AI落地的最大障碍不是技术，是组织政治。业务部门做好了担心自己被替代，做不好又挨批评，于是选择观望。本文拆解AI操盘手的三重困境：时间不够、人不配合、资源不够，以及三个反常识打法：让业务部门成为甲方、用短期胜利换长期投入、主动给高层制造危机感。

上周去杭州出差，聊一个世界500强集团今年的年框合作。

会议进行的挺顺利的，我们也对齐了今年要解决的问题和服务事项。不过聊到一半，对方一位负责全公司 AI 项目落地的领导，顺手讲起了他过去一段时间，作为“AI 操盘手”，在公司内部是怎么推 AI 的。

虽然只是分享些经验心得，但完整听下来，真有一种“胜读十年书”的感觉，于是便有了这篇文章，也和你聊聊我的收获和思考。

在那次交流会上，有句话我到现在都记得很清楚。

他说：

业务部门其实都很聪明。这个事情做成了，他们会担心是不是最后把自己给干掉；做不成，又容易挨批评。所以很多人表面上不反对，实际上都在观望。但我们跟他们沟通的时候，又不能把这层意思挑明，我们更多还是要从 AI 时代来了，公司要往前走，人也得跟着进化这个角度去说。

我当时一听完，就直拍大腿。

因为它太真实了，一下子把原来很模糊的感受，直接说穿了。

这几年大家谈 AI 落地，最常见的说法还是技术、平台、场景、模型、知识库、智能体，好像问题主要出在工具和方法上。但真正进到企业内部你会发现，很多项目最后能不能动起来，不是技术问题，是人的问题。更准确地说，是组织政治问题。

在这次杭州出差之前，我对这件事已经有一些理解了，还专门因为踩过坑写了篇复盘文章：被客户总裁当场否定后，我开始反思AI项目方案之外的问题，只不过现在回头看，那时的理解还只到了一半。

还记得当时那位总裁讲得很直接：AI 不是工具，是组织能力；既然要做，三个月内就要看到结果，而且最好是能自上而下地推起来。

一把手要的是业务价值，不是技术方案。你跟她讲知识库、讲流程梳理、讲数据治理，她不关心。她只关心一件事,这玩意能不能帮我多卖货、降成本、提效率。

那时我会觉得，AI 落地的关键，也许就是先搞清楚一把手到底要什么，和他对齐后，围绕这个结果去设计方案。

但这次杭州之行之后，我发现这个理解还不够。

一把手的期望很清晰，但问题是，一把手和业务部门之间，还有一层人。

他们才是真正要把这事落地的人。

他们夹在高层和业务部门之间，既要向上交结果，又要向下推动业务配合，还要横向去协调资源、争取预算、拉动技术、对齐节奏。

一把手说，AI是组织能力，3个月要看到结果。

好，那怎么做？你得去找业务部门，跟他们说，咱们一起搞 AI 吧。

业务部门什么反应？观望。原因其实也不复杂。事情做成了，他们会担心自己原来的工作是不是会被替掉，或者岗位边界会不会被重写；事情没做成，又容易被认为是配合不力，最后锅还得落在自己头上，老板会说你看你们部门连个AI都搞不定。

那我为什么要配合你？我就在那看着，你们爱搞搞，口头上我支持，但要资源？对不起，自己的业务都忙死，没时间支持……

这就是会议上那位操盘手面临的真实处境。

• 向上，老板要结果，要快，3个月就要看到业务指标变化。
• 向下，业务部门在观望，不反对，但也不主动配合。
• 横向，资源有限，预算要抢，人力要抢，时间也不够。

而这，可能才是 AI 落地最难的地方。

公司AI操盘手的三重困境

会上我印象比较深刻的，是那位负责操盘公司 AI 落地的领导，给我讲的三个具体场景。每个场景都让我觉得这活真不是人干的。

他说他们老板前段时间刚成立了一家合资公司，前后投了几百万进去。现在老板最关心的，是快速看到收入回来。说白了，就是要尽快去市场上打单，去拓客户，去证明这笔投入不是只换回来一堆概念和方案，而是真的能带来订单和业务增长。

你想想看,老板投了几百万，他能等吗？不能等。

但 AI 这个事，我提到过很多次，很多时候需要先做基建。

知识库得建吧？数据治理得做吧？流程梳理得搞吧？这些都需要时间。

可能三个月，可能半年，甚至更久。而且很多基础工作做完了，业务结果未必立刻能显现出来。

可老板未必会按你这套建设节奏来看问题，他只看结果。

这是第一层困境，时间不够。

比时间更麻烦的，还有业务部门的态度。

他说了一句特别真实的话：业务部门也很聪明的，做好了要把我自己干掉，做不好要挨批评。

我当时听到这句话，一下子啥都明白了。

你想想看，如果你是业务部门的人，你会怎么想？

AI 要进来，意味着你要额外花时间配合调研、整理知识、梳理流程、确认规则、反复测试，还要接受原来一些靠经验和默契运转的东西被重新定义。更别说很多人确实会担心原来手上的工作是不是就没壁垒了？

但如果最后没做成，老板会怪业务配合不够、推进不到位。

所以企业里经常会出现一种很微妙的状态：没有人公开反对，大家都说支持，公司战略也都是对的，但真正落到要谁来出材料、谁来定规则、谁来反复验证的时候，推进速度就明显慢下来。

这是第二层困境，人不配合。

再往下，就是资源问题。

他提到他们现在在做一个生成市场调研报告的项目，本来可以做个很完善的方案，把信息获取、知识沉淀、后续查询和复用都一起考虑进去，前面做自动化抓取，后面做知识库沉淀，再往后还能服务后续多个类似场景。

但问题还是回到前面那句，老板要快速见效。

在这种压力下，项目组就会纠结。你是先做一个轻量级方案，很多事先靠人工去补，先把最关键的几步跑通，让业务先看到结果？

还是咬咬牙直接做长期方案，把底层结构搭完整，争取后面可持续、可复制、可扩展？

前一种做法的好处是快，能尽快让老板看到东西，至少不会让项目在前期就失去耐心；问题是它不够稳，也不够长久，很多能力都是临时拼起来的。

后一种做法则更像是完整的建设方案，但就是短期不够好看，结果出得慢，一旦组织耐心不够，很可能前面基础还没铺完，项目本身就先被怀疑了。

这是第三层困境，资源不够。

那天我听完这三个困境，突然意识到，AI 落地这件事，更像是个组织命题：

谁来配合，谁来让步，谁来承担前期成本，谁来享受后面成果，这些东西不理顺，技术做得再漂亮，项目也不一定真能走到最后。

三个”反常识”的打法

听完他讲的困境，我问他，你们怎么解决这些问题？

他给我讲了三个打法。每个都让我觉得这才是真正懂组织的人。

他说：“我现在在驱动每一条业务线都去做自己的 AI 规划，而且这个规划不是随便写写，后面要过他们的审批，过了才能往下执行。”

他不是在帮业务部门做 AI，而是让业务部门自己做。

业务部门自己做规划、报预算，自己申请资源。他只负责审批。这样一来，业务部门就从被动接受者，变成了主动需求方。

这一步很厉害。因为一旦规划是业务部门自己提的，那整件事的性质就变了。事情做成了，是他们自己的成绩；事情没做好，也不再是“你们拉着我配合，最后还让我背锅”，而是回到业务自己要不要为自己的选择负责。

但这个打法也不是谁都能用。

你得有审批权，至少能在资源、立项、节奏上形成约束。如果你只是个执行者，这招用不了。

而且，业务部门得有能力做规划。如果他们连 AI 是什么都不懂，让做也做不出来。

所以这套办法更适合那种组织已有一定基础认知、你又有一定权利的环境。如果业务部门还完全不懂，那就得先做培训，先培养几个种子用户（他们叫“AI先锋”），把一些基本理解补上去。

这是第一个打法：让业务部门成为甲方。

更关键的是第二个打法。

他说他们现在做的生成市场调研报告的项目，本质上也是为了辅助业务去打单。因为老板最关心的，是前面投了钱，后面能不能尽快看到市场反应。所以这种事情必须要尽快，快到做出来后立马能呈现结果，让老板看到。

这件事我是很有共鸣的，从实操的角度，我们都想做长期的事，但是如果不先给老板一个甜头，老板不会给你时间做长期的事。

所以他的策略是，先做一个能快速见效的场景，让老板看到结果，等这口气顺了，后面再去讲为什么还要补长期基建，为什么还要继续投入。你得先证明这件事值得继续做，才有资格去谈怎么把它做得更完整。

但这个打法这里同样有坑。

最大的坑就是，短期方案做完了，老板也认可，但他不一定会认可投入长期基建，而是让你继续做更多的短期方案。

这样就陷入了救火模式，永远在做短期的事，今天补一个，明天再救一个，后天再给一个新场景快速搭一版，项目组一直在救火，真正该做的底层建设反而一直排不上。

怎么避免？

关键是在做短期方案的时候，就要埋下长期基建的伏笔。

比如做市场调研报告，短期可以是手工直接抓取数据，但你要在方案里写清楚，如果要做自动化，做知识库沉淀，需要多少时间、多少资源。让老板知道，短期方案只是权宜之计,长期方案才有持续价值。

这是第二个打法：用短期胜利换长期投入。

第三个打法更有意思。

他说，现在很多最新的 AI 信息，他都会主动往高层那里送。因为现在很多管理层也在焦虑，他们未必每天都泡在一线，但能感受到外面变化很快，也知道有些行业已经开始被新一轮技术冲击了。你如果什么都不说，他们未必会主动形成那种持续的紧迫感；但如果总能把和自己业务有关的信息、案例、趋势精准地递过去，高层对这件事的注意力就会持续被唤醒。

他举了个例子。比如某些原来还可以收费的线上课程，一旦开源了，原来企业的收费逻辑就会很快被冲击。这时候 AI 对企业来说就会变成很具体的业绩压力。

他不是等老板来问 AI 现在发展怎么样了，而是主动告诉老板行业已经这样了。这种持续输入，本质上是在维持 AI 这件事在高层议程里的优先级。

但这个打法也很考验分寸。

如果你天天给老板发一堆“AI 要颠覆一切”、“行业要变天了”这种大而空的信息，发多了老板很快就麻木了。

所以这里最关键的是精度。你发的信息，必须足够贴近公司业务，最好是那种高层一看就知道：这事竞争对手做了，我们可能就会被干掉。

而且，不能只发威胁，还要发机会。让他既觉得这事不能不做，也觉得做了之后确实有可能拿到新的空间。

这是第三个打法：主动给高层制造危机感。

从这三个打法上看，我越来越觉得，AI 落地更像是一门协调的艺术，本质上是个政治活。

AI落地的政治经济学

听完这三个打法，再结合之前多次的实施经验，我越来越确认一个点：

组织变革，是AI项目顺利落地的充分必要条件。

如何打造一个 AI 原生的组织？是摆在每名 CEO 、CTO 面前必须要解的问题。任何组织想把AI嵌入流程，势必会遇到和原本已形成的利益关系、决策方式和资源分配方式的冲突。

说得再具体一点，最后绕不过去的，往往就是三件事：利益、权力和资源。

先说利益。

AI落地，有人会因此升职加薪，有人会因此失去工作。这是最底层的矛盾。

业务部门不是不想做AI，他是怕做好了，自己就没饭碗了。

而让业务部门成为甲方，就是在重新安排利益关系。

背后的本质，是把“做好了是你的功劳，做不好是你的责任”这个逻辑，转嫁给了业务部门。

这样一来，业务部门对这件事的认知视角就变了：不是别人推我做事，而是要做我自己该做的事。

再说权利。

AI项目，是IT部门主导，还是业务部门主导？

预算谁来批？方案谁来定？

这是第二层矛盾。

IT部门说，这个技术方案我们定。业务部门说，这个业务需求我们定。

最后谁说了也不算，项目就这么黄了。

AI 项目和传统信息化项目相比，更容易碰到这个问题。它不像一套财务系统、一套审批系统边界那么清楚，很容易既像技术项目，又像业务项目；既涉及工具和平台，又涉及流程改造和规则重写。而执行边界一旦模糊，权力边界也会跟着模糊。

怎么办呢？我向那位AI项目负责人学习到的方法是：

业务部门提规划、定场景，但审批权、节奏控制权和资源通过权要收在自己手里。

这样一来，谁负责提出想法，谁负责把关，谁负责最后放行，这件事就清楚了。

最后说资源。

AI项目需要预算、需要人力、需要时间。

但公司的资源是有限的，AI项目多了，其他项目就少了。

这是第三层的矛盾。

资源问题一定会涉及组织内部一系列项目的优先级重新排序，但对于 AI 这种新兴事物，老板们的心态大多是既期待又容易质疑，结果就是不给钱、不给人、不给时间，还要看到成果。

而用短期胜利换长期投入，就是一种争取资源很实际有效的尝试。

先找一个更容易见效的场景，让老板看到可能性。后面再去谈更长期的建设，组织才更有可能愿意继续投入。

这就是AI落地的政治经济学：利益、权力、资源。三个层面缺一不可。

所以，如果你在公司内，承担是类似“AI 落地操盘手”的角色，我觉得你最核心要培养的能力，不只是对 AI 的认知，更应该是在组织中推动变革的能力。

• 你要像一个外交官，在不同的利益方之间斡旋。
• 你要像一个创业者，在资源有限的情况下找到最优解。
• 你更要像一个心理学家，理解每个人的恐惧和欲望。

这才是 AI 落地操盘手的真正价值。

结尾

那次会谈结束后，我专门找时间请教了那位 AI 负责人，想问问他有没有遇到什么他都解决不了的难题和阻碍。

他想了想，说：很其实多事情我们也还在摸索，不过每一步我也都会和更高层持续对齐。

这句话，正好印证了我之前文章提到的一个观点：

一个企业 AI 项目最重要的，是看这个项目在组织内部是否对齐了认知。

• 向上，对齐高层到底想看什么结果，愿意给多少时间；
• 向下，对齐业务部门真实的顾虑、动力和边界；
• 横向，对齐资源、预算、技术、人力和节奏。

这次杭州之行虽然只是和客户开了几个会，但我觉得这趟没白来。

它为我补齐了 AI 项目中，“非技术”环节最重要的一块拼图。

我慢慢悟出了一个道理：AI 落地没有一个放之四海而皆准的答案。不同公司、不同阶段、不同业务，解法都不会一样。

但有一点是相通的：只要这件事开始进入真实业务，它就不会只是个技术议题。

它最终还是会回到组织本身。

而我作为企业 AI 顾问，现在做的很多思考、判断和复盘，说到底也都是在围着这件事打转：

怎么让一个企业在想做 AI 的时候，不只是培训大家如何使用一个新工具，而是真的让他们知道自己在改什么，为什么改，又准备为这件事付出什么代价。