那家投了1000万做AI的企业，一年后为什么放弃了？

网址

type

Post

status

Published

date

Feb 5, 2026

slug

summary

问题到底出在哪？

让我们仔细捋一下。

其实，高层对AI落地的热，他们让决心看起来很坚定，却也很容易把组织带进"急着起跑、却跑不动"的矛盾。

一股是叙事热：行业峰会必谈AI，媒体密集报道，同行交流言必称大模型。不谈就显得落后，谈得不够"宏大"又显得不够懂。久而久之，AI成了一种新的"职场政治正确"，先把气氛点燃，再逼着组织表态。

另一股是资本热：AI圈层里聊的是投融资、估值、生态、并购与窗口期。热度当然真实，但它更像情绪加速器——资本市场可以用几个月改写预期，企业却不可能用几场会议重构流程。资本在催"快"，组织在习惯"稳"，温差从这里开始形成。

还有一股是焦虑热：怕错过窗口，怕隔壁公司先上车，怕被竞争对手弯道超车。焦虑能推动行动，但也最容易带来一种冲动：一上来就要"高价值"、要"一把大的"、要"一次性改造组织"。

于是，高层的"热"往往呈现为一种典型姿态：目标很大、时间很急、耐心很少。

而这恰恰会把AI的落地路径，从"点状渗透、逐步扩散"扭成"面状重构、必须一次成功"。

但问题在于，高层对AI的热，并不是表面看起来那么真切。

问传统企业高层"AI重要吗？"，答案几乎清一色是"非常重要"。

但再追问"你每天用AI做什么？"——Manus、Cursor、Claude Code、Notebooklm、OpenClaw等主流高效AI工具是否了解过，是否用过？日常除了豆包、DeepSeek等通用对话模型，以及用元宝千问来抢红包以外，还接触过哪些有深度的行业AI应用？

场面往往变得微妙，要么语焉不详，要么避重就轻。

核心问题在于，多数企业高层对AI工具、工程应用的深度研究严重不足。

反观Meta快速决策投资Manus，关键就在于其高层亲身使用过产品，对场景价值有深刻体感。

而很多企业的高层对AI的认知，仅停留在"降本增效""一次性突破高价值场景"的笼统想象，既不理解技术内核与边界，也不清楚落地攻坚的现实难度，更未主动推动自身管理工具、管理模式的AI化升级。

这并非"道德绑架"高层必须写代码、调提示词，而是一个现实命题：

如果手握资源决策权的高层，对AI的使用仅局限于通用对话模型，又能对基层提出怎样合理的AI应用期待？

如果高层的"热"只停留在趋势判断，从未融入自身日常工作、改变固有工作习惯，这种热度就永远无法转化为组织能力。

很多高层的典型回应是"听说过、在看、让下面试一下"，但这句话背后藏着核心矛盾：

AI不是抽象理念，而是全新的生产力工具，工具要发挥价值，核心是改变使用者的工作习惯。

高层自己不愿被AI改变，就只能被动"要求基层改变"，而这种缺乏示范的要求，换来的往往是基层的应付——毕竟基层最擅长做"看起来忙碌、实则无实效"的表面工作。

高层谈AI落地，嘴上常提"节省人力""辅助决策"这类表层目标，心里真正锚定的，却是更激进、更具颠覆性的终局构想。

但AI落地最常见的误判，不是模型能力被高估，而是高层的期望路径被高估。

AI天然的扩散规律是"点状渗透、逐步放大"：

哪里痛就先打哪里，哪个环节最容易跑通就先跑通，通过一连串小成功积累数据、流程和工具，再把能力往更复杂、更关键的流程里长。

它更像水渗入土壤：先从缝隙进去，再慢慢浸润全局。

但企业高层往往更渴望"面状重构"——希望一次性把ERP系统、运营管理系统、财务管理系统、知识库、客户数据等全公司上下文打通，搭建一个"全知全能的企业大脑"，实现全方位的流程再造与效率提升。

这种"一口吃成胖子"的期待，与AI落地的自然规律形成了严重错配。

这种错配，直接导致组织内部的认知与行动脱节：

基层团队结合自身工作痛点，各做各的AI小工具——客服团队用AI优化回复话术，运营团队用AI做数据分析，研发团队用AI辅助编码，每个工具都能解决具体问题，效果立竿见影。

但这些小工具往往分散在各个岗位，无法形成公司级的核心能力。

高层看不到"大变化"，觉得基层做的都是"鸡毛蒜皮的小事"，没有触及核心业务，认为AI"还没真正落地"，对基层工作充满质疑。

基层看不到"被承认"，自己费心费力做出的成果，得不到高层的认可与推广，反而被指责"没有格局、只盯着小事"，逐渐丧失推进AI落地的动力。

我看过某上市互联网公司的案例，他们没上来就搞"企业大脑"，而是先让每个部门报三个"最小可行性场景"——那种能用AI解决的具体小问题。

最后选了三个：销售合同自动分类、生产异常实时预警、客服话术智能推荐。

每个场景投入不超过20万，两个月内见效果。

结果呢？合同分类准确率从60%提到95%，人力成本降了40%；生产预警让停机时间减少28%；客服响应速度提升50%。

三个小场景跑通后，员工信心上来了，数据也积累起来了，现在正稳步推进更复杂的场景。

AI落地就像水渗入土壤：先从缝隙进去，再慢慢浸润全局，而不是一上来就想淹没整个田地。

更有意思的是基层的反应。

我朋友说，其实他们业务部门私下里早就把AI用得飞起了。

销售用AI写方案，运营用AI做数据分析，连行政都用AI写通知。

但这些全是"地下工作"，没人敢拿到台面上说。

为什么？

因为公司过去两年搞过三次"降本增效"，每次都把"效率提升"和"人员优化"直接挂钩。

有个客服主管偷偷用AI把响应效率提升了40%，结果被领导叫去谈话：

"既然这么高效，是不是团队可以精简一下？"

吓得他再也不敢提AI的事。

真相是，不是员工不用，是不敢让你知道。

就像我朋友公司的工程师，自己开发了个AI代码审查工具，效果很好，但宁愿自己加班改bug，也不敢申请资源推广——怕被当成"可替代岗位"的证据。

这种焦虑，在医院、工厂、办公室里普遍存在。

基层并不冷落AI，甚至可能是整个组织里最早热起来的一群人。

很多人下班后是"AI老司机"：写周报、改PPT、做表格、剪短视频、写脚本、搭小程序、写投放文案、做数据分析……

不需要任何人推动，也不用任何宣贯培训，工具装上就能跑起来。

但问题是，这些个人热能很难转化为组织热能。

企业真正缺的，从来不是一轮又一轮宣贯，而是让这股热能"合法进入流程、可规模复用、能得到激励与保护"的机制。

基层面临的困境还不止这些。

一个是激励门槛——"用得越好，越像在给自己挖岗"。

基层对AI的"冷"，往往不是不会用，也不是不想用，而是不敢把它用得太公开、太彻底。

因为在很多组织里，AI的价值被默认翻译成四个字：降本增效。

这四个字对老板是利润，对员工却是警报——你把效率提得越亮眼，就越像在亲手证明：这个岗位可以少一个人，甚至可以不要你。

所以基层会迅速学会一套"理性自保"的用法：能用但不说，能提效但不夸，能跑通但不推广。

私下用AI把材料写得更快，把分析做得更准，把代码敲得更省心，当然没问题。

但一旦把它写进汇报、做成流程、变成团队标配，就等于把"可替代性证据"递到了组织面前。

尤其是当企业过去几年反复做过"降本增效"、"裁员优化"，这种组织记忆会让人更敏感：AI不是来帮我升级的，可能是来给我做审判书的。

更微妙的是，AI带来的"效率提升"在组织里常常没有对应的正向回报。

你省下来的时间，不一定变成你的成长、奖金或晋升，反而可能变成更多任务、更高指标、更严考核。

你推动的工具越好用，越可能被当成"你本来就该这么高效"。

在这种激励结构下，基层最安全的策略只能是：把AI永远留在流程外，把自己永远留在流程里——AI负责快，自己负责"必须有人在场"。

跨过这道门槛，靠的绝不是"宣贯拥抱变化"，而是组织要给出可被感知的承诺：提效不会换来惩罚，贡献会得到奖励，试错不会自动背锅。

换句话说，企业必须先回答基层那个最现实的问题：我把AI用得更好，是在升级自己，还是在加速被替代？

只要这个问题不被制度化地回答，AI在公司里就只能停留在"个人外挂"，很难变成组织能力。

我看过一些企业做得挺好。

某金融企业做得很聪明，他们建立了"创新基金"，鼓励员工尝试AI工具，即使失败也不会影响绩效考核。如果成功了，会获得奖励。这种机制让员工愿意尝试，不用担心"用得越好，岗位越危险"。

某制造企业规定，如果员工用AI工具将工作效率提升了50%，多出来的产出可以部分转化为个人奖金或技能提升培训机会。

这种"效率增值"机制，让员工真正受益于AI的提效。

另一个是资源门槛——"口号很热，配给很冷"。

很多企业的AI推进，最像的一幕是：会议室里火力全开，"全员AI"，"全面提效"，"不做就落后"。

走出会议室，基层发现自己手里什么都没有——好用的AI工具很贵，并非每个基层都愿意自费尝试；市场上的工具很多，到底用哪一个比较好？哪个AI工具能够在企业内部使用才算合规？

"哪些数据能喂给AI、出了事谁担责"都没人讲清楚。

很多企业推进AI，最像一场"台上点火、台下断供"。

会议室里口号拉满："全员AI"，"全面提效"，"不做就落后"。

可散会之后，基层回到工位，发现自己手里依旧是空的：好用的工具很贵，没人愿意长期自费试错；市面工具一大堆，到底选谁、怎么选、怎么评估效果，没有标准；更关键的是，什么能用、什么不能用没有明确口径——哪些数据可以喂给模型？能不能把客户信息、合同条款、代码片段丢进去？出了泄露或误用谁负责？没人说得清楚。

于是基层只有两种选择：要么"偷偷用"，要么"干脆别用"。

资源门槛的可怕之处在于：它会把"愿意尝试的人"也逼成保守派。

你想多用一点token，要填表、走审批、等排期；你想买个工具订阅，要走采购、过合规、卡预算；你想做个小试点，需要IT配合接口、需要安全评审、需要法务点头，流程一圈下来，窗口期早就过去了。

技术在按周迭代，组织的资源却按月甚至按季才"滴灌"，基层自然会得出结论：别折腾，折腾不起。

不是基层不想提效，而是资源没被"制度化地交付"。

当组织不能把资源、工具、配额和责任边界将清楚，AI的热就只能停留在PPT和口号里——热在宣贯，冷在配给。

这方面也有一些做得不错的企业。

某金融企业制定了一个详细的AI使用手册，明确哪些数据可以上传到公网模型，哪些必须用私有化部署；哪些场景适合用AI，哪些场景必须人工介入。员工一看就知道什么能做、什么不能做。

某互联网公司设立了100万的AI创新基金，员工可以申请，批准后在3天内就能开始使用。对于小额的AI工具订阅，建立了"快速通道"，在预算范围内可以快速批准。这种做法让AI项目从立项到启动的时间从3个月缩短到2周。

某企业对市面上的AI工具进行评估，推荐几个适合不同场景的工具，降低基层的选择成本。比如，推荐：写作用Claude，代码用Codex，图像用Gemini ，数据分析用DeepSeek等。他们还建立了一个内部AI工具库，员工可以查看工具的评价和使用案例。

技术上的坑就更多了

他们买了套号称"开箱即用"的AI平台，结果发现公司那堆十年前的ERP系统根本接不进去。

最终没办法，让AI模拟人工操作——打开网页、登录系统、识别按钮、填表提交，活生生把智能系统做成了"高级机器人"。

有次生产部想用AI优化排产，结果系统接口不开放，AI算出最优方案后，还得人工手动录入到ERP里。

中间只要哪个环节出点偏差，整个计划全白费。

我朋友苦笑说："我们不是在做AI转型，是在给AI当保姆。"

企业最核心的运行，依然靠一批老系统撑着，流程固化、权限复杂、接口不完整，这些系统在信息化时代还能跑，但在AI时代就像一堵"看不见的墙"。

于是很多团队只能走一条尴尬的路：让AI"模拟人"去操作系统——打开网页、登录、识别页面、找按钮、填表、点击提交。

短期确实能跑通一些活儿，尤其是简单、重复、规则清晰的动作。

但这种方式一旦想规模化，就会不断遇到摩擦：速度比接口慢很多，页面一改就要重调，权限变化就要重学，脚本越堆越像"脆弱的自动化拼图"。

最终AI的定位会越来越像一个"外挂劳动力"：能帮你做一点，但很难成为稳定的组织能力。

系统门槛的本质，是AI没有合法的"内置入口"。

没有入口，就只能绕路；绕路能跑，但跑不远。

更重要的是，只要AI一直在"流程外"，组织就无法把它当成正式生产力来设计：你很难给它清晰的权限边界、很难把它纳入统一的流程编排、也很难让它成为跨部门可复用的组件。

久而久之，AI看似无处不在，实际却一直停留在"个人提效"，很难沉淀为"团队提效"，更难升级为"组织提效"。

跨过这道门槛，不等于推倒重来，也不需要一上来改造所有系统。

更现实的路径是"逐步打洞"：先挑最常用、最值得打通的几个动作——查询、回填、触发、对账、流转——开放最小可用的接口；再把流程拆成可编排的模块，让AI能在授权范围内调用；最终让AI从"替人点按钮"，变成"调用能力做动作"。

我看过一些企业在这方面做得不错。

某企业花了1个月时间，开放了10个最常用的API，结果AI应用的效率提升了3倍。

不是改造所有系统，而是先打几个关键的洞，验证效果后再扩展。

某互联网公司构建了一个AI能力中台，将常用的AI能力封装成可调用的MCP或者Skills，比如"智能客服""文档生成""数据分析"等，各个系统可以通过统一的接口调用。这样，AI就不是孤立的工具，而是嵌入到各个流程中的能力。支持客服、营销、财务等多个部门调用。

最致命的是节奏问题

LLM两周就能迭代一个版本，但公司的采购流程要一个月，预算审批要两个月，跨部门协调会开了十几场还没结果。

等终于把资源批下来，外部技术早就迭代好几轮了。

这就是很多企业的现状：技术世界以周为单位快速迭代，新模型、新工具、新范式持续涌现。

可企业的推进模式仍停留在传统信息化时代：需求调研、架构蓝图、方案评审、招标采购、预算审批、项目排期……每一步看似很重视很严谨，串起来却至少耗时半年。

等组织正式启动，外部技术答案早已迭代数轮，组织却仍执着于"定终局、建平台"的思路，与AI规律背离。

更致命的是，节奏滞后会进一步放大工具体验的鸿沟。

个人端AI工具之所以火，核心在于贴合高频动作：安装即用、操作顺滑，写材料、改PPT、做分析、写脚本都能顺手完成。但这类工具很难直接接入企业流程：权限管控、数据边界、操作留痕、知识溯源等要求无法满足。

于是企业的惯性选择往往是搭建"大而全的统一平台"，追求统一入口、统一能力、统一治理。

平台虽能建成，却常陷入"体验割裂、操作笨重、开通繁琐、流程卡顿"的困境，形成鲜明对比：个人端灵活顺手，企业端僵硬脱节，基层自然不愿迁移。

员工在个人设备上把AI用得得心应手，一进入公司体系，AI就像被关进玻璃柜，只能演示、难以融入日常。

组织也不自觉把AI做成"重资产项目"——先定义平台框架，再强行塞入场景——这与AI"先跑场景、再长能力"的路径背道而驰。

节奏错位叠加入口不顺，基层会形成理性的自保选择：AI只用于个人提效，不牵头推进流程嵌入，因为这意味着漫长排期、反复评审、频繁返工，还要适配与日常工作脱节的企业工具链。

这方面也有企业找到了不错的解决方案。

某互联网公司从"项目制"转向"能力制"，建立了AI卓越中心（AI Center of Excellence），负责持续跟进技术发展、评估新工具、推动内部应用。

他们的AI CoE每两周更新一次技术雷达，及时将新工具推荐给业务部门。

不要把AI当成一次性项目，而是持续建设的能力。

某企业缩短了决策链条，规定50万以下的AI项目，部门负责人可以直接批准，不需要层层审批。这种做法让AI项目从立项到启动的时间从3个月缩短到2周。

某互联网公司采用"双轨制"推进：一条轨道是正式的AI项目，走标准流程；另一条轨道是"影子项目"，允许员工在合规范围内自主探索。

他们允许员工用10%的工作时间尝试AI工具，如果效果好就正式立项。这种做法让组织既能快速试错，又能保持合规。

某企业建立了AI技术雷达，每月更新一次"值得关注的新工具/新模型"列表，推荐给业务部门。持续关注AI技术发展，帮助员工跟上技术节奏。

聊到最后，我朋友问我："如果重来一次，我们该怎么做？"

我想了想，给了他几个建议。

一个是从"面状重构"转向"点状渗透"。

不要试图一次性打通所有系统、覆盖所有场景。

先选一个痛点最明确、技术最成熟的场景切入。

我看过某电商公司的案例，他们先在客服部门引入AI，处理常规咨询，效果立竿见影。然后扩展到营销部门，用AI生成文案。再到研发部门，用AI辅助编程。

一年时间，AI渗透到所有核心部门，而且每个部门都尝到了甜头。

核心思路很简单：先让每个部门报三个"最小可行性场景"——那种能用AI解决的具体小问题。

选一两个投入不超过20万，两个月内见效果的试点。

就像我之前说的，AI落地就像水渗入土壤：先从缝隙进去，再慢慢浸润全局，而不是一上来就想淹没整个田地。

另一个是从"自上而下"转向"上下结合"。

不要只让高层喊口号，基层被动执行。

高层要主动使用AI，用自身行为示范。

同时，给基层足够的资源和支持，让他们的个人热能转化为组织热能。

某科技公司的CEO就以身作则，每天用AI写邮件、做决策支持，还定期分享自己的使用心得。同时，公司给每个部门分配AI预算，员工可以申请使用。

这种"高层示范+基层支持"的模式，让AI在公司内快速普及。

我看过一个数据：高层如果不先被AI改变，组织就很难被AI改变。

这不是道德绑架，而是一个现实命题。

真正"热"的高层，会把AI嵌入每一个管理动作，用自身行为示范传递明确信号，自然推动组织改变——因为他自己就在主动适配AI；

而"看起来热"的高层，只把AI放在口号里，自身仍沿用传统工作模式。前者靠示范带动变革，后者靠要求倒逼应付，最终的落地效果天差地别。

再一个是从"工具思维"转向"组织变革"。

AI不是工具，而是一次深层次组织变革。

不要只想着"引入一个工具"，而是要同步改变组织架构、激励机制、工作流程。

我看过某制造企业的案例，他们在引入AI时，同步做了三件事：调整组织架构，建立"AI+业务"的跨职能团队。不再是IT部门单独负责AI，而是让业务人员和AI工程师一起工作，确保AI应用真正解决业务问题；改变激励机制，用AI提升效率的员工可以获得奖励。某制造企业规定，如果员工用AI工具将工作效率提升了50%，多出来的产出可以部分转化为个人奖金或技能提升培训机会；优化工作流程，砍掉不必要的环节。在引入AI前，先梳理了所有业务流程，砍掉了20%不必要的流程，简化了30%复杂的流程，然后再引入AI，效果就很好。

某互联网公司还建立了"AI大使"制度，在各部门培养一些AI使用专家，员工有问题可以向他们咨询。他们还在每个部门培养了2-3个AI大使，帮助同事解决AI使用中的问题。

这种"人+工具+流程"的系统性变革，让AI真正融入了组织的DNA。

和朋友告别的时候，我朋友说他准备向老板建议重启AI项目，不过这次要换个思路：先从"让每个员工都能用好AI"开始，而不是一上来就追求"全自动工厂"。

这让我想起一句话：AI落地不是技术革命，而是管理革命。

企业AI落地的变革，始于破解冷热失衡的当下困境，终于组织能力的长远重塑。

当高层以实践替代口号，以耐心替代浮躁；当基层以主动替代被动，以创新替代自保；当资源普惠、激励清晰、机制开放、认知统一，AI便不再是游离于流程外的外挂，而是融入日常的隐形能力，不再是单点的工具尝试，而是全域的组织赋能。

最终，当技术红利与组织变革、个人成长形成正向循环，AI带来的将不仅是效率的提升、成本的优化，更是组织的自我进化与全员价值的共赢，这便是企业拥抱AI的终极答案。

毕竟，技术从来都不是问题，问题在于我们怎么用技术改变组织和人。

就像那位朋友最后说的："我们以前总想着用AI改造业务，现在才明白，应该先用AI改造我们自己。"

本文信息

字数：约5000字

创作方式：结合真实观察与行业调研

核心案例：基于真实企业AI落地经历改编