AI 真正进入一家企业，不是因为能力强，而是因为它开始被算进工时

编辑：青岛软件开发公司 发布于：2026-10-23 17:02:07

今天活动结束，回到座位我翻了一遍现场记下的几页纸，发现一个有点意外的事实：讲台上我们花最多时间讲的东西，和客户真正在问的东西，并不是同一件事。
我们准备了不少灵基的新用法，客户也带着自己的研究来了。两边碰到一起，最后留在我笔记本上的，反而是一些更朴素的东西——什么叫"把 AI 用起来"，什么叫"只是把 AI 用上"。
这篇把今天的现场做个复盘，也把能带走的部分留下来。

本次复盘分三块：
01 灵基往下走的两层：自己跑、动手办
02 AI 落地最常卡住的三个点
03 客户判断"有没有用"的三条标准

一、我们讲的：灵基的三个变化

灵基上线以来，大家用得最多的是工作模式：说一句话，它生成 PPT、出一份报告、做一次数据分析。今天新讲的，是它往下走了两层。
第一层，让它每天自己跑起来。
很多需求本质上不是"我不会做"，而是"我每天都得重做一遍"。定时任务就是把这类重复性动作交出去。
比如每天早上八点半自动拉一遍昨日的经营数据，每周五自动生成一份周报草稿，每月初自动核对一遍应收账款对不对得上。配置路径很浅：工作 → 定时任务 → 右上角新建任务，填两件事——什么时候做、做什么。
第二层，让它真的动手办业务。
这是今天反应最大的一块。业务执行模式不再只是"告诉我数据是什么"，而是能进入金蝶 SaaS 环境完成实际动作：创建销售订单、创建物料、创建用户。
一句话概括，从"看得懂"走到了"办得成"。现场演示的是一个从询价到开单的链路，整个过程没有切换系统，也没有人在中间做二次录入。
第三层，让业务自己搭一个智能体。
以前做一个小工具，得提需求、排期、等开发。现在灵基有开发模式，用一段自然语言把需求说清楚，平台直接把智能体的配置生成出来。
写需求建议按四段来：它做什么、什么时候触发、按什么规则处理、最后输出给谁。这四句话说完，基本就够用了。

二、AI 落地，到底卡在哪儿

我们团队讲的落地那一段，是整场里最接近"怎么落地"的部分。这一段没绕功能，直接把企业上 AI 时最常卡住的几个点摆了出来。
第一个卡点，不知道从哪儿下手。
企业最容易犯的错，是一上来就想做一个"全能助手"——什么都能问、什么都能干。听起来很美，做出来往往谁都不用，因为它没有承接任何一个具体岗位的具体动作。
建议是反过来：先找一个高频、规则明确、错了也不致命的动作，把它做透。跑顺一个，再谈第二个。
第二个卡点，数据和系统是断的。
AI 说得再漂亮，一旦要它回答"上个月哪个客户的回款逾期最多"，就得真去金蝶云星空里取数。取不到，或者取到的数对不上，这件事就到此为止。
这也是为什么反复强调：先接系统，再谈智能体。灵基与金蝶 SaaS 原生融合的部分是现成的，非金蝶的系统走 MCP 或标准 API，这一步省不掉。
第三个卡点，没人对结果负责。
这一条最容易被忽略。智能体跑出来的东西，谁签字、谁复核、出了错算谁的？如果这件事没提前定，业务部门一定不敢用。
可行的做法是把责任链条显性化：AI 出初稿、人做终审、每一步留痕。听上去保守，但恰恰是这种保守，让系统真的能留在流程里。

三、客户讲的：比功能更值钱的三件事

这次客户方的分享，是我今天听得最认真的部分。他们不比我们懂产品，但他们对"这东西到底有没有用"的判断，比我们准得多。
一、他们先算了一笔人工账。
客户没有一上来就试 AI。他们先做了一件很笨的事：把一个岗位一周的动作拆成清单，逐条标注耗时。
拆完发现，真正需要判断的环节其实不到三成，剩下七成是搬运——从一个系统抄到另一个系统，从一张表整理到另一张表。这七成，就是可以被替代的部分。
"说不清自己的时间花在哪儿，工具再好也只是多一个要打开的窗口。"
这个动作看起来跟 AI 没关系，但它决定了后面所有投入的方向。
二、人机分工，比全自动更实际。
这跟前面讲的第三个卡点撞上了。客户的结论同样克制：不要让 AI 做判断，让它做前置工作。
他们现在的做法是，AI 先把该看的资料看完、该查的数据查完、该列的问题列完，人只处理最后的决策。审核环节依然是人签字，当人打开文件时，需要的证据已经摆在眼前。
客户的原话大意是：追求全自动的团队，最后往往在返工上花掉了更多时间。
三、他们只信"能追溯"的结果。
这一点我印象最深。客户说，AI 给的结论如果不能倒推回原始数据，他们在内部就没法用——业务部门一定会问"这个数字哪儿来的"，答不上来，这一票就废了。
所以他们落地时有一条硬规矩：每一个结论都要能点到源头。

四、我们和客户之间，差着一个翻译

活动结束后我和同事聊，觉得今天最有价值的部分，不是我们讲了什么新功能，而是客户的几个问题把我们重新拉回了地面。
我们习惯讲：支持自然语言搭智能体。
客户真正在问：搭出来的东西我敢不敢用。
差在哪儿：从能力到可信。
我们习惯讲：已与金蝶 SaaS 原生融合。
客户真正在问：这个数字是哪儿来的。
差在哪儿：从打通到可追溯。
我们习惯讲：可以设成定时自动执行。
客户真正在问：一个月能省我几个小时。
差在哪儿：从功能到账本。
这张对照我打算留着，下次做方案先按右边那一列来写。

五、四句话，把今天的讨论收一下

聊到最后，我把灵基的用法、落地常踩的卡点、客户踩过的坑，压成了四个动作。下次再有企业问"AI 怎么落地"，大概就从这里开始：
1. 先拆动作，再选工具。把一个岗位一周的动作拆开，标出哪些是搬运、哪些是判断。
2. 先接系统，再谈智能体。数据取不到、对不上，后面的能力都是空谈。
3. 先做一件小事。一个高频、规则清晰、错了也不致命的动作，跑通再扩。
4. 先定责任，再谈省时。谁签字、谁复核、留不留痕，提前说清楚。
这四句都不新，甚至有点笨。但今天的客户和我们的分享人，绕了一圈，说的都是同一件事。

写在最后

如果今天只让我带走一句话，大概是：
AI 真正进入一家企业，不是因为它的能力有多强，而是因为它开始被算进工时。
灵基这几次更新，让我看到的是同一件事——它正从"帮你想"，往"帮你办、按时办、办得有据可查"这个方向走。客户的实践和我们自己讲的卡点，恰好把这条路走了一遍，并且标出了哪儿会崴脚。