JINDONG HUIZHI
合成场景 · 非真人真事
开头场景是按这类企业常见的情况拼出来的“合成场景”，不对应任何真实的公司或人物。文中的行业报道均注明了出处；“我们的观点”部分仅代表今东汇智的判断。
月底复盘会，你翻到财务报表里的一行：AI 工具订阅费。
每个月都在扣。
你问了一句：“这几个工具，现在谁在用？”
会议室安静了几秒。
运营说：“试过，答得不太对，还得我自己改。”
销售说：“它不知道我们的报价规则。”
客服主管说：“客户问的都是老问题，可它回的和我们平时说的不一样。”
你心里一沉。
钱花了，工具买了，可它好像从来没真正进过你的公司。
那，问题出在哪？
01
你不是个例
YOU ARE NOT ALONE
先说一个反差。
据英国《卫报》2026 年 10 月的报道，引用美联储亚特兰大分行的一篇工作论文：约九成的受访高管表示，公司的 AI 投入还没有转化为生产率提升。
注意，这是高管们自己的说法，不是“九成企业失败”。但它至少说明一件事：买了和用上了，中间有一段距离，很多大公司也还在这段距离里。
同一篇报道还提到：
Meta 被报道缩减了用 AI 智能体替代人手的计划，原因是员工花越来越多的时间处理技术和安全上的错误（《卫报》援引路透社报道）。
Walmart 的一线员工，被 AI 工具派出不合理的路线、排出不合理的班表，还要处理不少误报（《卫报》援引《商业内幕》报道）。
微软自己的战略与转型负责人 Kathleen Hogan 在博客里写：“access and usage do not equal transformation”，大意是，拿到工具、用起来，不等于完成了转变。
工具买了，不等于用上了；用上了，也不等于用对了。
大公司尚且如此。那你，该选哪条路？
02
低谷：两条路，都有坑
THE LOW POINT
坑一：冲得太猛。
全员开通，大会动员，要求下个月人人都用。
结果是上面那些报道里的样子：错误增多，大家花时间返工，到头来悄悄回到老办法。
坑二：干脆等一等。
“现在的 AI 还不够聪明，等下一代模型出来再说。”
听起来很稳。但问题没变：换一个更强的模型，它依然不知道你的报价规则，不知道你的客户习惯怎么沟通，不知道老师傅凭什么一眼看出问题。
冲得太猛，是返工。等得太久，是原地不动。
冲太快，是返工；只等模型升级，是原地踏步。
第三条路在哪？
03
反转：缺的不是聪明，是“上下文”
THE TURN
Databricks 联合创始人兼 CEO Ali Ghodsi 在彭博科技的采访中说过一句话：
“We don't need AI to get smarter. It just is lacking context.”
大意是：不需要 AI 更聪明，它缺的是上下文。
他指的上下文，包括公司的数据、文档、流程、人与人的关系，以及没写下来的机构经验。（出处：彭博科技采访，及 Databricks 官方博客）
需要留意的是，Ghodsi 的公司就是卖数据平台的，他的说法有自己的立场。但把这句话放到中小企业身上，我们认为同样成立：
AI 不认识你的公司，不是因为它笨，而是没有人把你公司的做法讲给它听。
对中小企业来说，“上下文”其实很具体：
1报价怎么算，什么情况可以破例，谁有权批？
2客户常问的二十个问题，你们平时到底怎么答？
3老员工凭经验做的判断，能不能拆成几条能说清的规则？
4出了错，谁来复核，错在哪一步？
这四个问题，多数公司答不全。
微软的总结也很朴素：“给一个有问题的流程加上智能体，流程还是有问题。”（Hogan 博客，经《卫报》转引）
04
高潮：先把公司讲给 AI 听
THE CLIMAX
那怎么讲？
我们的做法，叫驻场陪跑，在行业里常被称为 FDE：有人进到你的公司，和你的团队一起，把流程和老员工的经验整理成 AI 能用的东西，再选一个小场景试。
不是铺开，是小步走：
选一个小场景，比如一类固定的客户咨询
和一线一起，把答案和规则写清楚
小范围试，每次出错都记下来
到约定的时间，对着你当初定的指标对账，再决定继续、调整，还是停
想象一段时间后的月底复盘会。你问的还是那句话，但这次，桌上有一张对账表：你定的指标，一项项对着看，哪些做到了，哪些没有，卡在哪里。
没有“提升多少”的口号，只有你查得出的记录。
让 AI 先认识你的公司，再谈让它替你干活。
05
冷水
A COLD NOTE
在你动心之前，先说几件不太好听的事：
数据散乱、流程没人负责的公司，先做的往往不是 AI，而是把基础理顺。
前面引用的“约九成”是高管的自我报告，不代表 AI 没有价值，也不代表你的公司会一样。
有些环节，人工更稳，这时我们会直接建议不上 AI。
时间长短取决于流程复杂度、数据情况和团队配合，我们不给固定周期，也不承诺结果。
以上是我们的观点，仅供参考。
06
站队：你的公司，缺的是哪一块
YOUR TURN
回到那场复盘会。如果让你补一块，你会先补哪个？
是“报价和规则没写下来”？是“客户的回答没有统一说法”？还是“老员工的经验只在他脑子里”？
📮 后台回复「诊断」，填一份简短表单（公司名、行业、城市、规模，以及你想先用 AI 解决的问题），由同事人工联系你，免费沟通。只做梳理，不承诺效果。
也欢迎在评论区告诉我们，你卡在哪一块。
参考来源
《卫报》，2026 年 10 月 13 日，“Companies rushed in on AI. Now some are pulling back”
彭博科技对 Ali Ghodsi 的采访；Databricks 官方博客 “Closing the AI context gap”
《哈佛商业评论》，2026 年 10 月，“The Deployment Failure Holding Back Your AI Investments”
THANKS FOR READING
今东汇智