文 | 影子备忘录

这两年了解观察过不少企业，无论是上市多年的大厂，还是才创立几年的小厂，从几百人的中型公司到只有十几个人的初创团队。都有一个越来越强烈的感受：都在聊 AI 叙事，都在拥抱 AI。

帽子是个很妙的东西。戴上它，你立刻有了某种身份感。会议 PPT 里不出现 " 大模型 "" 智能体 ""AI 原生 "，似乎就矮了一截；老板在年会上不喊两句 " 全面拥抱 AI"，好像就交不了差。

这顶至少看起来便宜，它比起重构一条产线、改造一套流程，买一个 AI 账号、签一份 " 智能体 " 合同，在财务报表上确实体面了不少。

但帽子终究是帽子。它戴在头上，不在身体里。风一吹会掉，人多的时候要扶，回到家第一件事就是摘下来。

问题在于，很多企业把戴上帽子当成了长出的新器官。

帽子是怎么被戴上的

先看一组不太体面的数字。

德勤中国 2026 年 10 月发布的白皮书调研显示，92% 的企业已经开展了 AI 应用试点，但只有 8% 的企业认为 AI 投入实现了财务和战略收益，真正认为完成了组织级转型的，只有 4%。

麦肯锡的口径稍温和一些：全球 88% 的企业在用 AI，吃到真金白银的只有 39%。BCG 给了一个更锋利的分母：实现规模化 AI 价值的企业，占 5%。

换句话说，帽子几乎人手一顶，但真正靠它遮风挡雨的，是个位数。

那 92% 为什么还要戴？答案不在技术里，在空气里。FOMO 与错失恐惧，是这轮 AI 叙事最有效的燃料。

一家做建材生意的老板，花 80 万上了一套 "AI 智能营销系统 "，供应商承诺获客效率提升 10 倍。一年下来，提升了 0.8 倍，亏了 60 万。

另一家餐饮连锁企业上 AI 客服，理由只有一句：" 竞品都在用。" 结果答非所问，客户投诉翻了三倍，最后灰溜溜切回人工。

还有东莞一位老板，听完一场 AI 峰会热血上头，花 8000 块买了大模型企业版账号，在销售群、客服群、研发群全面推广，却在一个月后让行政把账号删了。

最极致的版本来自一家五线城市的软件公司：老板花约 70 万采购所谓 "FDE+ 本地化部署 " 的 AI 系统，最终拿到的是标准化软件加高价 Token 和代运营服务，账号被封、工资数据泄露、员工离职，供应商失联。

这些故事有一个共同的起点：不是因为疼了才去找药，是因为看见别人在吃药才去的。

更隐蔽的一层发生在组织内部。当 " 用 AI" 变成一项自上而下的任务，帽子就从装饰变成了考核。

国内某头部大厂强制推行自研 AI 编程助手，规定程序员 "AI 代码生成占比必须达到 30% 以上，否则扣减季度绩效 "。

为了达标，工程师开始故意把 10 行能写完的逻辑扩写成上百行冗余代码，附带毫无用处的注释，AI 采用率瞬间飙到 45%。

Meta 内部一度上线 "Token 消耗排行榜 "，消耗越多排名越高，垫底面临裁员风险，第一名一个月烧掉近 50 万美元的 Token，随后榜单被悄悄下架。

Uber 给 5000 名工程师全量开放顶级 AI 编程工具，四个月烧光全年 AI 预算，被迫紧急出台配额制。

老板想用 AI 制止摸鱼，员工却用 AI 学会了更高明的摸鱼。帽子戴上了，但帽檐底下的人，和帽子之间没有任何真实的连接。

戴上之后呢

我无意把 AI 说得一无是处。恰恰相反，那些真正跑出来的案例，数据漂亮得让人没法忽视。

有一家钢铁企业是一个让我重新理解 " 传统企业 " 这个词的样本。2023 年 10 月，这家民营钢企拿出 10 亿元启动全流程智能工厂，2024 和 2025 两年又追加超过 7 亿元。

一期智能应用上线后，每年降本近 2 亿元，全员劳动生产率提升 30%，产品不良率降低 13.89%。

单是轧钢成品检测环节的智能化升级，一年节约成本就超过 800 万元。真正有意思的不是数字，是数字背后发生的事情：炼钢这行有句老话，" 火候全凭眼力 "，炉口火焰什么颜色对应钢水多少度，这种本事只有干了几十年的老师傅才摸得透。

日照钢铁的做法不是让 AI 去 " 替代 " 老师傅，而是用视觉大模型把火焰喷溅、溢渣这些信号识别出来，准确率稳定在 99% 以上，把老师傅的手感 " 翻译 " 成算法可以执行的动作。

设备运维也一样，本地化部署大模型之后，维修方案编制时间从 3 小时压到 0.5 小时，备件错配率从 30% 降到 5%，维护知识复用率从 40% 提到 85%。

友达光电苏州工厂的数据同样扎实：342 个 AI 项目覆盖研发、生产、质检、运维，关键设备数控化率和联网率 100%，生产效率提升 29%，产品不良率降低 6%，生产成本降低 15%。

昆山一家做纺纱智能化的企业，把断纱检测准确率做到 99.99%，吨纱电耗下降 5%，方案推广到全球 50 余家纺织企业。

这些企业的共同点，不是 " 用了 AI"，而是 AI 在他们身体里找到了一个具体的、疼了很久的位置。那家钢铁企业不是为了 " 拥抱 AI" 才上项目，是因为高炉配料和火焰判断这件事，靠老师傅的经验传承已经快撑不住了。

友达不是为了在 PPT 里写 " 智能体协同 "，是因为 342 个场景一个一个抠出来，每个场景背后都有良率、能耗、停机时间这些硬指标在推着走。

反过来看那些 " 戴不住 " 的案例，问题也从来不在 AI 本身。

某银行为了拥抱 AI，激进地采用纯 Agent 方案处理所有标准化客服查询。结果运营成本飙升 3.2 倍，多个 Agent 协同反而让响应速度变慢，大模型幻觉导致错误率增加 30%，客户投诉不断。

红旗连锁 2025 年高调宣布机器人无人售货系统研发，公告次日股价涨停，一年多之后黯然终止，公告里写得很坦诚：技术适配和运维管理经验不足，算法稳定性、数据安全存在研究风险，机械臂抓取失误率高，视觉识别系统易出现偏差。

更早的教训来自大洋彼岸：IBM Watson Health 投入超过 40 亿美元，最终以不到 10 亿美元贱卖；Zillow Offers 因 AI 决策失误损失 5 亿美元、裁员 2000 人；Klarna 用 AI 替换 700 名客服，15 个月后重新招人。

把这些案例和日照钢铁放在一起看，分野不在于技术先进程度，甚至不在于投入金额。

IBM 的算法不差，Watson 在隔离环境中的诊断准确率相当高。问题在于，IBM 把 Watson 当 " 工具 " 嫁接在既有的医疗流程上，医生的工作方式没有变，只是多了一个 " 建议系统 "，而大多数医生选择忽略它。

RAND 研究员的那句结论值得每一个准备 " 戴帽子 " 的老板抄在办公桌上：大多数 AI 失败不是因为算法不好，而是因为企业没有准备好让 AI 成功的组织基础。

企业花了 90% 的精力在模型上，但模型只占成功的 10%。

帽子底下空着的那块地方

我越来越觉得，" 工具思维 " 是这轮 AI 热潮里最温柔也最致命的陷阱。它让人产生一种错觉：AI 是一个可以 " 加上去 " 的东西，像给旧房子装一台新空调，墙不用动，线不用改，遥控器一按，凉风就来。

但 AI 不是空调，它更像是一次装修，你得先决定哪些墙要拆，水电往哪走，人住在里面怎么活动。

如果你只是把一台最先进的空调搬进一间没有布线的毛坯房，它连电都插不上。

MIT NANDA 的报告把这件事说得更直白：60% 的企业评估了企业级 AI 工具，只有 20% 进入试点，最终只有 5% 到达生产环境。

大多数失败源于工作流程僵化、缺乏情境学习能力、以及与日常运营需求不匹配。

换句话说，不是 AI 没能力，是 AI 被放到了一个没有能力让它发挥作用的结构里。

数据是另一块空着的地方。有数据显示，85% 的 AI 项目失败根源在于数据问题。

一家金融公司重金打造 " 业务分析师 Agent"，结果内部各个数据库是典型的数据孤岛，指标定义混乱，Agent 分析出来的东西结构都是错的，结论根本没法用。

你让一个再聪明的脑子去读一堆互相打架的账本，它输出的只能是更精致的混乱。

组织和人，是第三块空着的地方。长江商学院 2026 年对 2016 家规模以上工业企业的调研有一个细节很说明问题：实体企业的 AI 渗透率约为 10%，但大企业采用率 15.5%，中型企业 9.1%，小企业只有 5.4%。

中小企业不是不想用，是试错资源、数据基础、人才储备都不在一个量级上。而在已经用了 AI 的企业里，50% 报告 AI 对岗位是 " 补充 / 增强 "，31.4% 感受到 " 替代 " 压力，真正发生的是任务重组，不是简单的裁人或增效。

这意味着，AI 要落地，人的工作内容必须跟着变。但大多数企业的做法是：买个工具，发个通知，让员工 " 自己琢磨 "。

一个习惯了 Excel 的老会计，你把他扔进一个 AI 系统里，他不会觉得被赋能，只会觉得被惩罚。

德勤的调研里还有一个数字我一直忘不掉：92% 试点，8% 看到财务回报，4% 完成组织转型。4% 和 92% 之间的那道沟，不是技术沟，是流程沟、数据沟、组织沟。

帽子可以一天戴上，沟却要一锹一锹地填。

不是 " 用不用 "，是 " 从哪里长出来 "

其实我不反 AI，我只是反对把 AI 当成帽子来戴的那种做法。

友达的 342 个 AI 项目，每一个背后都有一个可以指认的产线痛点。它们的 AI 不是 " 加上去 " 的，是 " 换出来 " 的，用算法换掉了一部分靠经验硬扛的环节，用数据换掉了一部分靠人盯人的流程。

帽子戴上去风吹会掉，长出来的东西不会。

而那些踩坑的企业，往往在买工具之前没有回答三个问题：我到底要解决哪一个具体的疼？这个疼 AI 真的比现在的方法更划算吗？为了让 AI 起作用，我的流程、数据、人，需要先动哪一块？

答不上来，8000 块的账号和 80 万的系统，结局是一样的。

AI 当然值得用，但 " 值得用 " 和 " 适合你现在用 "，是两个完全不同的问题。

一家十来个人的初创公司，最划算的 AI 可能就是一个写得好的提示词模板，而不是一套需要专人运维的智能体中台。

一家流程还没跑顺的中型制造企业，最该做的可能先把数据底子理干净，而不是急着上 "AI 原生 "。

一家老板连自家客服最常被投诉什么都不知道的公司，买再贵的客服 Agent，也只是把答非所问自动化了一遍。

风停的时候，帽子会掉，站在原地的还是原来那个人。

而真正跑出来的企业，风来的时候帽子只是顺手一戴，风走了，AI 已经长在了产线里、流程里、人的日常判断里，摘不掉了。

这才是 " 拥抱 AI" 和 " 被 AI 拥抱 " 之间的区别。