AI落地这一年：从“讲故事”到“算细账”

去年这个时候，聊起AI，大家聊的还是大模型参数、融资估值、技术路线。今年再聊，话题变了——ROI多少？能省几个人？多久能回本？

这不是AI退烧了，是AI从实验室走进车间了。

热闹之后的冷静

说实话，2023年那波AI热潮确实有点疯。是个公司就想做大模型，是个老板就想搞个AI部门。但一年过去，大家发现，光有个聊天机器人没用，能解决问题的AI才有价值。

我接触过的一家制造企业，去年花大价钱上了套AI质检系统。刚开始挺兴奋，觉得终于赶上潮流了。结果用了三个月，发现误报率太高，产线工人根本不信AI的判断，最后还是得人工复检。系统成了摆设，钱打了水漂。

这不是个案。很多企业的AI项目都卡在这个阶段：技术看起来很美，落地一地鸡毛。

真正跑通的几条路

但也不是没有成功案例。我观察到，目前AI在企业端真正产生价值的，主要集中在三个场景：

第一是客服。这个最成熟，也最容易量化。一家做电商的朋友告诉我，他们上了AI客服之后，简单咨询的处理效率提升了大概40%，人工客服可以专注处理复杂投诉。算下来，一年能省下来小几百万的人力成本。

第二是内容生产。广告、电商详情页、短视频脚本，这些重复性高、创意要求相对标准化的工作，AI确实能顶上一部分。有个做跨境电商的公司，用AI生成多语言产品描述，效率提升了五六倍，关键是质量还挺稳定。

第三是数据分析。以前需要数据分析师写SQL、做报表的工作，现在业务人员用自然语言就能查数。一家连锁餐饮企业的运营总监跟我说，以前要个销售数据，得等IT排期，现在自己问AI助手，几秒钟出结果。

为什么有的成了，有的没成？

这里面的门道，我觉得有几个关键点：

一是别贪大。那些一上来就想用AI改造整个业务流程的，往往死得最快。反而是从一个小场景切入，跑通了再扩展的，成功率更高。

二是数据要干净。AI再聪明，喂给它垃圾数据，出来的也是垃圾。很多企业低估了数据清洗的工作量，以为买了套AI系统就万事大吉，结果发现最大的成本是整理历史数据。

三是人机协作，不是人机替代。**现在这个阶段，AI更像是一个超级助手，而不是全能替代。那些设计好工作流程、让人和AI各干各擅长的事的企业，效果普遍更好。

接下来的看点

今年下半年到明年，我觉得有几个方向值得关注：

行业垂直模型会爆发。**通用大模型大家都玩过了，接下来是金融、医疗、法律、制造这些垂直领域的专用模型。这些模型不需要懂天下所有事，只需要在特定领域足够专业。

AI智能体会从概念走向实用。简单说，就是让AI不只是回答问题，而是能真的去执行任务——订机票、排日程、写代码、做报表。现在已经有企业在内部试用，效果比预期的好。

成本会进一步下降。随着国产芯片和优化技术的成熟，跑AI的算力成本在快速降低。这意味着更多中小企业能用得起AI，市场会进一步扩大。

说点实在的

对于想上AI的企业，我的建议是：先别急着追新，把手里能用得先用好。很多传统软件加上AI功能之后，性价比已经很高了。等跑通了基础场景，再考虑更复杂的应用。

AI不是万能药，但在合适的地方，它确实是个效率倍增器。关键是，别为了用AI而用AI，而是真的去解决业务问题。

这条路，才刚刚开始。