最近和一位想在公司推动 AI 落地的好友聊了聊他的需求，具体细节就不在这里公开了。总的来说，大家通常会关心这样一个问题：现在有一件事想通过 AI 去做，是不是招一个 AI 产品经理，或者找个懂 AI 的人，就能解决？
我当时的回复是：不一定。
关于 AI 落地，我有几个核心观点：
AI 落地更需要懂业务的人
(a) 由懂业务的人去推动落地，最好是一号位亲自推。在某些阶段，确实需要借助管理手段或流程优化来保障推进，这类机制是有效的，也是不可或缺的。
(b) 自下而上地收集信息。在组织推进的过程中，上下文非常重要，包括公司制度、业务细节、各类流程规范、客户来源、商业模式、交付方法论和标准等等，这些只有懂业务的人才清楚。所谓懂业务，既要知道事情怎么做，也要清楚事情最终的结果流向哪里，知道怎么通过管理把业务链条上的各个角色串起来。
大家对预算的感知存在盲区
聊事情先聊预算，从项目角度来看很正常。AI 落地肉眼可见的成本通常是 token 费用，背后对应的是各家模型在算力和效果上的差异。但大家往往忽略了另一部分成本：理解业务，并把业务转化为落地结果。
比如梳理公司知识库、搭建 Agent（智能体），本身就要投入大量的时间和精力，这部分成本远高于 token 费用。和互联网时代相比，有了 AI，写代码变简单了，业务逻辑却是动态变化的，梳理起来反而更复杂。如果一个人能把业务彻底理清楚，他花的时间成本，其实远大于用 AI 实现这件事的技术成本。
怎么从懂业务、懂 AI 的视角把落地做好
(a) 局部提效：做工具、做产品，让大家切实感受到效率的变化。
(b) 业务与流程 AI 化：推进这件事的目的是看清哪些环节可以做得更好。人的判断不可或缺，因为人要承担责任、对最终的交付结果负责，这部分只能由人来承担。
明确了哪些环节需要人来判断，也就有了清晰的标准。前期推进时，很多事情未必一上来就能证明 AI 做得更好，但人可以在过程中不断调整。很多时候问题出在业务模式本身还不清晰，或者人的认知和能力还有待提升。
每半年我都会更新一次自己对 AI 应用、市场和个人感知的变化。还蛮期待今年 12 月份的那次更新，核心会聊些什么、能梳理出哪些东西。再构思构思吧，有时间的话就整理一下。