从干部试AI到公司用AI：中间隔着一段工程

走访制造企业，今年最常看到的AI探索状态，不是没人动，而是动了一半。

一个典型的现场。一家制造加电商双轮的消费品企业，两三百人规模。运营部几位骨干从年初开始自发用AI：选达人、写商品文案、做销售报表。热情是真的，产出也是真的——文案产出快了一倍，周报从一天压到两小时。

三个月后，势头停了。不是热情退了，是撞墙了。三堵墙：

第一堵墙：AI算得快，喂数据慢。干部想用AI做全渠道经营报表，但个人AI工具够不着ERP和电商后台——每次都要人工导出、清洗、再喂进去。报表本身两小时，喂数据半天。工具时代的AI，像一个算得飞快但被蒙住眼睛的会计。

第二堵墙：自动化了八成，最后两成还是手工。达人筛选、建联话术都AI化了，流程最后一步——寄样登记、结果回填——还是复制粘贴。每天省下的时间，被这最后一环吃回去一半。

第三堵墙：两个人，算出两个数。同样的销售数据，两位干部用AI各自算，口径不同，会上对不上。老板问：到底信哪个？没人答得出。AI没有错，错在没人管口径。

三堵墙指向同一个事实：从"干部会用AI"到"公司用上AI"，中间隔着一段工程。

一、四段路：自发探索能走多远

把企业的AI探索拆开，是四段路：工具期→场景期→数据期→架构期。

• 工具期：个人会用。写文案、做表格、查资料——干部培训加自发，几个月就普及
• 场景期：找到业务点位。哪个环节值得用AI，业务骨干自己最清楚——他们选的点，往往比外部顾问选的准
• 数据期：AI接进系统数据流。接口怎么通、权限怎么管、口径谁说了算——这是工程活
• 架构期：能力沉淀为组织资产。知识怎么存、经验怎么复用、系统怎么随业务迭代——这是架构活

关键判断：前两段，组织靠自发能走完；后两段，自发走不完。不是热情不够，是工种不对——数据期和架构期需要的是工程能力，这从来不是业务干部的必修课。让业务骨干去啃接口和权限，等于让最好的销售去修服务器：能修，但代价是两头都耽误。

所以"自发探索失败"是个误诊。准确的说法是：自发探索走完了它的射程。射程之内，它干得比任何外力都好。

二、停在半路，比没出发更贵

一笔反直觉的账：卡在数据期的组织，损失比没起步的更大。

没起步的组织，AI是"还没试过的新东西"——将来启动时，没有心理负债。卡在半路的组织，投入了热情、时间和期待，换来一个"AI也就这样"的结论。这个结论会沉淀为组织的心理负债，等下一次想启动，要先纠偏、再重启，付双倍成本。

更隐蔽的损失是归因错误：明明卡在结构上（工具有射程），组织却归因在技术上（AI不行）。错误归因学到的错误教训，比不学习更难纠正。见过不止一家企业，第一次探索卡壳后，管理层对AI项目的信任折价一半以上——折掉的不是预算，是第二次机会。

算总账：前两段走的每一步都是真资产（场景认知、干部能力、内容积累）。最贵的不是走过的路，是停在半路时形成的那个错误结论。

三、自查：你的组织卡在第几段

五个信号，对着自己的公司过一遍：

1. 有干部在日常用AI工具吗？（没有——还没进工具期）
2. 用AI的点位连着具体业务指标吗？（文案快了一倍、报表省了半天，才算数）
3. AI的输入靠人工搬运吗？（导出、清洗、粘贴——数据期的墙）
4. 流程的最后一步还是手工吗？（自动化断在最后一环——数据期的墙）
5. 两个人用AI算同一个数，对得上吗？（口径分叉——数据期和架构期交界的墙）

信号1-2有、3-5没有：卡在数据期——最常见的位置，也最值得先补，因为墙后面的收益已经看得见。五个信号全有：已经在架构期，该聊的是沉淀和复用。只有信号1：还在工具期，先让子弹飞，别急着上工程。

四、补位，不是接管

卡在后两段，解法不是推倒重来，是补位。

分工要清楚：场景继续长在团队身上——自发探索选中的点位是最准的，这是组织最健康的部分，不能动；地基由工程能力补齐——把数据接进来（AI直接读系统数据，不再人工搬运）、把流程最后一环焊上（断点自动流转，不再复制粘贴）、把口径定下来（默认口径一次定义，每个答案自带口径声明）。

补位和接管是两回事。外部把所有活都干了，团队就停止生长——那等于退回交付式买卖的老路：系统交付那天，就是能力停长的那天。正确的结构是分工：场景长在团队身上，地基由工程补齐，两边咬合，能力才是组织的。