的部分，并不是写在 SOP 里的流程，而是多年积累下来的判断。

什么时候应该换一种话术。什么客户其实已经流失。什么异常情况应该怎么处理。

这些东西才是真正的业务资产。

回到前面的那个问题，适合被 AI 放大的工作又是啥？

输入相对明确；

过程可以拆解；

输出有标准；

结果可以验收。

另一类工作就不是这样的，不是信息处理了，完全是情绪、利益、关系、潜台词。

就好比销售，如果一个只负责重复介绍产品的销售，那肯定很容易被 AI 替代。但一个能理解客户战略、协调复杂关系、推动大额交易的销售，甚至能提供很强的情绪价值的都会越来越值钱。

我为啥要在这里插入这些看似跟这篇文章主体无关的东西呢。其实我就想说，你自己搞明白了 AI 会杀死谁，需要谁，你也能让员工认清自己所面临的形式，让员工意识到自己可以不是被替代的人，而是 AI 的训练者、管理者和使用者。对于你做企业这个活儿是不是顺畅很重要！

你总不能在员工不配合你的时候，只能去跟老板告状说，哎呀，他不配合我啊。AI 落地不是简单地把人的工作交给机器。而是需要重新设计人与 AI 的关系。

4，实际项目中，我越来越觉得，技术反而不是最大的障碍。真正难的是：企业原有的数据、流程和人。

比如做知识库。

也不是简单的说把企业资料上传进去，AI 就懂了。

真正落地，会发现前面还有大量工作。

比如，历史文件需要整理。无效资料需要清理。不同格式需要处理。知识需要拆分。检索需要优化。内容需要持续更新。因为企业知识不是静态的。甚至今天正确的流程，半年甚至几个月后可能已经变化。

所以 AI 知识库不是一个项目结束，而是一套长期运营体系。（这个环节也能长期收到钱啊！要重视啊！）

说来说去吧，技术领先，我觉得都不是重点了，毕竟有了 AI，很多时候就是你有我也有啊，还得是他娘的更懂业务。

所以我就 callback 一下，谁真正理解自己（服务企业的）的业务。谁知道哪些地方值得改造。谁能够把 AI 放进真实流程里。

企业最终不会为“拥有 AI”付费。

他们愿意付费的，是 AI 带来的确定结果。

这句话的背后就是，企业 AI 的机会，不一定是卖一个 AI 工具。而是帮助企业解决一个长期存在、又没有被解决的问题。

（ps：关键词：长期，也以为你有机会可以长期合作，长期挣钱，听懂掌声。）

这也是目前自己做企业 AI 项目之后，一些比较粗浅的感受。

继续摸索。

继续踩坑。

如果后面有新的理解，再继续分享。

谢谢。

原文链接：https://mp.weixin.qq.com/s/DIQ5JPlH-s-DgDkx_N6y7g