甲方砍掉了70%的AI采购：不是AI不行，是效率变不成利润

AI行业观察部门一个月多产出1000份PPT，在老板眼里只是多烧了10万块token

"企业AI落地，有且只有一个主线叙事——如何用AI提高效率，并且把效率变成利润。"

一家企业的业务部门买了AI产品，用得热火朝天，原来5个人的活现在干得飞快，一个月多产出1000份PPT。部门觉得自己效率翻了倍，去找老板报喜。

老板算了一笔账：效率是上去了，但公司利润没有任何变化。这1000份PPT在他眼里，就是这个月多花了10万块钱的token。

讲这个故事的人是帆软的沈涛。帆软做了20年数据分析，服务过46000家企业，内部搞了七款AI产品，号称"七个葫芦娃"。沈涛负责的Moss是其中之一，今年4月1号上线，刚好100天出头。

"效率提升之后，利润怎么提升？这个问题如果谁能回答清楚，老板的AI预算会非常大。这就是今天这篇内容的主线。整场圆桌聊了拍板的人、聊了数据、聊了隐性知识、聊了甲方自研，但你会发现，所有话题最后都绕回这一个问题。"

老板定预算，业务定场景，但明年没人会为"希望"付费

先说一个反直觉的事：AI项目到底谁拍板？

传统软件项目的答案很清楚——IT部门主导，业务部门配合验收。因为卖软件是卖功能，功能上线了，项目就结束了。

但这场圆桌的四位嘉宾，答案出奇一致地"不一样"。

语核科技创始人翟星吉说，AI项目一定是高层驱动的，但真正主导的是业务部门。他的逻辑很值得琢磨：大部分公司买一个Agent产品，本质上不是买软件，是在做生产投资——就像制造业企业投资一条产线，买的是高级人力服务。 所以决策链路变成了：业务部门真的算出ROI，跑去跟老板说"这东西能帮我们提升产值或者降低成本"，老板说"赶紧买"。

沈涛把这个拆得更细。他说拍板其实是两层：今年公司到底投1000万还是2000万做AI，这是CEO和1号位定；但这2000万花在客服、风控还是商机挖掘上，是业务部门拍板。

问题就出在这两层之间——业务部门盯着效率，老板盯着利润，中间是巨大的博弈。

云享智慧的沙涛补了一刀：谁对业务结果负责，谁就拍板。他见过最猛的甲方是世界前四的奢侈品集团，人家的IT对自己的定位是"我不是修电脑的，不是管网络的，我的工作是解决业务问题，让所有品牌来用我的方案"。这种"非典型IT"，沙涛叫他们IT BP——就像HRBP一样，直接对结果负责。

"而沈涛对明年的判断很直接：现在很多企业还愿意为'希望'付费，到明年，大家不会再为希望付费，只会为结果付费。那时候AI产品会跟做投放一样——投100万，你得让我看到120万、150万的产出。为结果付费这四个字，会洗掉一大批只会讲故事的厂商。"

数据治理打了80分，AI落地只敢打20分

第二个话题是数据。主持人段宏宇问：数据要素和治理，是不是企业AI落地最大的卡点？

沈涛又讲了一个故事。今年5月他在北京办活动，圆桌上坐着滴滴的副总裁、墨迹天气等几家互联网大厂专门做数据和AI落地的人。他现场调研：你们内部数据治理打多少分？答：75分、80分。那AI落地打多少分？答：20分。

注意，这些是滴滴、墨迹天气这种数据底子最好的互联网公司，Agent已经做得挺好了，仍然只敢给自己打20分。当时滴滴那位老总说了一句话："地基不牢，地动山摇。"

沈涛自己有个比喻，我觉得所有AI销售都该抄下来：Agent是高铁，数据治理是轨道。企业没有轨道，高铁买回去跑不起来。

他描述了一个每天都在发生的销售场景：企业老板很上头，把100万拍在桌上，"沈总，我要买100万AI工具做转型"。沈涛的做法是先看他家轨道铺得怎么样——结构化数据整理好没有？会议纪要、非结构化文档有没有沉淀系统？轨道没有，这单他都不急着卖。

那轨道到底难在哪？沈涛举了个自己的例子，我听完是真的服气。

他说：我上周收到活动邀请，昨晚坐高铁来上海，车票80块，酒店350，今天打车60，结束后我会把活动总结写进文档系统；在座各位觉得帆软不错，去官网试用留个线索——这不到100个字，是一个完整的事件。但数据存在哪？差旅系统一份，企业滴滴一份，文档系统一份，线索平台一份，视频号又一份。同一个事件，被切成8份，存在企业8个不同的地方。一旦被切开，就再也合不起来了。

"合起来是什么价值？这次差旅总共花了不到500块，但可能给公司带来3万块的商机，那明年这个活动就该赞助。切开了，这个分析就永远做不出来。这也是为什么Palantir一直讲本体论——数据应该按'事件'存，而不是按系统切开存。"

所以沈涛的结论是：数据治理要上一个台阶，把结构化和非结构化数据融合成企业的知识。现在的模型智能已经够强了，只要把知识喂给它，很多东西自然会长出来。企业现在就卡在这里。

最难蒸馏的不是数据，是专家的"品味"

如果说沈涛讲的是"有数据的企业"的难题，那另外三位嘉宾讲的，是一个更扎心的问题：企业里真正值钱的东西，根本不在任何数据库里。

翟星吉的判断是：企业里最缺的不是结构化数据——那些基建在Agent时代已经不错了——真正卡脖子的是专家脑子里的隐性知识。一个解决方案专家，见A客户讲一套故事，见B客户讲另一套，抓要点的逻辑、说服的逻辑，只有在见到客户那一刻才会被激发出来。你没法在见客户之前，把这些都提前萃取成规则。

他见过太多企业踩这个坑：试图预先定义一个完美的专家Agent，结果规则化的模型容错率极低，遇到corner case表现极差，最后员工弃用。

叶海峰把这个讲得很直接。他做的是大健康行业的AI，公司深护智康今年刚成立，22个人，背后是他做了六年、做到细分第一的糖尿病逆转公司山丘联康。他说服务业跟制造业完全是两个世界：很多服务型企业结构化数据极少，而真正值钱的是那种"讲不明白但活干得漂亮"的能力。

比如一个top sales，你让他说怎么搞定客户的，他讲不出来，但他就是能搞定。这种能力里掺着情绪价值、专业度、情商。叶海峰说，谁能把这种东西萃取出来，谁就有了护城河。

"翟星吉接了一句，我觉得特别精准：'这其实就是一种品味。它只在特定场景下才被激发出来。'叶海峰补完最后半句：没有情景、没有具体实例，专家自己都不知道自己会做那个判断。"

那怎么办？翟星吉的答案是：别指望预先萃取，去造一个"会学习的Agent"。就像你招一个聪明的博士生，行业知识不懂没关系，智商高、学得快、教一次就会——让他先干活，干得不够好你就教，教的过程中他就长进了。落地成本最高的不是技术，是让组织里的人愿意天天用、天天教。

甲方下场自研，AI公司还有机会吗？

圆桌最尖锐的问题留在后面。段宏宇说，过去一年快消和消费品行业的头部品牌砍掉了70%采购的AI产品，有IT强的甲方干脆自己搭团队做智能体，甚至有家美妆公司觉得自己的IT做得不错，想拿出来商业化卖。

所以问题是：AI公司懂行业更容易，还是行业公司自研AI更容易？

沈涛的回答，又是全场掌声。他说他2023年就研究过一个历史问题：2015、2016年那波AI热潮，混战两三年后，到底谁赚走了最多的钱——当时的AI Native公司，还是老牌公司？

他的结论是：标准答案一定是"垂直knowhow + AI能力"的交集。但如果非要说天平偏向哪边，他认为偏向有垂直积累的一方。

为什么？因为AI技术一定会平权。他举的例子是人脸识别：2016年搞人脸识别考勤还是高科技，三年时间就飞入寻常百姓家。Agent技术、上下文、skill这些今天被反复讨论的门槛，现在处于跨越鸿沟的早期，看着慢，一旦跨过去渗透率会非常快。

"'但垂直行业的knowhow，不好意思，怎么都平不了权。它不存在于线上任何库里，它存在于老师傅的脑子里，存在于各个现场。'"

不过他也给甲方泼了盆冷水。他在浙江聊过一家年营收800亿、行业全国第一的企业，内部AI项目做得极好，同行参观完都说"我要的就是这个"，于是独立出一家公司想把产品卖给同行。结果呢？产品绝对是国内第一，但卖不出去——做投放的、做数据的、做销售的人才，根本不在垂直行业里。能做出好产品，和能把产品卖出去，是两种完全不同的能力。

所以最终机会属于谁？属于那些既玩得转AI、又有行业积累、还搞得定商业化的公司。"标准答案就摆在那儿，但能同时玩明白的人，凤毛麟角。"

叶海峰则干脆跳出了这个问题本身。他说，AI时代还在想甲方乙方，思路就错了——AI不是工具，是人，既然是"人"入场，关系就变了。

他讲了自己的真实案例：河南一家三甲医院的科室找到他，说用不用AI不重要，看中的是你们的糖尿病逆转业务能力，能不能带着AI和服务团队进来，把糖尿病人管起来。结果非常成功。

"你缺客户，我带着客户加AI来；你缺交付，我带着服务团队进场。"这已经不是卖软件了，是带资源入场的共生关系。他的判断是：未来如果AI公司还只是卖工具、卖能力，客户很快就会自己干。

沙涛的视角则像一盆冷水加一把火：5年之后丰田还是不是丰田？不一定。但优衣库大概率还是优衣库，LV大概率还是LV。AI能不能掀桌子，取决于这个行业原来的壁垒是不是还值钱。 玩法被彻底改写的行业（比如造车），新势力会杀出来；壁垒深厚的行业，AI只是让翻台率变快。但有个前提——你得真把knowhow沉淀成组织的资产，而不是"专家离职了，knowhow也跟着离职了"。

如果你是千人公司的CEO，第一件事做什么？

圆桌收尾，段宏宇抛了个快问快答：假如你是千人公司的CEO，关于AI，你会做的第一件事是什么？只讲做什么，不讲为什么。

四个答案，四种性格，我原样放出来：

翟星吉：给每个人买我们公司的产品，做一些培训，达成两个目的。第一，让还在观望AI的人真正意识到技术变化的紧迫性——这玩意三年内会带来岗位角色的巨大变化，倒逼他更主动地去学习和拥抱AI。让拥抱AI的人看到下一个时代的窗口，变成内部KOC。

沙涛：让每个人建一个共享文件夹，把所有和工作相关的信息都传上去。然后找出那个最快跑通自己工作Agent的人，树成标杆。

沈涛：每天凌晨3点在群里发我对AI的见闻，让大家知道老板比你懂还比你拼。好员工自己会动起来。

叶海峰：1000人的老公司，全员AI化比登天还难。先把最愿意"革自己命"的那批人抽出来，单独成立部门，流程、组织、管理全部重新造。愿意接受的进来，不愿意的走人。

"四个答案看似不同，其实说的是同一件事：AI落地到最后，落的是组织，不是技术。

写到这，再回头看开头那个"1000份PPT"的故事。老板真的不识货吗？未必。效率是真实的，只是效率不等于利润。中间隔着三道关：预算怎么定（为结果付费）、数据怎么通（先有轨道再跑高铁）、知识怎么留（把品味从专家脑子里蒸馏出来）。

这三道关，没有一道是买个工具就能过的。所以2026年的企业AI，已经不是"要不要上"的问题，还需要看你买的那条产线，到底什么时候开工赚钱？能回答这个问题的厂商，预算的大门才刚刚打开。

更多对话细节

Speakers｜嘉宾

语核科技 创始人&CEO 翟星吉

云享智慧 创始人&CEO 沙涛

帆软软件 Moss AI负责人&战略副总裁 沈涛

深护智康AI CEO 叶海峰

Host | 主持人

非凡产研 合伙人 段宏宇

段宏宇：这场Panel的主题是"企业采用AI如何成为组织能力"。先请四位嘉宾做个简单的自我介绍，介绍一下自己公司的业务。从翟总开始。

翟星吉：我是语核科技创始人兼CEO翟星吉。语核科技是一家2023年成立的公司，是一家Agent Native的公司。我们是一个愿景驱动的公司，我们相信未来3-5年，没有一家公司不会变成Agent Native，每家公司都会变成Agent Native，否则在世界上会存在不下去。我们是在赌这件事一定会发生。

我们的产品价值，就是帮助每家公司变成一家Agent Native的公司。这里面最大的难点，其实不是你的Agent能接多少工具、能在业务流里接多少。最难的是每个企业里面有大量业务专家，专家型岗位的知识，很少一部分是显性知识——就是文档、流程、明确下来的东西。更多的是专家脑子里的隐性知识，要到特定场景里才能展现出来。

我们的产品核心就是帮每个企业把专家脑子里的隐性知识Prompt出来，显性化，变成数字员工最重要的资产。过去几年我们也跟大量客户做了落地，都是各行各业最头部的客户。

段宏宇：您公司目前多少人？在什么阶段？

翟星吉：公司大概50多个人，大概在A轮这个阶段。每年也在高速增长，做中国包括全球的整体市场拓展。我前段时间出去演讲讲过一句话，我们公司可能有几百个不睡觉的数字员工，几百个不睡觉的同事，我们每个人可能都有几个Agent在实时不断运转。

段宏宇：沙总。

沙涛：我是云享智慧的创始人沙涛。我和我的团队在过去七八年时间里，一直专注做一件事：帮助客户做企业级的知识图谱。这件事在2023年之前有点像愚公移山，因为没有AI工具，有大量人工、大量dirty work、行业的knowhow消耗。2023年之后做了大量自动化，并且和AI Agent很好地结合。

本质上用一句话总结：我们帮品牌客户，主要是零售、快时尚、奢侈品，搭建他们自己的知识体系，然后作为Harness的一部分，让Agent更好地工作。

段宏宇：沙总，目前咱们多少人？在什么阶段？

沙涛：公司人倒不多，如果说是碳基生命的话，大概在30个人左右。目前服务的基本都是头部的外资客户，主要做搜索、推荐这些特别传统软件特别讨厌的场景、特别难的场景。

沈涛：大家好，我叫沈涛，来自帆软。帆软是一家成立了20年、聚焦帮助企业解决数据分析问题的公司。过去20年，我们始终发现用户身上存在四座大山：第一座是缺少数据分析工具，第二座是缺少数据分析人才，第三座是缺少挖掘数据价值的方法。过去20年我们帮助46000家企业搬走了这三座大山。

这三座大山搬走之后，企业能利用BI等数据工具，清楚地看清自己——看清业绩、看清风险、看清内部员工问题。其实还有第四座大山，我们现在正在搬走：一家企业始终看不清外部市场，看不清客户、看不清竞对、看不清自己。

我现在做的产品Moss，内含14多个专业数据源：抖音、微信、小红书的舆情数据源，类似企查查的工商数据源，招投标数据源，类似万德的财务数据源，营收数据源，海外7300万家企业的数据源，以及其他专业数据源。利用这些数据源，能帮助客户看清自身风险、看清上游供应商风险、看清客户商机、看清经营对手。

这些数据源和产品的出现，能帮助企业搬走第四座数据大山。四座大山搬走之后，企业既能看清内部经营情况，又能看清外部市场变化、客户分享和机会。

段宏宇：我们都知道帆软是一家上市公司，我比较关心沈总负责的Moss团队有多少人，商业化收入怎么样？

沈涛：帆软不是一家上市公司，帆软应该是"永不上市，年年盈利"的公司，去年收入是17.4个亿。公司内部叫七个葫芦娃，推了七款AI产品，Moss是其中一款。这个产品差不多4月1号刚刚上线，到现在刚好100天，卖得还是挺好的。因为利用数据的力量帮助企业看清外部，是有绝对差异化的。

叶海峰：我是深护智康AI的创始人兼CEO。我们是一个专注于大健康产业、慢病健康管理的AI公司。这家公司不是纯技术背景的，是业务背景的。我原来有一家业务公司叫山丘联康，2019年成立，做糖尿病逆转，从2019年做到现在，做到细分行业第一。

做的过程中发现健康管理有非常多痛点，AI可以帮助解决很多问题。我们也有技术背景，我有一家技术公司做了12年，把两家公司一部分人抽取出来，成立一个给全行业赋能的AI公司。可以理解为健康管理行业的操作系统，当然也有数字员工。

未来的趋势，所有企业、所有机构都会AI化，硅基和碳基未来共存，但这个路子很漫长。我觉得从细分垂直行业生长出来的赋能型科技公司有些机会。深护智康也是今年成立的，差不多半年不到。22个人，今年开始有一些客户为之买单，趋势还不错。今年目标做到千万级别的收入。

AI项目到底谁拍板？

段宏宇：今天在座有很多AI公司的创业者和从业者，我们知道现在做AI应用，最重要的事情就是商业化。今天我想聊的第一个话题就是：怎么把这个产品对接企业去做组织能力的落地。从目前来看，2026年已经不像几年前大家在讨论要不要落地AI，已经有了两三年的实践经验。从你们的经验来看，对接的客户来看，目前拍板AI落地的一般是IT或者数字化部门，还是业务部门？你们一般对接的客户又是哪个部门？

翟星吉：这个问题蛮有意思的。我的答案不在这两个选项里面。整体来看，如果真的想做好一个AI项目，一定是高层驱动的。小公司可能是老板，大一点的公司至少是很高的高层、部门老板或者事业部老板去推动。真正的IT也好、业务也好，想自己完全主导、发起一场AI变革或流程重构，基本上是不可能的，很难。

核心就是：第一，一定是老板驱动。然后在这个过程中，跟传统数字化项目又不太一样。传统数字化项目如果老板从顶层推动，比如做个咨询、战略驱动，接下来数字化部门做大量承载落地，业务做配合。但AI项目不太一样，我们一直认为有个很重要的概念：大部分公司买一个AI Agent产品，不是在买传统数字化产品，而是在做生产投资——就像制造业企业投资一条产线、买一些设备，买Agent、买AI也是买人力服务，买的是高级人力服务。

所以它更多会从业务真实痛点出发，算清楚业务ROI的基础上，从业务视角切入，业务部门主导。过程中IT更往后退一点，比传统意义上更往后退，做更多职能支撑工作。更多是业务能把东西融合到业务流里，让Agent在业务里算出ROI之后推下去。这是比较重要的。

段宏宇：您把产品带到这家公司，一般拍板采购的是谁？

翟星吉：最终决策权肯定是老板，但企业决策很复杂，有追踪决策的人、关键影响人。关键影响人会在业务方，因为老板不会真实深度地去用、去感受、去体会，更多来自业务部门反馈。这跟传统有差异——传统很多时候IT部门意见为主导，业务部门辅助。Agent项目里一定是业务部门意见为主导。业务部门真的能算出ROI之后，跟老板说"这东西真的有用，能帮我们提升产值或者降低成本"，老板就说"赶紧买"。我们看起来是这样一个逻辑。

沙涛：我想重复一下这个问题：AI落地到底是业务人拍板还是技术IT？从您的经验看，目前落地比较好的是业务拍板还是IT拍板？以及目前大部分你们销售的客户对接的是哪个部门？

非常有意思，这两种情况我都遇到过，真实情况都遇到过：有IT拍板的，有业务拍板的，有top领导拍板的——IT的head、CIO，或者marketing、电商的head，也有只是一个specialist，可能刚刚大学毕业的一个非常聪明的学生拍板的。

我觉得看谁来拍板，核心是看谁对业务结果负责。以前卖软件是卖一个功能，功能卖出去、能上线就结束了，所以通常是IT拍板，以功能为先，业务审核验收。现在大多数时候要对结果负责——得把搜索转换率提升上去，得把内容点击率提升上去。谁对这个指标负责？大多数情况是业务。

但也有例外，有些IT我叫"非典型IT"。以前做HR，任务是不是把人招进来？还是说招进来以后让业绩提升、让公司业务提升？第二类人叫HRBP。用这个思路想，IT BP的人很可能会做决策采购AI，端到端解决，因为他要解决问题、对结果负责，所以必须要解决问题。

通常在这种IT，我看到过哪怕是大企业、世界前四的奢侈品集团的IT，对自己的定位是"我就不是修电脑的，不是负责网络的，我做的事情就是要解决业务问题，让所有品牌来用我的解决方案"。这个时候他们能拍板采购大量AI软件和应用。

沈涛：这个问题非常好，帆软的经验也比较多，国内服务客户有4万多家。我把问题分成两类：一个是谁来拍板决定今年要投AI，比如投1000万还是2000万；第二个是今年AI预算2000万，到底投在哪些场景、哪些部门。

前一个问题——今年公司要投多少钱做AI，这个预算大概率是CEO和1号位定的，他拍板。这2000万到底是买data agent、客服产品、商机挖掘、风控、报价agent？这些由业务部门拍板。

第一个，拍板方有两类，但真正做决策时企业还是有非常大的问题。最典型的是很多业务部门买AI产品，最终希望看到效率提升——部门原来5个人能干10个人的活，或者做更多价值。但老板观察的是：效率提升能不能带来利润提升？

结果发现，给某个部门引入产品，部门干活效率非常快，一个月多产出1000份PPT，但在老板眼里只是给部门一个月多花了10万块钱的token，并不带来利润提升。

两层拍板时，发现有非常多矛盾点。业务部门关注效率提升，老板核心关注利润提升——上AI之后能不能把部门10个人砍到5个人。这里面有巨大博弈。

但这个博弈最终归于一个趋势：企业AI落地在目前来看，有且只有一个主线叙事逻辑——企业如何用AI提高效率，并且把效率变成利润。现在很多AI产品回答了前者，有十倍百倍效率提升，但没有回答清楚后面：效率提升之后，利润怎么提升？企业竞争力怎么提升？这个问题现在应该所有厂商和老板都关心，而且如果真能回答清楚，老板的AI预算会非常大。

段宏宇：我觉得这个现象有点像做小红书这样的种草平台，只要把钱花过去，大部分只是种草，并没有直接ROI转化，但你就知道它有用。

沈涛：对，现在AI趋势有按结果付费。既然结果付费趋势发展下去，很多AI产品会跟做投放一样——投100万能看到120万或150万产出。当然现在很多人还是愿意为希望付费，但到明年大家不太会为希望付费，而是为结果付费。

叶海峰：我们实践过程中，每家公司的定价不一样，实施工程量不一样。我们这个赛道实施工程量不大，对客户来说是相对轻的决策，所以业务侧多一些。有些公司有自己的IT部门会参与，基本上是业务负责人作为主要决策或影响力主体。老板基本上如果价格不高的话都会点头。

我觉得未来在AI大爆发时，决策时长非常关键。如果一个工程要投半年一年，变数很多，因为技术大家都平权了，差不多。所以行业应用的接新拐点——进行曲线的拐点，现在各行各业还没到。像我们这个行业，可能两年之后大家每家都必须要上了，现在还是个教育阶段。定价很关键。

我也看到一些同行价格有高有低，高的到百万级、几十万级。我们定价是千元、万元级别，很快上手用起来，不断用深，再一点带面、导导体。整个公司AI化路径非常长，不是一蹴而就。

拿我们自己健康管理公司来说，百八十号人推动AI化，到目前为止我觉得6成都不到。业务AI化6成不到，还有管理AI化、组织AI化，整个换脑袋路程还漫长。这周团队开会，我说两年时间——我指的业务公司山丘联康——两年之后才是真正AI Native的业务型公司。深护智康一开始就以AI Native标准招人和建团队，新公司相对没那么多包袱。

在座各位其实今天参会主要是帮助企业AI化，在原来固有体系下面去再造，这个太难了。信息化时代说上ERP是"信息化不上等死，上了找死"。一般企业做信息化最少失败一到两次之后才成功。从2000年之后这二十几年到现在，很多公司信息化还在上，说要不要上ERP、上新化东西，路很漫长。

数据是最大的卡点吗？

段宏宇：好，谢谢叶总。当我们知道企业采购了SaaS应用或按结果付费的产品，一般会让业务团队先测试，完成POC试点闭环。一般测试阶段，工具好不好用更重要，数据没这么重要。但越到后面，应用组织规模和范围变大之后，数据又变得非常重要。想问四位嘉宾：数据要素与治理，在企业AI落地过程中，到底是不是最大的卡点？或者说最重要的因素？从各位实践过程来看。翟总。

翟星吉：这个问题蛮有意思。数据或context肯定是很重要的点，另一个是Agent思维，这两个点互为因果，都同等重要。

首先数据里面，最重要的是什么数据？不是传统意义上的结构化数据库数据，在Agent时代这些基建某种意义上都还不错。真正企业缺的数据是以前没关注到的非结构化数据。什么叫非结构化数据？比如我作为产品经理，今天写个PRD，这个PRD应该怎么写、怎么算好的PRD？分析用户需求场景时怎么分析是好的？我作为解决方案专家，面向每个客户都要编一份PPT、编一套故事说服客户，编的逻辑是什么？说服客户的逻辑是什么？怎么抓客户要点？等等这些，才是真正企业Agent落地过程中最大的阻塞点——非结构化的、传统意义上没关注到的隐性知识。

这是最大的阻塞点。还有另一个关联的阻塞点，就是Agent意识。这些数据以前不是显式存在于企业的任何地方，是存在于大家脑子里面的。怎么把脑子里的数据拿出来？需要大家真的去用好一个Agent产品，在用Agent过程中自己有很好的意识。如果没有好产品支撑，自己有很好的意识去蒸馏自己——把自己的方法论、思路、各个场景下的表现总结出来——但其实这是不可能的。

比如解决方案专家面向不同客户，A客户需求痛点和关注点不一样，作为专家面向客户讲的故事就不一样，迸发出的灵感或思路完全不一样。不可能在见到客户之前、见到case之前，把这些思路都萃取出来。这是以前大量企业上高级型专家型岗位数字员工时最大的gap——试图早期通过萃取专家方式来预定义一个好的Agent，但落地过程中发现预定义出来的规则化模型、规则化Agent，容错率很低，corner case下表现极其差，最后结果很差，大家就弃用。

这个过程中要求大家真的在日常工作中有很好的Agent Native意识，拥抱AI、拥抱Agent。在好的产品基础上，让产品有很好的自进化能力，把隐性知识、隐性规则萃取出来，才能长出来一个好的数字员工。这是很重要的。

过程中我们看到大量企业员工是拒绝AI的：有人害怕AI抢饭碗，有人浅尝辄止之后发现Agent也不过如此，自己工作离被AI替代很远。但事实上这两种想法都错了。未来能活下来、留在职场里的，一定是人跟一堆Agent一起共生，打造one percent opt的逻辑，才能真正存在于职场。这样的人也才能帮助企业把Agent落地、把数字员工落地，帮助企业把隐性知识、隐性context落地收集下来，最终看到成功的Agent项目、好的数字员工诞生。这是我们看到的一些视角。

沙涛：数据到底是不是Agent或人工智能应用落地的卡点？我的感觉：首先数据很重要，看这两天topic，百分之七八十跟数据有关。但也许不是全重要，有些维度可能被夸大了，比如数据的量。

刚才翟总也说过，很多数据不是存在关系型数据库里、不是存在Excel表格里、不是存在BI里，是存在每天开会中、每次交流中、每次跟客户的邮件中。这些叫暗数据也好、非结构化数据也好，每家企业都不缺数据。以前说没有很好数据或很多数据，只是看愿不愿意去做、收集、整理。

沈总可能是数据治理专家，这排我就不班门弄斧。核心是要解决把大量数据提出来，变成质量很好的知识，作为Harness的一部分控制多智能体，或作为上下文控制单轮问答。这些事情无比重要。

解决这个问题，知识的量不是个问题，知识的质量也不是个问题。更多的是怎么样去获得这些知识。以前做CDP，一夜之间可以有40万个标签，但大多数时候没有做同义词梳理、关系远近梳理，没法用，最后只是作为圈选人群的criteria，价值非常低。

段宏宇：这样的梳理过程，如果落在企业身上，是不是会涉及组织流程的变化？

沙涛：非常有意思。我们看到有些企业的业务专家已经跳过了IT专家，在保证安全性和合规性前提下做了大量知识梳理工作。从个人搭个人维基百科，到团队搭协同工作的知识处理，再到我们帮他们上企业级知识图谱、图数据库。

他们不是技术出发，说一定要这个软件或搭这个工具，而是已经解决不了了——有大量知识，而且最重要的是每天还在产生。面对快时尚、快消，都是"带快"的，每天库存都在变、SKU都在变、小红书热点都在变。以前沉淀的数据不那么重要，怎么把每天最新数据实时快速整理成知识图谱内容，无比重要。

沈涛："地基不牢，地动山摇"。这句话是我们5月份在北京办活动的时候，当时有个圆桌讨论，我是主持人，有滴滴的副总裁、墨迹天气的，还有几家互联网大厂专门做数据和AI落地的嘉宾。我调研了一个问题：你们现在内部数据治理多少分？AI落地多少分？

因为都是互联网企业，数据质量比较高，数据治理打分打到75分、80分。但问AI落地打多少分，说只打了20分。实际上看完那些企业AI落地，Agent已经做得挺好了，仍然给自己打20分。当时滴滴那位老总说了一句话："地基不牢，地动山摇"。他们仍然认为数据治理做到80分，不能够支撑整个AI公司——滴滴、墨迹天气这种互联网大厂，支撑不了很多场景Agent落地，背后原因就是因为缺数据。

跟很多企业聊，现在企业都非常上头，去了之后把100万放桌上："沈总，我想买100万AI工具，做AI转型，你看有什么东西可以买的。"但他拿出100万时，我给他放一张图，有个比喻：Agent确实是一个高铁，AI也是个高铁，但数据治理是个轨道。如果内部没有轨道，买了高铁也用不起来。

这几年给客户卖的时候，他想买高铁，我先看他内部轨道铺得怎么样。如果轨道铺得不好，传统结构化数据没整理好，会议纪要、非结构化数据没有文档系统沉淀，不好意思，轨道没有，高铁买回去跑不起来。这是我的第一个观点。

第二个，原来BI核心处理结构化数据，但AI来了之后发现：很多结构化数据存储有问题；存在很多非结构化数据，以前软件产品覆盖不到。

举个最简单例子：上周收到活动邀请，昨天晚上高铁到上海花了80块钱，花了350订酒店，今天花了60打车到这里。结束之后对活动做总结写在文档系统里。大家听了分享觉得帆软东西比较好，从官网试用留下线索。刚才说的差不多100个字，其实是一个事件，但数据存在哪？差旅系统有数据、企业滴滴有数据、文档系统有数据、线索平台有数据、录制完了发视频号又存在另外的库里。同一个事件数据被切成8份，存在企业不同地方。一旦做了切份动作，合起来就很难合了。

这也是为什么Palantir一直在提本体论。本体论意思是：这就是一个事件，存储时不应该切成buffer存在不同地方，而是应该以事件来分。这个事件单独拿出来分析，比如所有差旅成本花了300块，但给公司带来3万块价值。那明年可能要去赞助非凡活动了，公司会——今年还可以是吧？哈哈——可能就是这个逻辑。但数据一旦被切开，就没有分析价值，永远合不起来了。

现在很多企业数据治理，我认为是上一个台阶的问题：怎么把结构化数据和非结构化数据融合在一起，真正成为企业的知识。有了知识之后，现在模型智能非常强，只要把知识给模型、给智能，很多东西都能出来。但现在很多企业只卡在这里。

段宏宇：聊到这个数据沉淀，我们有个小程序叫非凡大赏，签到时已经用过了。过往大会数据沉淀做得比较好，可以在小程序里看到过往所有办过的会、所有议题、谁参加、讲了什么。做会第一天就把这些数据都沉淀了。叶总。

叶海峰：前面翟总讲到隐性数据，前面几位嘉宾讲更多有些行业已经有数据、有轨道了。我们从事的服务业，很多时候结构化数据极少，甚至对有些中小企业不重要。让他把数据拿出来，AI根本无法用，需要清洗，工作量非常大。

隐性数据，或者准确说甚至不是数据，是一些知识点，或者自己讲不明白的东西，但活干得很好。服务业很多时候需要传递情绪价值、专业度，还有情商、沟通能力。实践过程中发现，不是数据问题，甚至未来服务业AI化，如何把人的那种——比如top sales，你叫它讲出来讲不出来，但就是能搞定客户——那种隐性能力抽取出来，这是未来很大的挑战，也是很大的机会。

技术团队、业务团队今年花了很多功夫琢磨研究这件事。前面几位嘉宾讲的数据，至少在我们行业，数据反而是次要的。碳基的他讲不明道不出的那个，所谓的研信息——甚至不是研数据，研信息怎么抓取出来、萃取出来，谁能搞定，那就是他的门槛或护城河。

关于数据部分，有些嘉宾讲得很充分了，我补充一点：我们这个行业，服务业还有很多不是以数据驱动的公司，特别是服务业，还有其他一些行业，感受可能跟我差不多。这里面比制造业、有数据的电商这些要更难。

段宏宇：翟总能补充一下吗？

翟星吉：这其实就是我们解决的问题。本质上我们叫引擎context，这个时代不是说数据，而是context更重要——上下文、context是最重要的。甚至我们会做context layer，专门做很多context的清洗处理、收集的一系列工作。

服务业是很典型的我们要看的目标人群。服务业里面大量高级专家型人才，知识都在脑子里——见人说人话、见鬼说鬼话，背后的逻辑是什么？到底为什么这样讲？老带新可能花5年10年带徒弟可以带出来，教Agent怎么能带出来？

如果用过这一类Agent，不管是客服、技术专家还是sales，Agent如果get不到里面隐含规则、知识，基本上很难把东西卖出去，很难完成岗位目标。

叶海峰：对，AI时代就是要带着判断力和品味。

翟星吉：其实就是品味，一种品味。它只有在特定场景才激发出来一种能力。

叶海峰：对，在情景下用这个情景才能把人Prompt出来、激发出来，他在这个地方应该做这个判断。如果没有情景、没有具体实例，他都不知道他会做这个判断。

实施过程中发现有些疑问，他讲不出来，完全讲不出来。

段宏宇：落地这个事情的成本是多少钱？

翟星吉：落地成本最核心的是有一个好的产品、好的Agent。好的Agent产品不是只有很基础的能动性——agency的能动性，能调调工具、连连飞书、连连会议把数据收集出来。而是Agent真的有很强的自主进化能力。比如教一个优秀的、聪明的、刚毕业的博士生，哪怕对行业、领域专家知识、隐形知识了解很少，但智商高、学习能力强、迭代能力强。大部分人给你这样一个新人，你会愿意带，因为教得会、教得懂、教一次就会。

这个东西就是我们产品解决的问题：让好的Agent产品有很强很强的自主进化学习能力。在这个基础上需要什么成本？就是日常使用他，跟他交互过程中，第一能帮你直接完成任务——造一个优秀实习生、优秀新人也是这样，至少能完成一部分任务。完成任务过程中因为他做得不够好，你要不断教他，教的过程中他就学到了，下次比上一次好一点。需要什么成本？也不需要太多。

甲方下场自研，AI公司还有机会吗？

段宏宇：这个工作流在今年，国内头部品牌方也跟我提到过，刚好想问四位嘉宾。尤其在快消、消费品行业，头部奢品外企、国内头部外企，过去两年采购了大量AI类型产品，无论是SaaS还是按结果付费。今年和去年下半年开始，很多家交流过程中说已经砍掉70%原来采购的产品。IT比较强的甲方公司说"我自己去搭IT团队了，智能体自己去搭了"。

想问四位：今天是一个AI公司去弄懂这个行业、做出适配垂直行业的落地组织能力更容易，还是一个垂直行业有很强IT团队、自己去落地AI能力成为组织能力更容易？甚至有一家美妆公司今年跟我们讲，他们IT做的产品已经很好了，要不商业化吧，拿出去卖。翟总您怎么看？

翟星吉：这个话题很好。整体上不是非此即彼。本质上探讨的是：这个时代，一家Agent公司、AI公司，核心基因或核心竞争力是什么？什么东西能让它持续走下去？两个赛道都会有做得好的、做得不好的公司。

从我的视角看本质：第一，这家公司首先Agent Native，一定是Agent Native的公司。然后这家公司大概率得足够年轻——不是公司年龄，是团队人的物理年龄和心理年龄都足够年轻，对技术有足够热爱，不断看最新技术、不断做创新，对解决用户问题、解决场景有足够热爱，同时有很强的商业化能力。一定是团队精英和组合才能做到。

抽象一下：第一，Agent Native，足够年轻，心态足够年轻、年龄足够年轻，拥抱技术。第二，对前沿技术有创新、洞察、创新能力，对产品有深刻洞察，对目标行业、目标场景有极其深刻洞察，能看到别人看不到的东西，有很强感知能力、判断力、创新能力、抽象能力，以及很强商业化能力，能把产品、创意和真实商业场景结合——一方面验证想法成立，另一方面从客户、用户真实商业场景里拿更多真实反馈去迭代，把技术产品商业化飞轮跑起来。谁能把这个跑起来，就能真正做出好的Agent产品。

我补充一点：看到大量做AI产品的公司，不管是传统行业还是所谓Agent Native的公司，对Agent技术知之甚少，对技术没那么感兴趣、没那么了解，很容易陷入传统套路——找到一个问题，找一波看起来还行的人做出来，但产品技术没有竞争力、没有创新。没有创新、没有技术竞争力，这个时代很难活下去。有一些资源能保证做小资源型公司、小资源型生意，有一定基本盘、营收盘，但很难做大做长远。

还有很多公司，我们是奇绩创坛投的公司，奇绩圈子里很多年轻前沿技术创业者，技术上很强很强，但可能缺产品能力、产品洞察，缺真实把产品沟通marketing的能力，很容易自嗨——技术自嗨、空想。非凡也见过很多这样的团队。只有真的把两者结合起来的团队，才能真正走下去。

沙涛：我理解这个问题的本质：5年之后，服装行业的第一名还是不是优衣库，还是一家用AI思路重新做的品牌？

我觉得不同行业还真不一样，有反例也有正例。如果用AI改造行业、完全改变行业玩法，楼号瞬间不值钱，我相信是一家新企业做到第一。比如汽车行业，电动车完全没有按原来油车思路去造，甚至没有按油车思路去卖——很多电动车只有网上销售，连4S店都能省则省。5年后丰田是不是还是丰田？不一定，可能是一家非常新势力的汽车企业。

但5年后优衣库是不是还是优衣库？运动行业是不是还是迪卡侬？奢侈品行业是不是还是LV？maybe还是。因为这些行业有这么多年沉淀，楼号是值钱的。你还是会去店里、会去电商，奢侈品可能去店里。做法没有变，AI只是增加效率，让翻桌率变快、翻台率变多，资金使用链路效率变高。传统行业壁垒非常深，楼号非常值钱。

技术门槛越来越低，招一帮IT专家马上可以搞出还不错的Agent。但前提是真的要把楼号梳理出来，认真做壁垒，而不是专家离职了楼号也离职了。这是很多品牌目前碰到的问题。分两类吧，可能都有：改变行业玩法——做车、做电影，完全不按原来导演思路做，也许新企业会出来。

沈涛：这个问题说实话我不谦虚地说，还是挺有发言权的。从2023年一直在研究。2023年研究了一个问题：AI来了之后，研究2015年——大家知道2015、2016年AI也火过一波——研究2016年AI的战追战局，经过两三年混乱之后，谁赚走了最多的钱？到底是当时的AI Native公司，还是老牌公司？这个问题可以抛给各位研究，但研究完了之后，回答刚才主持人问题：标准答案一定是——那些有垂直楼号的人跟有AI经验的人交集在一起，才能做出真正革命性的新公司。这个一定是标准答案。

但如果从现在来看，哪一方天平更偏向哪方更容易？我认为偏向那些具有传统或垂直行业楼号的一方会更容易。为什么？因为AI技术、AI知识门槛会越来越低。科技平权一定是大趋势。比如2016年搞人脸识别刷卡，太麻烦了；现在全是人脸识别。人脸识别在当时作为很典型AI技术，三年时间从高高在上到飞入寻常百姓家。

包括现在讨论很多Agent问题、上下文问题、skill问题、tool问题、组织落地和AI组织转型问题。这些问题当前都处于跨越鸿沟的早期，但一旦跨越鸿沟，渗透率会非常非常快。AI技术、Agent技术平权只是时间问题。

但垂直行业的knowhow和知识，不好意思，怎么都平不了权。因为以前的knowhow和知识并不存在于线上库里，存在于老师傅脑子里、存在于各个地方现场。这么去说，AI渗透会越来越广，只不过现在没有跨越鸿沟，所以还很慢。但一旦跨越鸿沟，普适技术可以被垂直行业有楼号的公司应用住，应用住之后就能做出很好产品。

这是一块，但下一个阶段还会有问题。聊过很多年营收800亿、1000亿或50亿，在头部行业做到第一的公司，他们有最强的楼号、最强的账号，稍微搭配一点智能，可以做出行业非常牛的产品。在浙江聊过一家企业，视频号也发过，营收800亿，全国第一，中国V百强。内部做了很多AI项目，非常好，很多同行参观说"我要的就是这个"。独立出一家公司专门做这个AI产品，同行商业化。但遇到什么问题？能做出好产品，产品绝对是国内第一，但卖不出去，商业化上仍然遇到投放问题、获客问题、其他问题。

做投放的人才、数据分析人才、销售人才，不在垂直制造业里面，在其他行业。能做出好产品不代表能卖得出去。包括刚才段总提到那家化妆品公司，相信他能做出化妆品领域最好的产品，同行都想要，但商业化上会遇到巨大问题。

最终机会属于谁？属于那些能把AI玩明白、把楼号玩明白、又能把商业化玩明白、甚至把品牌投放这些事情组织玩明白的公司。标准答案就在那，但能把这些角色都玩明白的人，不好意思，是凤毛麟角的。

叶海峰：主持人这个问题还是把传统软件公司甲方乙方了。AI时代它不是工具，它是人，思考这个事情要跳开来。既然是人，不管是劳动密集型还是治理密集型企业，人是核心。AI到了这个层面，如果还是甲乙方关系，可能不够。隐隐感觉未来AI公司如果还是卖工具、卖能力，很多公司就自己干了。

假设除了带人入场——当数字人，还带资源入场、其他一些东西入场，可能不是甲乙方关系，假A和假B的关系。公司原来的股东关系，在硅基时代到来可能是另外一种关系——股东之外的业务关系，假一假二进入到业务主流程，这种共生关系。

拿我们自己一个案例：在河南有一家三甲医院，科室说要用我们这套AI。他说用不用AI不重要，看中你们的糖尿病逆转业务、经验和能力，能不能带着AI和服务进来，把糖尿病人管理掉。后来非常成功。意识到在AI时代，细分垂直行业里面，我是带着资源来的——你缺客户我带着客户来加AI，你缺交付我带着交付、服务团队进场。

感觉这不是甲乙方关系，可能选择"我自己做"——工具到底都能解决，很多公司都能解决AI能力问题，但资源是我稀缺的。这是我对这个问题的一些思考和实践感受。

快问快答：千人公司CEO的第一件事

段宏宇：最后大家用一个问题收尾：如果今天在座各位是一家千人公司的CEO，今天关于AI，会做的第一件事是什么？因为时间问题，只讲这件事情是什么，不要说为什么。大家想知道为什么的，待会下去加嘉宾微信了解。

翟星吉：给每个人买我们公司的产品，做一些培训，达成两个目的。第一，让还在观望AI的人真正意识到技术变化的紧迫性——这玩意三年内会带来岗位角色的巨大变化，倒逼他更主动地去学习和拥抱AI。第二，让拥抱AI的人看到技术未来可能性，看到下一个时代窗口长什么样子，让他更加积极拥抱，变成内部KOC，一起去带动整个组织转型。

段宏宇：所以翟总的答案是先买语核科技的产品。

沙涛：我会让每个人建个共享文件夹，把认为所有和工作相关的信息都传上去。一定有快有慢，最后挑出那个一个或一群快速可以跑通自己工作Agent的群体，把他们作为示范。

段宏宇：沈总，千人公司CEO，第一件事干啥？

沈涛：我会每天凌晨3点钟在群里面发一些我对AI的见闻，让大家知道我作为老板比你更牛逼、还比你更努力，你就会焦虑。好员工就会自己动起来。

叶海峰：千人公司肯定是做了好多年、规模很大、已经很固化了。如果第一天上班，首先了解AI化抗性多大，把只愿意革自己命、把自己裁掉的最AI感知的一部分抽取出来，单独成立一个部门，AI单独搞。老的加AI，1000人公司比登天还难。另外成立团队，流程、组织、管理再造，把原来愿意接受的进来，不愿意接受的走人。

段宏宇：所以您的答案是先解决人跟组织的问题。

文章来自于微信公众号 “非凡产研”，作者 “非凡产研”