2023 年“百模大战”背景下，模型被视为核心竞争力，但多数团队面临资金、算力与资源匮乏的困境。盲目跟风或跨部门协作受阻，往往导致项目停滞。此外，组织规则若未给探索留出空间，创新极易转入“地下”。
快手用户体验部真实经历了上述挑战，并成功实现 AI 客户服务落地。三年间，按严格财务口径累计节省超一亿元，ROI 大于 1。在 2026 奇点智能产品大会上，该部门负责人徐欣首次公开分享其心得：不谈模型技术本身，而是聚焦组织、人性、规则与认知等本质问题。
以下为演讲实录：
我们于三年前启动 AI 探索。面对 ChatGPT 带来的能力跃迁，我们将 AI 赋能对象归纳为三类：个体（拓展能力边界）、团队（自动化流程工作）及业务（推动降本增效与服务升级）。基于此，我们致力于将 AI 应用于客服、内部反馈及数据分析等具体场景。
资源困局：行业主流未必是最佳答案
2023 年，行业普遍追逐自研模型，但对于缺乏资金与算力的体验部门而言，直接切入模型竞赛并非良策。我们梳理自身资产，发现拥有三大闭环优势：一线团队构成的反馈闭环、海量真实咨询数据构成的数据闭环，以及完整产研团队构成的开发闭环。
我们的核心竞争力不在于基础模型，而在于调优能力、迭代效率与业务数据。战略选择不应仅看未来价值，更要看谁更有条件获取该价值。因此，我们确立了“先找业务价值，再选适用模型”的路线，具体执行三个动作：
- 基于开源模型，避免资源浪费在基础模型竞赛；
- 从高频、真实、可测量的业务场景切入；
- 短周期实验严格核算 ROI，仅当回报大于投入时才扩大规模。
在场景选择上，坚持“把钱花在刀刃上”：NLP 能解决的不用大模型，需上下文理解与推理的才动用大模型。ROI 计算采用严苛财务口径：收益端只计真实节省的人力时间，成本端涵盖算力及全部产研人力成本。
这是许多传统企业易踩的第一个坑：切入点选择错误。
协作困境：联合项目为何寸步难行
在推动跨团队协作时，我们将 AI 赋能形式分为三类：无法解决、半自动（需人工介入）及全自动（质量不低于人工）。优先尝试标准为高频、标准化且易衡量场景。
首个联合项目由客服业务团队与 AI 团队组成，初期进展不均且互相指责。AI 团队抱怨业务方未按结构化要求梳理信息，业务方则批评 AI 团队不懂实际业务。核心矛盾在于：双方均假设“理解成本应由对方承担”。
跨团队协作失败时，关键不在谁不配合，而在理解成本分配给了谁。为此，我们重新明确责任：
- AI 团队：价值不仅在于懂技术，更在于理解业务并主动寻找提效点；
- 业务团队：必须积极学习 AI，建立判断力，区分哪些可被替代，哪些需强化人类特有能力。
双方目标统一为：拿到合理的提效结果，以落地质量和节降效果验收。通过将双方拉回至“纠纷判证”这一共同可验证场景，明确基线与指标，一个月后项目显著提效，协同模式彻底转变。
截至 2025 年底，AI 客服全面落地，严格财务口径下累计净节省超一亿元。
规则冲突：个人成长与组织效率的博弈
随着 AI 能力提升与行业人员优化压力增大，岗位职责边界日益模糊。无技术背景者借助 AI 可构建 MVP，有技术背景者效率倍增。这引发了新的矛盾：个人成长诉求与组织复用导向的冲突。
案例中，产研 A 团队希望自建 Agent 能力以积累经验，而产研 B 团队主张复用已有框架以避免重复建设。由于规则未界定清楚，A 团队选择“先做再说”的地下探索，导致团队间产生隔阂与不信任。
解决之道在于厘清“重复建设”的边界：
- 入口与工具层：允许因用户、场景、交互不同而并存，满足个人成长与创新需求；
- 底层业务能力层：必须统一治理，确保生成的 Agent 和 Skill 可发现、可维护、可复用，避免重复造轮子。
若不正面处理此矛盾，问题将转入地下，引发更深层的不信任。真正的风险往往隐藏在表面协作问题之后。
避坑指南：落地过程中的常见误区
除上述三大矛盾外，还需警惕以下具体问题：
模型选型不合理
避免“大炮打蚊子”。许多任务轻量模型即可解决，盲目使用强模型不仅增加成本，往往还掩盖了需求描述不清的问题。需通过审计与培训减少不必要的高成本调用。
解决方案存在“偷懒”
若需求未厘清便直接堆砌工程方案，本质是偷懒。这种现象常被"AI 能跑起来”的假象掩盖。
多项目并行缺乏优化
相似项目应避免对全量数据重复标注与理解，可通过一次处理输出多类结果。同时，Prompt 的调试至关重要，优劣 Prompt 的效率差距可达 90% 以上。
结语：最难的不是 AI 本身
AI 与业务结合时，产研求成长、用户求质量、一线求安全、组织求结果。资源、责任与规则的错位是主要挑战。核心观点如下：
- 是否从自身独特资产出发？
- 联合项目中谁在承担跨团队的理解成本？
- 避免浪费的导向是否会压制必要的探索？
AI 落地的难点往往在 AI 之外，涉及组织管理、个人认知与团队协同。模型会变，但这些本质问题不会自动消失。
