# AI企业落地三反直觉洞察 · 羚羊SDE团队交流
**来源：** 声文速记转写 | **日期：** 2026-08-02

---

## 背景

与羚羊（阿里巴巴全资子公司）SDE团队交流，主理人有近20年数据领域经验，团队成员普遍有5~10年企业级落地经验。

---

## 三个反直觉洞察

### 1. 放下"一招打天下"的幻想，AI才能真正落地

传统乙方逻辑：客户要什么给什么，一个入口最方便。

羚羊的做法：直接说NO，拆成两个专项工具——

- **AI导师**：牵引销售代表走完履职流程（11个阶段，每步推着走）
- **AI销售助理**：话术生成 + 知识问答（根据医生画像和过往记录即时生成）

为什么拆？塞在一起之后AI准确率上不去，用户注意力也会被分散。这种判断需要几十个项目的经验，不是客户自己能想到的。

**合作模式变了：** 不是甲方提需求乙方交货，而是共创——客户顶尖销售打法 → SDE抽象成标准流程 → 相当于把最佳销售复制了几千个。

---

### 2. 决定AI项目成败的不是模型，是数据

大部分人低估了数据的重要性。进企业做落地，90%时间都花在处理数据上。

**项目成败在签合同前就决定了一半——**取决于这家企业过去是怎么对待自己的数据的。

案例：羚羊服务某大型药企，联合团队干了大半年的数据整理，业务方天天质疑"这有什么用"。一年后AI智能体上线，原本预期3~5年才能达到的阶段，一年就做出来了。

**数据治理两件事：**
1. 数据质量：洗干净数据，模型才不会"一本正经地胡说八道"
2. 权限边界 + 校验规则：哪些表才能查，哪类回复必须校验才能发出去——把关键动作从大模型手上拿走，交回给传统软件工程。信任是工程带出来的，不是模型天然的。

---

### 3. 最好的SDE目标：让客户不再需要你

反常识：靠交付赚钱的团队，客户越依赖越好。羚羊反着来。

**案例：** 服务某大型电动车客户，项目结束时客户团队已学会大模型、小优和流程配置。被培训出来的那批客服成了全公司轮岗最抢手的AI训练师。项目方法论叫"三足九表"——名字是客户自己起的，现在也是客户自己在运营。

**为什么这样做：**
- SDE本身不是特别赚钱的生意，很重人力，规模化难
- 真正的规模化靠什么？靠把一线服务中发现的共性问题，沉淀成标准化平台和产品
- 这也是羚羊做 **Agent One**（企业级Agent平台）的意义

**Agent One公式：DATA + AGENT + SDE**
- DATA = 企业的数据和记忆
- AGENT = 负责决策和执行
- SDE = 把企业隐形业务抽象成标准化SOP

DATA排在第一个，呼应第二点。

---

## 核心结论

**大模型不是瓶颈，从模型到业务的最后一公里才是。**

这短短一公里，里面全是数据和人这么多年的积累。

AI时代企业最宝贵的资产：**自己的数据 + 一批真正能理解业务的人。**

模型每个月都在换，但知道客户真正哪里痛，这件事不会过时。

---

## 讲述者

李超（声文速记视频博主）