# 企业AI服务落地半年思考

> 视频转录逐字稿（Whisper small + AI校正）
> 日期：2026-07-11

---

这半年，我做了很多企业的AI服务，
然后在内部社群里面，
也跟大家断断续续的聊过不少。
今天就跟大家稍微完整的讲一讲
我这半年的一些思考。
然后如果你也在帮企业去做AI的落地，
或者你就是想把AI塞进自己公司里面的老板，
我觉得这期视频可能会对你有些帮助。

首先来跟大家说一下，
这个企业AI服务我这半年到底在干什么。
大致分成两块：
一块是咨询培训，
就是教大家怎么去用AI工具，
怎么用Agent，
然后每周会更新，
这都有什么新的工具、新的趋势、新的玩法。
第二块更像是工程师的工作，
综合性的这种工程师的工作。
现在有个名词叫做FDE，
翻译过来叫做前线部署工程师，
就是让每个企业里面的人，
都能够稳定的用上世界上最顶尖的模型工具，
然后把AI揉进公司的业务里面、流程里面。
然后如果碰上一些非技术的公司，
比如说Agent的开发、工具的开发这些工作，
我也揽下来也会一起做。

这个视频我有三点比较想聊的：
第一个就是，现在整个企业服务的市场，到底情况怎么样；
第二个就是这个过程当中，最关键的人的这些问题；
第三个就是具体是怎么做的。
当然我有一个自己的公式，最后也会跟大家分享。

好，我们先来聊第一点，
就是我这半年来，对于这个市场的整体的思考。
先说一下现在这个整体情况，我有两个判断。
一个就是现在的整体的AI企业服务的缺口真的非常大，
而且这个市场才刚刚开始。
另外一个判断就是，虽然市场非常大，
但是挑选其中的客户，我觉得非常关键。

然后我们来细细说一说：
就是大家如果自媒体刷多了，
可能觉得说现在每一个人，
都已经非常实用地，
每天在使用Claude Code、Codex这些智能体了。
但现实情况，
就是我们生活的这种情况，其实还差得很远。
我这半年接触下来，
感觉几乎99%的公司，
都还没有开始落地AI，
只停留在可能问一问豆包，
然后问一问大模型一些问题而已。

这个阶段我们更宏观一点的角度来看，
就是技术创新的一端，
然后一些新的技术、新的工具，
开始慢慢可以用了，然后成熟落地了。
但是企业那一端的大量的企业，
才刚刚开始认知到这个点，然后开始采纳这个阶段。
中间有巨大的鸿沟。
同时这些企业落地，就需要有很懂的人，
帮他们去解决这些实际问题。
这些实际问题，
不仅是技术问题，
还包括了比如说商业问题、产品问题、运营问题等等。
所以对于人的综合性的能力要求也会比较高。

然后另外一点，我作为一个人来说，
我觉得上半年获取的客户的数量，
已经非常非常大，
很多时候其实更多的时间是在挑选客户。
每一个企业其实都可以去结合，
但是我自己因为时间精力有限，
所以肯定要挑选其中，
更适合我去服务的这样的客户，
更有性价比的客户。
我自己挑选大概有这样的几个标准：
首先就是原来的业务最好都是数字化的、知识性的工作业务，
因为太多的线下的部分，
会让整个服务过程变得非常的繁琐。
第二点就是这个行业的从业人员，
最好是那些比较喜欢接收新事物的、
学习能力比较强、适应能力比较好的这样的行业。
在AI落地阶段，现在起步阶段，
很多的能力、很多的技术，
都是每天每周都在变化。
所以这样的学习能力比较强的行业，
我觉得对于我去服务来说，
也是会节省我很多时间的。
第三点也是我觉得最重要的，
就是这个行业或者是这个公司，
一定要有钱。
有钱它可以去接收这些现在的新事物，
有钱它可以付得起你更多的这些服务的议价。

第二点，聊完整个市场，
我们来聊一下其中的人。
两类人：一个是老板，一个是手下的员工。
有两个跟我原先认知完全相反的事情。

第一个反直觉的事情，就是关于老板的。
我服务之前我觉得说，
想象中一把手就是不干活的，
然后动动嘴皮去指挥手下的，
自己在上面躺着。
比如说我们以前去服务SaaS或者是CRM这些系统的时候。
但这一波Agent服务里恰恰相反，
你去看后台的Token消耗，
企业里面用的最猛的就是部门的负责人或者企业的一把手。
Token不会说谎，这个一目了然。
但是为什么的？
我觉得回过来想，
是因为老板这种人，
就是脑子里想法特别多，
但以前苦于说执行太慢、执行太难，
所以一个念头的落地，
往往要等好几个礼拜，
让手下一点点的去执行。
但现在Agent帮他，说真的，好用。
等于身边多了一个随叫随到的这种执行者，
他那些天马行空的想法，
可以白天晚上一个一个的接着去验证。
所以我有一个很强的体感，
就是一个企业，
如果他一把手自己不上手，
自己不亲自去使用这些Agent，
我觉得企业的AI的落地，基本是推不动的。

第二个反直觉的是，
我觉得是在员工部门层面。
很多人一上来就想到说，
能不能用AI帮我们把某个部门的整体效率提上去。
这个有点像以前SaaS那个时代的这种打法。
但经过这半年，我觉得到现在为止至少，
这个想法是错的。
更好的方法，
不是去提升整个部门的效率，
而是用AI去扩展每一个员工的能力，
让部门里面有十个超级个体，
去提升个人，而不是去提升部门。

这个原因是为什么的呢？
我后面反过头来想一想，
我觉得大家可能也有两个原因。
一个就是因为我们今年用的这一代、到目前为止的Agent，
很大程度上是受年初小龙虾的Peter他的影响，
但是Peter去设计小龙虾的最初目的是帮助他个人去提高能力。
所以现在的整个Agent的设计，
更多的是为了个人服务去设计的。
所以在企业服务、部门服务、整体的团队服务上面，
我觉得还没有达到这么好的使用的状态。
反而是对个人的能力的帮助，非常大。

第二点就是说，
当一家公司真正用熟了AI、用熟了Agent之后，
整个链条里面，其实最慢的环节，
当然就变成了人。
工作关系也会大概分成三种：
一个是人跟人，一个是人跟Agent，一个是Agent和Agent。
但里面最慢的就是人跟人。
所以如果一个流程里面，
人跟人交流、交换信息的步骤太多，
效率肯定是提不上去的。
我觉得当下在这个技术框架下，
比较聪明的打法，
就是尽量去扩大每个人的这个能力边界，
减少人跟人之间这种无聊的、或者没有意义的这种接触。
这是我的看法。

然后第三点，具体怎么做呢？
当然每家企业都不一样，
但是我觉得里面有些共性。
我总结了自己的一个公式，
就是Agent加上Skills加上Data，
智能体加技能加数据，这样一个公式。

这个公式具体怎么理解，我来跟大家解释一下。
我们知道几乎所有的工作，都可以看成一件事情，
就是你一个智能体，
去调用你的Skills，也就是你的认知跟流程，
去处理你的Data，也就是你公司的这些数据、文档、会议记录等等这些东西，
最后得到一些新的结果。
如果是很一般的结果，可能看一眼就扔了，
但好的结果存下来，又变成了未来的数据；
好的过程存下来，又变成了新的Skills。
这就是这样一个循环。
然后几乎我觉得服务到现在，
应该能覆盖所有公司的绝大部分的这样的场景。

然后我们里面一个个来说，先说Agent。
这玩意就是看起来很高端，听起来很高端，
然后现在大家都在聊这个，对吧。
然后也是跟AI最有密切关系的，
但其实是最没什么好研究的。
世界上现在最好的Agent、最好的模型，
国内外的都行。
只要你能接触到的，你有资源、你有费用去接触到的都行。
Codex、Claude Code等，我觉得哪个顺手你就用哪个。
然后千万不要自己去折腾Agent，
因为你又不是Agent的创业公司，
你公司有你公司主营的业务，你也折腾不过别人。

真正的难点，我觉得反倒是后面两个，Skills和Data。
他们分别对应这企业逻辑的，
我觉得最大的两个难关：流程的优化和上下文的管理。

我们先来说Skills。
Skills是所有重复性的工作，重点在于"重复"两个字。
包括你的流程、操作手册，
甚至你思想层面的一些重复性的认知，
都可以做成Skills，然后让Agent去执行。
这就有两个阶段了。

第一阶段也比较直接，然后现在大部分企业，
可能也只是卡在第一阶段而已，
就是把你原来公司的流程、员工的固定的工作做成Skills。

但是真正的挑战、真正的提升，
我觉得来自于第二阶段，
就是按照AI时代的特点，
把以前的流程重新给优化一遍。

这样抽象的时候，你可能不太理解，我举个例子你就懂。
比如说我们追溯到以前电脑刚发明的时候，
然后大家可能一开始出来的时候，
都只把它当做一个打字机，那确实快了点。
但离谱的是什么事情，
就是那时候打完字以后，
已经把这个文档数字化了之后，
还是要把它打印出来，
打印成纸质版，
在书架里面的档案袋里面归档。
为什么？因为以前流程一直是怎么走的，文件的管理一直是这么管理的。

今天也一模一样，
就是很多人的Agent写出的方案、写出的文案，
但回头还是丢到老的ERP系统里面、SaaS系统里面。
所以这一步是流程上的改造，
要花大力气的，
要去配合公司，要努力去探索的。
但是怎么说呢，虽然花力气，
但是一旦优化好这些流程，
它就将会变成公司的第二大数字资产。

为什么是第二大呢？
因为还有第一大数字资产，那就是Data数据。
比如说公司的文档、会议记录，
所有的业务数据，各有各种各样的上下文。

我跟大家实话实说，就是我觉得这半年来，
最难的部分，也是最花时间的部分，就是数据的部分。
难在两层：

第一层就是，怎么把数据搞到手。
比如说每场线上的会议，我们怎么自动记录下来。
然后当然现在有些会议软件做得很好。
然后线下的会议，我们怎么去记录下来，线下的活动怎么记录下来。
然后是不是得配一点硬件？
再比如说公司本来没有这些数据，但是它又想要拿到这些数据，
那到底是用官方的接口去买、去接，
还是用爬虫脚本去爬？等等等等。
这些都是怎么去获取数据的问题。

第二层就是有了数据之后，
怎么去管理这些数据、组织这些数据，
才能让Agent能够更好地用起来。
什么时候要用到传统的数据库，
什么时候用上向量数据库，
每天新增的数据又怎么样去用一条流程去规划去管理。
这些全都是企业上下文管理的问题。

为什么我说Data是最难的？
因为Agent跟模型，就是公开的、全世界能用到的，
你花钱就能买到的，
然后大家其实都用得差不多。
然后Skill你还能慢慢学、慢慢抄，
以及说你企业里面之前本身就积累着很多这样的SOP。
但是信息差，企业跟企业的信息差、行业的信息差，永远都是存在的。
模型会越来越强、越来越便宜，
但最后大家手里的Agent都差不多的时候，
真正拉开差距的，就是谁的数据好，谁的数据管理的好。

所以你看，绕了一圈，
我的经验就是，
企业AI落地真正的重点、真正的胜负手，
从来不在最酷炫、最新的Agent上面，
而是在最不性感的地方：
先让企业把习惯换过来，然后开始学着用Agent，
然后再把流程重做一遍，
最后再把数据一点点填进去。
这整个过程是一个又慢又脏的过程，
但也正是因为它慢、它脏，
它才是真正属于你企业自己的护城河。

然后上面这些，大概就是我今天想聊的，
我这半年来对于企业服务的一点思考。
希望对你有帮助。

好了，今天视频就到这里，我们下次见。