說實話，在過去的兩年里，國內(nèi)對于 AI 的應(yīng)用一直存在著“ 技術(shù)熱，落地冷 ”的情況，尤其是在 B 端，企業(yè)有著 AI 焦慮，但是遲遲沒辦法下手。

一方面是，企業(yè)們摸不透現(xiàn)有的各家大模型，該怎么應(yīng)用到企業(yè)的實際業(yè)務(wù)中。另一方面是在考量要不要招專門的人才，這樣的人才到底怎么用。

大家都想不好，所以持觀望者多。

前者是行業(yè)問題。目前來看，AI 并沒有完整的形成一個生態(tài)，算力歸算力，模型歸模型，傳統(tǒng)的 SaaS 廠商正想辦法將 AI 能力集成到現(xiàn)有的 CRM（客戶管理系統(tǒng)）、營銷或者 HR 軟件里，但想解決具體的大塊業(yè)務(wù)問題，還需要時間。

原因在于這種迭代對傳統(tǒng) SaaS 廠商的挑戰(zhàn)也不低，之前反復(fù)幫企業(yè)開發(fā)工具，邏輯在于優(yōu)化，這是一個工程能力，需求，開發(fā)，交付；但是現(xiàn)在客戶自己都不一定清楚 AI 到底能解決哪個具體問題，需要 SaaS 和企業(yè)一起基于數(shù)據(jù)和場景進行探索，倏忽間，AI 技術(shù)變革日新月異，之前錨定的目標又落后了。

那新的原生于 AI 時代的 SaaS 公司呢？相對較少，前面說到 AI 落地極度依賴于數(shù)據(jù)和場景，新型的 SaaS 公司更難從 0 到 1，因為你進入不了場景，獲得不了數(shù)據(jù)，想進入，前期必定是先干活，后拿錢，商業(yè)模式的可持續(xù)性待評估。并且，當行業(yè)和資本把大量的投資集中在算力和模型層面，為 B 端客戶做定制化提效這件事的吸引力，就沒那么大了。

至于人才問題，外部招聘存在著技術(shù)專家和業(yè)務(wù)專家的認知鴻溝，傳統(tǒng)企業(yè)部門墻又高，數(shù)據(jù)難打通，要知道傳統(tǒng)的組織相當程度上依賴信息差維持管理權(quán)威，即使是 AI 時代前的企業(yè)數(shù)字化轉(zhuǎn)型，也存在著同樣的問題，知危曾與服裝制造業(yè)的 SaaS 企業(yè)負責人探討，當時一些知名服裝品牌改革的阻礙就在于人綁定著部門，部門綁定著利益，技術(shù)無法打通。

在這樣的條件和時間節(jié)點下，一種可能的解法是，企業(yè)需要的不是領(lǐng)導(dǎo)拍腦袋干什么、怎么干，而是提供一些開放的工具，讓一線員工自己生產(chǎn)出 “ AI 生產(chǎn)工具 ”。

當使用自然語言可以達到寫代碼一樣的效果的時候，一線員工要做的就是將問題 “ 翻譯 ” 給 AI，并駕馭其輸出有用的工具。

比如汽車制造中的尺寸檢測，傳統(tǒng)流程中，工人需要將數(shù)據(jù)寫在零件上，再抄錄到紙上，之后再輸入電腦，流程越長，越容易出錯，并且耗時。吉利汽車研究院做了個小小的創(chuàng)新，通過自家使用的辦公軟件的 AI 功能開發(fā)了一個智能助手，用 AI 語音識別和實時字幕生成測量值，然后再結(jié)合之前做的典型問題模型預(yù)置到系統(tǒng)，利用 AI 對 DTS 尺寸測量數(shù)據(jù)進行分析，單次檢測時間從 45 分縮短到 20 分鐘以內(nèi)。

說是小創(chuàng)新，是因為有了工具的加持，技術(shù)難度降低，測量員只用了三個周末自己琢磨了一下，就搭建起來了，有那種制造業(yè)精益化管理的升級轉(zhuǎn)變的感覺了。

再比如餐飲業(yè)的食品效期管理，食品包裝上有效期是第一效期，第二效期指的是開封過或者經(jīng)過粗加工食材的效期，所以后廚寫標簽貼標簽就是一個體力活。亞朵酒店某店的員工做的是，利用 NFC 掃碼器，彈出語音識別，后廚員工語音錄入就能自動識別品類，限用日期的等信息自動打印標簽，通過多維表格整合識別、分析、推薦、測評四個 AI 智能體，系統(tǒng)也會自動推送臨期提醒了。一家店光寫標簽省了半小時。

四維圖新是一家研究智能出行的公司，尤其是海外業(yè)務(wù)，在產(chǎn)品上市前需要進行嚴格的合規(guī)和質(zhì)量審核，地區(qū)不同，各有差異。傳統(tǒng)流程依舊是幾十位審核專家全程人肉掃描，需要幾周時間。審核團隊并不會寫代碼做軟件，但是他們用辦公軟件的 AI 功能結(jié)合知識問答和內(nèi)部知識庫，重塑了審核方式。

審核變成 AI 初審，AI 自動讀取文檔，調(diào)用規(guī)則，基于提示詞分析并輸出審核結(jié)論，專家進行糾偏，反復(fù)提高準確率，AI 承擔了 95% 的審核工作，這個產(chǎn)品叫smart QMS。

這些由非技術(shù)的業(yè)務(wù)人員帶來的創(chuàng)新案例或許可以引起一些行業(yè)的反思，即企業(yè)對于內(nèi)部創(chuàng)造性的忽視，以為 AI 的落地需要成熟的、流程化的、可確定的項目才能夠展開，但實際上 AI 帶來的技術(shù)平權(quán)對于個人的創(chuàng)造潛力的激發(fā)，是空前的。

前面的案例完全可以進行復(fù)用，尺寸檢測的系統(tǒng)可以在電子化檢具數(shù)據(jù)輸出、檢驗標準與工程設(shè)計方面繼續(xù)探索；食品效期的智能管理可以復(fù)用到布草、洗護用品的消耗品管理；smart QMS 可以不止應(yīng)用在汽車智能領(lǐng)域，任何需要人工審核合規(guī)性的行業(yè)都可以推廣。

目前階段，最有價值的 AI 應(yīng)用一定始于重復(fù)勞動的替代，也是一線員工在做個體創(chuàng)新時最有動力解決的部分。

兩天前，知危編輯部參加了飛書的 AI 效率先鋒全國大賽，在這場長達 4 個半小時的活動中，全部是具體的案例，能看懂的案例，前文提到的案例來自于此。有趣的是，行業(yè)取經(jīng)的場景不斷重現(xiàn)，坐在臺下的評委錦江酒店集團副總裁頻頻向亞朵的團隊追問細節(jié)，海亮集團的輪值總裁找永卓控股的高爐智能體團隊約飯線下詳聊。

這些由非技術(shù)業(yè)務(wù)人員帶來的創(chuàng)新案例，似乎為行業(yè)的集體焦慮提供了一個出口，在等待一個成熟的自上而下的 AI 轉(zhuǎn)型方案時，由一線員工驅(qū)動的，自下而上的邊緣革命正在發(fā)生。當然前提是，既有集成的工具，也有合理的激勵機制。

企業(yè)的挑戰(zhàn)在于，一線做 AI 創(chuàng)新的模式，目前只能增效于小的場景。那些更深度的、涉及跨部門流程重構(gòu)的場景，其復(fù)雜度和阻力將越來越大，這種模式可能不再奏效。

但是起碼目前，我們確實看到了個體重新在 AI 時代下，涌現(xiàn)出了非凡的的價值。