Strategy

上个月，一个 CEO 朋友给我看他的 AI Executive Assistant。

这个 Assistant 每天帮他看邮件、总结会议、安排董事会、订机票、写讲话稿。用了大半年，CEO 说：「它比我的真人秘书更懂我。」

然后他问了一个问题：「我想让它也帮其他高管安排行程、协调董事会会议、统一管理行政资源。行不行？」

我说：行。但你要意识到， 你正在把它从一个分身变成一个员工。

他笑了：「不就是多服务几个人吗？能力是一样的。」

我说：能力是一样的。但 身份、权限、审计、责任归属，全部要重来。你现在的 EA 出了错，你骂它一顿就行。总裁办的 EA 出了错，谁负责？你？行政总监？还是那个 Agent 自己？

他笑不出来了。

上个月，一位做连锁门店的朋友给我看他的钉钉后台。

他管 7 家门店、几十号员工。没有 IT 部门，没有开发团队，不会写一行代码。

但他给我看的东西让我愣住了：门店排班系统、每日任务打卡、AI 照片核查、经营日报自动生成、工资预审流程、设备报修闭环——全部跑在钉钉上，全部是他和 AI 一起搭出来的。

我问他：「你什么时候学会写代码的？」

他说：「我不会写代码。我只是告诉 AI 我想怎么管门店，它帮我搭出来的。」

然后他说了一句让我想了很久的话：

「以前很多事情不是不会，是没有时间做。现在想到一个新的管理流程，先让 AI 帮我搭出来，再不断调整。试错成本下降了很多。」

这不是「自动化」。自动化是把已有的流程跑快。他做的是 把以前根本不存在的流程变成现实。

上个月，一个做消费品牌的朋友找我聊他们的 AI 项目。

他们花了三个月，让技术团队给 CEO 做了一个「数字分身」——能模仿 CEO 的语气给全员发周报、回答战略问题、甚至在新人培训里做公司介绍。演示那天，CEO 本人看了都觉得「挺像我的」。

然后他问了我一个问题：「这个东西，除了我自己觉得好玩，到底该给谁用？」

我说：你做了一个 分身，但你需要的是一个 员工。

他愣住了。

这不是个例。我观察到大量企业在启动 AI Agent 项目时，第一步就搞混了这两个概念——不是因为技术理解不够，而是因为 没有想清楚锚点在哪。

上个月，一个做汽车零部件的朋友找我吐槽。他们花了大半年选了一个「国内最好的大模型」，又花了三个月搭了一套 Agent 系统，目标是让质检流程自动化。结果上线两周，业务部门集体退货。

原因不是模型不够聪明。是 Agent 读不懂他们的质检数据——散落在 MES 系统、Excel 表格和钉钉群聊里的检测记录，格式不统一、字段不对齐、状态不可机读。Agent 也调不动他们的审批系统——OA 只有 Web 界面，没有 API，RPA 模拟点击三天两头因为页面改版而崩掉。

他说了一句让我印象很深的话：「我们的 AI 项目，死在了数据治理和系统对接上——这两件事，跟模型半毛钱关系都没有。」

上周和一个做制造业的朋友吃饭。他的工厂有一条产线质检流程，沉淀了八年的 SOP，写在 47 页 Word 文档里，涵盖了从来料抽检到成品出货的 23 个检查节点。

他说：「这套流程是我们最值钱的资产之一。但执行全靠人——培训一个质检员要三个月，离职率 30%，新人上来又得重新学。」

我问他：「你想过把这套 SOP 变成 AI 驱动的工作流吗？」

他愣了一下：「谁来帮我做这个？我手下的 IT 团队连 ERP 都维护不过来。」

这就是当下最大的供需错配： 企业最有价值的资产是沉淀多年的 SOP，但没有人把它变成可执行的数字员工。

你的团队引入悟空（或企业级 AI 平台）已经半年了。

现状是：少数极客员工能用 AI 写出惊艳的代码和方案，效率提升 300%；但 80% 的员工依然只把 AI 当作「高级搜索引擎」或「翻译工具」，偶尔让它润色一下邮件。更糟糕的是，由于缺乏统一标准，大家各自为战，Prompt 散落在聊天记录里，Token 账单失控，甚至发生了两次 Prompt 注入导致的数据泄露事故。

CTO 问你：「我们现在的 AI 落地到底处于什么水平？下一步该重点投什么资源？怎么制定未来 6 个月的 Roadmap？」

你发现，虽然团队学了一堆 Prompt 技巧，但缺乏一张全局的演进地图。不知道当前水位，就不知道下一步该补什么；没有分级标准，就无法制定合理的落地节奏。

在前面的十二篇文章中，我们构建了从 需求澄清、流程控制、工程化封装、多 Agent 编排 到 安全与成本治理 的完整技巧体系。

今天，我们推出系列的压轴之作（技巧十三）：如何通过「AI 协作成熟度模型」，为团队定位当前水位、识别核心瓶颈、制定可落地的演进路线图，实现从「个人玩具」到「企业基础设施」的系统化跃迁。

上周和一位做 HR SaaS 的创始人吃饭。他抛出一个困扰了很久的问题：

“我们的 AI 简历解析准确率比竞品高 8%，但客户续约率还是在掉。竞品三个月就追平了准确率，价格还低 20%。技术优势在中国到底能维持多久？”

我给的回答很直接：6 到 12 个月。 然后就没有了。

这不是悲观，而是现实。中国企服市场的迭代速度让任何纯技术壁垒都迅速商品化。如果你的护城河是"我们的模型更准"“我们的算法更快”，那这条河很快就会干涸。

这篇文章，我想系统回答一个问题：在中国做 SaaS，到底什么才是真正的护城河？

上周和一个刚从大厂出来创业的朋友聊天。他去年还在犹豫要不要做 AI 应用，今年终于下定决心，却发现赛道已经变了：

“半年前我觉得自己能做一个 AI 写作工具，现在发现 Notion、飞书、钉钉全内置了。半年前我觉得 AI 客服是个机会，现在发现大厂已经把价格打到了几分钱一次调用。我出来晚了？”

他没说错。

2023 年 ChatGPT 爆发时，所有人都觉得 AI 遍地是黄金。但到了 2026 年的今天，一个越来越清晰的趋势是：AI 的机会不是越来越多，而是越来越少。

更准确地说：留给普通人和中小团队的机会窗口，正在快速关闭。2026 到 2027 年，是最后的关键期。