回到最开始那组数字。95% 的试点对利润表几乎没有影响80% 的人说我更快了却只有 37% 的企业说利润动了。这三个数字放在一起很容易得出一个悲观的结论AI 是场泡沫。但把这篇文章里的证据串起来看结论其实相反AI 的提效是真的只是它从来不会自动变成收益。斯坦福的研究告诉我们提效有边界、有前提IBM 的例子告诉我们效率提升会被系统里没变的环节吸收arXiv 那篇论文告诉我们它甚至可能只是从写转移到了审TechCrunch 和那位从业者告诉我们卡点几乎全在模型之外——期望、流程、上下文、成本。而那 6% 的赢家做的恰恰是把这些模型之外的事一件件补上重新设计流程、建立可衡量的标准、在关键节点保留人的判断。所以如果你正在推一个 AI 项目也许可以先不问该用哪个模型而是问三个更朴素的问题这笔钱花在哪我看得见吗这件事做完我衡量得了吗它跑偏的时候我停得下来吗 企业用AI，钱花了，效果呢？（漫画）
回到最开始那组数字。95% 的试点对利润表几乎没有影响80% 的人说我更快了却只有 37% 的企业说利润动了。这三个数字放在一起很容易得出一个悲观的结论AI 是场泡沫。但把这篇文章里的证据串起来看结论其实相反AI 的提效是真的只是它从来不会自动变成收益。斯坦福的研究告诉我们提效有边界、有前提IBM 的例子告诉我们效率提升会被系统里没变的环节吸收arXiv 那篇论文告诉我们它甚至可能只是从写转移到了审TechCrunch 和那位从业者告诉我们卡点几乎全在模型之外——期望、流程、上下文、成本。而那 6% 的赢家做的恰恰是把这些模型之外的事一件件补上重新设计流程、建立可衡量的标准、在关键节点保留人的判断。所以如果你正在推一个 AI 项目也许可以先不问该用哪个模型而是问三个更朴素的问题这笔钱花在哪我看得见吗这件事做完我衡量得了吗它跑偏的时候我停得下来吗 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
