本文来自微信公众号： ToB老人家 ，作者：王戴明，原文标题：《前智谱 COO，终于说出了企业 AI 的乱象》
现在的企业AI行业，最不缺的就是神话故事。
一位甲方IT总监就很无语地告诉我，老板听了一位AI网红讲“有客户用了AI，技术团队裁掉90%”，第二天就要求公司全面上AI，并大幅优化技术团队。
这位网红以前是大厂高管，现在是AI创业者，说话相当有分量，难怪老板会动了心。但真实情况是怎样的呢？根本无法核实。
昨天，我无意间看到牛透社对前智谱COO张帆的采访，我的第一反应是：这哥们儿真敢说！
张帆过去负责过智谱三年的商业化。他说：
那几年，见过太多客户花几百万元做出一个Demo，上线后很快又下线。也见过不少企业花钱买“情绪价值”：老板来的时候演示一下，看起来很酷。老板走后再问“能上线吗”，得到的答案是“上不了”。
牛透社
他说的情况，和我了解的很多情况如出一辙。
一位国企粉丝告诉我，他们公司轰轰烈烈上了十几个AI项目。但最终，除了AI编程，其他都没有真正跑通。最常见的情况是：Demo的时候很激动人心，但一落地就是各种问题，最终结局就是扔在角落里吃灰。
从张帆的采访中，我看到了企业AI落地的5种典型乱象，哪怕AI已经火了3年，但这些乱象仍然普遍存在。
一、销售Demo
AI时代，做一个Demo变得太容易了。
编写一段提示词，再配合一段预先设计好的提问，AI就能产出一个看似完美的答案。客户第一次看，往往会非常震撼。
但真实业务不是一场准备充分的演示。
数据会缺失，规则会冲突，流程更复杂，真实用户提出的问题也不会像Demo里那样简单清晰。AI在演示里回答得很好，不代表它能在复杂场景里稳定工作。
等上了线，企业发现了这个真相，已经来不及了。
所以，企业采购AI第一件事不应该是看Demo有多炫，而是应该去已经落地的客户现场看一看：用户是否还在持续用？AI出错了如何纠正？业务指标有没有持续变化？
如果这些问题没有答案，那么所谓的“项目成功”，大概率只是骗人的鬼话。
二、烂大街的FDE
现在，很多软件公司又找到了一个听起来很高级的名字：FDE，即前线部署工程师。
它们说，自己有一支FDE团队，可以进入客户现场，诊断业务问题，发现AI场景，再把AI稳定落地，并交付业务价值。
真正能做到这些的人当然很有价值，但你有没有想到一个问题：这些优秀的人才，是怎么一夜之间就冒出来的？
真相是，大部分所谓FDE，本质仍然是实施顾问。他们做的仍然是梳理需求、编写方案、整理数据、定制开发。唯一的区别是他们比传统实施顾问懂一些AI技术。
张帆把这种模式形容为：“用发动机更高效地养马，而不是造出一辆汽车。”
这句话很准确，今天的大部分FDE，本质还是实施顾问，他们既无法交付业务结果，也无法反哺标准产品；既无法实现用户价值，也无法实现商业价值。
一位粉丝告诉我，他们公司接了几十个AI项目，都是高度定制。最后，FDE都被拖进交付泥潭，客户不认可价值，回款也很困难。
很显然，他们就是今天FDE的典型处境。
三、许愿式上AI
现在有些厂商很喜欢讲“客户上了AI，收入翻了十倍”的故事。很多老板听完以后，也会产生一种期待：我投100万做AI，能不能给我带来10亿收入？
这就是企业AI另一个乱象：把一个愿望，当成了项目目标。
而它其实也是90%的企业AI打水漂的原因：老板的幻觉，比AI幻觉严重10倍。
我建议，老板下次听到这种“成功故事”，要先冷静下来，然后问自己2个问题：这家企业成功的条件和代价是什么？自己是否满足这样的条件，是否愿意付出同样的代价？
如果一个厂商说，AI能让你的收入提高十倍，那么一个很简单的办法是：请他把这句话写进合同，作为商业承诺。
当然了，如果你真这么要求，这家厂商肯定会忿忿离去。
四、把AI落地当技术问题
很多老板被成功故事打动以后，第一反应不是自己去研究AI，而是给CIO派一个任务：XX公司上AI已经大获成功了，你明天也给我出一份AI落地方案。
问题是，AI落地真正难的部分，往往不是技术问题，而是业务问题；不是执行问题，而是决策问题。
比如，企业要做销售AI。最重要的问题不是选择哪个厂商和产品，而是先搞清楚：这个AI到底要解决什么业务问题？是要把销售记录自动整理出来，还是要帮助销售判断商机价值？
前者主要是流程自动化，后者会碰到数据收集、组织配合、机制改革等一系列问题，难度比前者高了至少一个数量级。
很多老板一谈AI，脑子里想的还是买什么产品、找什么厂商。
但这些问题，其实应该放在后面，最重要的还是先想清楚：我们到底要解决什么问题？要达成什么目标？我们为此要付出多大的代价？
所以，AI项目不能让CIO先出方案。老板自己应该先下场，把业务目标、投入成本和组织代价算清楚，再决定要不要立项。
五、AI裁员
很多老板都有一种冲动：AI跑起来了，赶紧裁人。
AI确实可以接住一部分低风险、标准化的工作。但大量复杂业务和异常业务，仍需要人来兜底。
比如：AI回答错误，如何补救才不会让客户彻底愤怒？AI误判了一个重要商机，谁来发现、纠正并承担后果？
很多企业的问题，是刚把员工的经验整理给AI，就以为AI已经学会了，于是急着把人撤掉。表面上成本降低了，实际却可能把原来藏在人身上的判断和责任一起撤掉了。等业务出了问题，再把人请回来，代价通常更高。
更稳妥的做法，是先让AI和业务专家一起运行一段时间。AI接住重复性工作，专家转去监督AI、处理AI异常。等到AI能长时间稳定运行了，再讨论组织调整。
结语
今天的企业AI，最容易被误判的地方，是把“做出来了”当成“跑通了”。
一个Demo很惊艳，不代表用户会持续使用；
有一支FDE团队，不代表AI项目就一定能成功；
一个成功案例讲得很动人，不代表它具备普适性；
AI能替人做重复性工作，不代表企业可以把懂业务的人撤掉。
如果你们准备立项一个AI项目，至少要问五个问题：
第一，这个AI到底要解决什么业务问题？
第二，这个业务问题有哪些复杂场景，和Demo演示有多大差异？
第三，供应商口中的成功案例，有什么前提条件，需要付出多大的代价？
第四，供应商宣传的FDE团队，实际经验和能力如何？能不能提前面试？
第五，AI上线后，我们预期的业务目标是怎样的？实现的概率有多大？供应商是否敢于做出承诺？
这五个问题都不性感。
但如果一个项目连这些问题都回答不上来，那么它大概率不值得企业投入几百万，更不值得老板为它心潮澎湃。
其实，企业AI的时代才刚刚开始，未来一片光明。但企业AI的渗透需要时间，更需要耐心和务实的态度。
真正的企业AI，不是老板来时演示得有多酷，而是老板走后，它还能不能替企业把事情做下去。
这才是企业AI最残酷的分水岭：会讲成功故事的公司很多，能陪客户穿过真实业务泥潭的公司却很少。