这段时间见了不少跨境的同行，聊得最多的就是 AI 到底该怎么在公司里落地。
然后问得最多的一句话是：为什么我们公司推不动。
聊下来我发现一个挺有意思的现象，大家对于 AI 落地这件事情的做法完全不一样。
有的公司在疯狂写 Skill。一线自己动手，把日常运营里的那些判断一条一条写进去。
有的公司在搭 BI 看板。逻辑是先把数字化这块补上，数据能看见了，用起来再说。
还有的公司更直接，全部用 Chat。OpenClaw、Hermes 这些一接，就当成一个新同事引进来，有事就跟它说。
这三种做法，你说哪种对？
说实话我一开始也在琢磨这个问题。
但是！！！
聊得越多我越觉得，这个问题其实问错了。
能不能推得动，跟你选哪种工具、哪种形态，关系没有你想的那么大。
我观察下来，真正跑得起来的公司更多是这两种路子。而推不动的那些，最后基本都能归到同一个问题上。
先一句话总结下：
这种模式能跑起来，靠的是业务的一把手或者老板本人跳下来干。
不是挂个名，不是开个会说我们今年要 All in AI，是真的自己下场。
这种公司里你会看到一个特别明显的现象：一线的同事和员工，几乎都会开始正式地写 Skill，搭属于自己的 AI 工作流。而且他们展现出来的能力，挺出乎我意料的。
过去大家的理解是，写 Skill 听起来就很技术，运营是搞不定的。但真跑起来你会发现，这事儿其实没有想象中那么难，而且运营主导写出来的反而更能用。因为 Skill 里真正值钱的不是那几行操作步骤，是判断。
判断这个东西，只有天天在一线做这件事的人才有。
包括我们给新人培训广告的时候，经常会遇到的问题是：这个词为什么否定？为什么这个有 20 个点击了不出单还是不否？这种东西你去问任何一个技术，他答不上来——不是他不聪明，是他手上没有这个东西。但是运营答得上来。
不过，运营有判断，不代表他们就会主动把判断写下来。
对一线来说这是额外的活。今天不写，这个月的销售也不会少一分。
所以一把手下场的意义就在这里：他能让这件事从「有空可以搞搞」，变成一件正事。
推进快的卖家还会再往前一步，定点招一些有技术背景的人，专门做公司内部的工程化处理，搭个服务器什么的。
执行力弱一点的公司呢？其实也没那么惨。工作流零零散散，没有完全成体系地跑通，但起码在内部先实现了局部的提效。这个也算数。
这种情况也不少。
有意思的地方在于，这些人往往并不是一线的销售或者业务。有的是对数据感兴趣，有的就是纯粹对 AI 这个东西本身感兴趣。反正就是在公司里先行一步，自己开始用，自己搭工作流。
搭着搭着，别人发现他那套东西还挺好使，再加上老板也愿意给权限去落地，就慢慢跟着用上了。
这条路说到底，有点像是公司里有个单独的人在专门负责这件事。虽然这个人可能没那么了解业务，但确实也能落地下来。
不过老实讲，这条路会比第一种难一点点。
难在他得反过来补业务。
懂业务的人写 Skill，判断本来就在自己脑子里，写下来就完了。但业务没那么熟的人，得先把判断从别人那儿挖出来，去问运营为什么这个词要否，去翻历史数据。慢，而且容易做出一些看着挺酷、其实用不上的东西。
但只要有一个前提在，这条路就走得通：
这个人自己在用，而且他有事会去问业务。
我也见过做得更深的。那个人一路往下挖，最后把整套系统化的东西在公司内部真正落地了，不只是几个零散的工作流。
聊到这儿，就该说说推不动的情况了。
失败的形态挺多，但摆在一起看，根子上是同一个问题。
AI 推不动，绝大多数时候不是因为选错了工具，是因为做这件事的人跟业务是分开的。
最典型的就是把 AI 落地整个交给 IT。
公司依然套用过去那套传统的协作方式，让业务和 IT 完全独立。AI 落地完全由 IT 主导，业务提需求，IT 排期，做完了业务来验收。然后双方在需求和理解上一直对不齐，落地的时候摩擦不断，最后往往做得非常割裂，跑不通。
坦诚的讲，我觉得这事儿真不能怪 IT。
过去上 ERP、上系统就是这个流程。业务提需求，IT 做出来，验收通过，结束。这套方式在做确定性系统的时候没问题，甚至是最高效的。
但 AI 落地不是这类事。
你交付的不是一个功能，是一段判断。
业务提需求的时候，只能提出「我要一个能自动分析广告报表的东西」。但真正决定它好不好用的，是那些细到没法写进需求文档的判断。什么情况下这个词该否定，什么情况下点击数看着吓人但其实还得再等等。
这些东西业务自己都未必说得清楚，怎么可能在一次需求评审里传递给 IT？
所以最后做出来的东西，往往是能跑，但没人用。。。
就算把 AI 落地整个外包出去，其实也是同一个问题换了个形态。
外包能不能跑通，取决于一件事：公司内部有没有人真的陪着一起做。有专人陪着，并且在这个过程里，内部重新梳理出明确的需求、SOP 和判断标准，那确实也能跑出很不错的工作流。但如果缺乏内部的深度梳理和陪跑，这种尝试往往最后都会不了了之。
所以不管对面是自己的 IT 还是外面的团队，只要做这件事的人跟业务是分开的，最后交付的就只是一个功能，判断还留在原地。
聊到这儿，可能有人会觉得我在鼓吹一定要搞组织变革。
倒也不是。这里面其实是两档不同的事。
如果要的就是简单的提效，运营写 Listing 快一点，客服回邮件省点时间，报表不用手动拉了，那用好现在市面上现有的工具就足够了。真的够了，不用上什么体系。这一档最划算，也最容易见效。
但如果想的是在 AI 时代真正构建起自己的壁垒，成为一家 AI Native 的公司，那就是另一回事了。
而这里面第一个坎，可能比大家想的更靠前。
我们目前看到的实际情况是，非常多的跨境电商公司，过去连基础的 SOP 和数字化都没有做好。流程在群里，判断在老板脑子里，数据在十几个 Excel 里，每个人一份，版本还不一样。
对于这一类公司，想要一口气跨越到 AI 时代，我觉得几乎是不可能的。因为所谓的 AI 引擎，必须建立在公司本身已经有不错的数字化基础之上，才能真正发挥出它的威力。数据是散的、流程是口口相传的，你给它接再强的模型也没用，它连你公司现在到底发生了什么都不知道。
过了这一关，后面还有几个更系统的问题绕不开：
1自己的工作流该怎么搭？不是某个人用得顺手的那套，是新人进来能直接上手、换个类目还成立的那种。
2业务里的判断和核心资产该怎么留存？一家公司做了这么多年，最值钱的往往是那些藏在老运营脑子里的判断，没写下来之前 AI 是碰不到的。
3团队的人怎么跟上组织变革的节奏？组织变了但人的能力和习惯没跟上，那就是新工具配旧动作，很多时候比原来还乱。
4内部怎么形成分享和交流的文化？一个人跑通了东西愿不愿意讲出来、别人愿不愿意学，这件事没有制度能强推，但它决定了前面几件的速度。
这四个里面，我觉得最重要、也最容易被跳过的是第二个。
这件事可以由下而上发起，让大家先用起来，跑出几个样板再往上推；也可以由上而下强推。两条路我都见过跑通的。但不管哪条，其实都算是组织层面的一次挺大的变革。
回到开头那三个 Case。
写 Skill 也好，搭 BI 看板也好，全部用 Chat 也好，我现在觉得选哪个都不是关键。
真正的共同点是另一件事：这些跑得起来的公司，背后基本上都有一个单独的人在推。
要么是业务的一把手自己下场，要么是那个对 AI 特别感兴趣的人先跑了起来。形态不一样，但没有一家是靠大家自觉用起来的。
指望发个通知、开个会，让大家自己去学、自己用起来，基本走不通。
而这个人真正在推的，说到底也就一件事：
把公司里那些判断挖出来、写下来。工具会一直换的，今年在用的东西明年可能就不是了，但这个动作做完了，就是你自己的。
不过反过来说，既然要靠人推，那怎么组织这件事、怎么平衡推动者自己的工作量，就是绕不过去的问题。他手上本来就有活，AI 这摊子再加上去，很容易变成谁热心谁受累。
聊下来之后多感觉是：AI 的落地，实际上的卡点确实比大家预想的多，这块我自己也还在琢磨怎么去解决。
所以如果你公司正在推 AI 落地，有一些不错的心得或者踩了什么我没提到的坑，都欢迎在评论区留言交流！
谢谢你看我的文章，我们，下次再见