AI技术的进步与商业现实之间正暴露出深刻裂痕。从能源集团可研报告智能写作的ROI幻灭，到客户期望值每季度10%的残酷增速，再到项目制交付与AI产品持续运营间的结构性矛盾，本文以一线产品经理的实战视角，揭示企业AI落地中最真实的三个漏水点——那些在技术狂欢期被选择性忽略的商业逻辑。

前两天看到一条新闻，马化腾在腾讯Q1财报会上说了句”一年前上的AI船漏水了”。

我当时正在改简历——今年初刚从一家做企业AI的公司离职，正在找工作。看到这条新闻的第一反应不是惊讶，是终于有人说了。然后第二反应是苦笑：我就是那个在船上待了三年、刚跳下来的人。

2023年到2025年，我在一家软件公司做AI产品经理，专门给能源和政企客户做大模型落地。三年时间，四个客户，八个AI应用场景，从POC到交付到验收到续签到——有些场景，到客户不再续签。马化腾说的”漏水”，我大概比大多数人更清楚水是从哪进来的。

先说最大的那条裂缝：Demo和实际使用之间的鸿沟。

这个事我之前文章里写过，但今天想换个角度说——从钱的角度。

我做过的八个场景里，有一个叫可研报告智能写作。甲方是一家能源集团，每年要出几十份可研报告，每份几万字。这个场景在立项PPT里算的账特别漂亮：研究员写一份报告平均三周，AI辅助后理论上能压缩到一周半，人效提升50%。客户有十来个研究员，按市场行情估算，一年省出来的人力成本应该能覆盖项目合同额。ROI为正。于是签了。

实际呢？上线一个月之后，十来个研究员里日常在用的不到一半。这几个人的效率确实提升了——但不是50%，大概20%到30%。因为AI生成的内容他们还是要花时间检查和修改。剩下的人基本不用，有的试了两次就放弃了，有的从来没真正用过。

你算算真实的ROI。不到一半的人提效25%，实际省下来的产能远远不够覆盖合同额。项目第一年，ROI是负的。

这种账，验收报告里不会写。验收报告里写的是”系统已上线，功能完整，性能达标，演示效果良好”。但如果你按真实使用量来算经济账——大部分企业AI项目第一年的ROI是负的。不是因为AI不行，是因为”全员使用”和”三个人在用”之间差了一个数量级。

这就是第一条裂缝。AI的技术能力确实够了，但从”能力可用”到”所有目标用户真的在用”之间，有一段路比想象中长得多。大部分项目的商业模式假设的是前者，但实际交付的结果是后者。船不是因为AI本身漏水，是因为承载用户量的那块船板没有达到预期厚度。

第二条裂缝：甲方的期望跑得比AI的进步还快。

2024年我第一次给客户演示AI生成报告的时候，客户的反应是”天哪这也行”。惊叹号的那种。2025年底同样的功能演示给另一个客户，对方的反应是”就这？”。

一年半时间，大模型的能力涨了不少——更长的上下文、更好的指令遵循、更少的幻觉。但客户的期望涨得更快。2024年你给他生成一段60分的内容，他觉得AI好厉害；2025年你给他生成一段80分的内容，他觉得”还是不够好，我自己写的比这好”。

这个现象我跟同行聊过，几乎所有做ToB AI的人都有体感。有个做法律AI的朋友说了句特别准确的话：”客户的容忍阈值在以每季度10个百分点的速度上升。”意思是你的产品质量如果不能每个季度肉眼可见地进步，客户就会觉得”这东西没变好”——即使客观上它确实在变好。

2024年做AI产品，你的竞争对手是”不用AI”。甲方的参照系是手工，所以AI只要能干就是进步。2026年做AI产品，你的竞争对手是”甲方去年用的那个AI产品”。他用过60分的了，你得给他80分他才会觉得值钱。这个参照系的位移，比任何技术迭代都快。

这是第二块正在进水的船板。行业在加速，但客户的胃口加速得更快。不少公司发现续签变难了——不是产品退步了，是客户的标准升级了。

第三条裂缝：项目制交付本身就有结构性问题。

这一条我离职之后想了很久，觉得可能是最根本的一条。

企业AI产品的主流商业模式是什么？项目制。甲方出需求，乙方按需求定制开发，交付验收，收款走人。一期几十万到几百万，做完了再签二期。这个模式在传统软件时代运行了二十年，挺好用的。

但AI产品有一个跟传统软件根本不同的特点：它的输出质量是概率性的，而且跟使用环境强相关。传统软件你交付了，功能就在那，今天能用明天也能用。AI产品你交付了，它的输出质量取决于知识库有没有持续更新、提示词有没有针对新场景调优、用户的使用方式有没有变化。简单说——AI产品需要持续运营，但项目制交付的商业模式里没有”运营”这个环节的预算。

我经历的真实情况：项目验收之后，乙方团队撤了，只留一两个人做维护。知识库里的文档从此再也没更新过——但客户的业务在变，新的法规在出，新的内控规则在加。三个月之后，系统检索到的东西开始过时。六个月之后，用户发现”AI给的建议跟现在的规定对不上”。一年之后，系统变成了摆设。

马化腾说”漏水”，我觉得这条裂缝才是最根本的。不是AI技术漏水，是承载AI产品的商业模式漏水。你用一次性交付的模式去卖一个需要持续养护的产品，不漏水才怪。

说完漏水的地方，说说没漏的。

因为也不全是坏消息。我三年做的八个场景里有六个活下来了，有的还续签了。活下来的场景有几个共同点，我之前也写过，这里简单说：边界画得死（AI只做明确能做好的那一小块）、输出可验证（用户一眼能看出对不对）、出错可兜底（AI错了后果可控）。

但今天想补一个之前没说过的观察：活下来的项目，几乎都发生了一个关键转变——从”AI替你做”变成了”AI帮你做”。

最典型的例子是合同审核。一开始我们的定位是”智能合同审核系统”——暗含的意思是AI来审、人来确认。上线之后用户抵触。后来改了定位，叫”合同审核辅助工具”——AI帮你把可能有问题的条款标出来，具体怎么判断还是你来。就改了这一个词——”辅助”——法务的态度就不一样了。他不再觉得这个系统在试图取代他，而是觉得这东西帮他省了一道力气。

这个转变听起来很小，但我后来发现它贯穿了所有活下来的场景。设备台账解析，定位是”帮工程师省掉手动录入的活”。可研报告生成，定位是”帮研究员起个初稿节省时间”。政策文件比对，定位是”帮法规人员快速定位变更条款”。全都是”帮”字打头。

死掉的那两个场景呢？投标方案辅助，定位是”自动生成方案初稿”——”自动”两个字暗示AI来干主要的活。会议纪要提取，定位是”自动整理会议纪要”——也是”自动”。

一字之差。”帮”意味着人是主体、AI是工具。”自动”意味着AI是主体、人只需要确认。在2026年这个时间点上，绝大部分企业场景里，前者能活，后者活不了。不是因为AI做不到”自动”，是因为用户不信任AI做主。信任这个东西，技术解决不了，需要时间和反复验证来建立。

所以”漏水”到底是什么意思？

我的理解是：2024年所有人冲上了一条叫”AI颠覆企业”的大船。这条船的底层假设是——AI足够强了，企业会自然而然地用起来，效率会自然而然地提升，ROI会自然而然地转正。

现在发现这个假设太乐观了。AI确实强了，但”强”不等于”被用起来”。中间隔着用户信任、使用习惯、组织流程、运营投入这些不性感的东西。这些东西在2024年的兴奋期被忽略了，2025年的交付期被低估了，2026年——开始反噬了。

但”漏水”不等于”沉船”。

马化腾原话的后半段大概率是”我们在修”——大公司有资源修，修了之后这条船可能更稳。真正危险的不是意识到漏水，是从来不看船底的人。我见过太多企业AI项目，上线之后再也没有人去看过后台数据——日活多少、采纳率多少、用户停留时长多少。他们连”漏水”都不知道，等到二期预算批不下来才一脸懵。

我自己离职之后做独立项目，反而有一个好处：没有甲方压力了，可以诚实地面对数据。一个功能上线三天没人用，我不用等到验收会上才承认——直接砍了。这种反馈速度在企业里是不可能的，层层汇报走完黄花菜都凉了。

三年企业AI做下来，如果让我给这个行业开一张诊断书，大概是这样的：病不在模型，病在从模型到用户之间的所有中间层——产品定位、交互设计、运营机制、商业模式、组织配套。2024年大家以为只要模型够强，中间层可以糊弄过去。现在发现糊弄不了。

船确实在漏水。但水不是从AI那块板子进来的，是从”我们以为不重要的那些板子”进来的。

修船的工作没那么光鲜。不会有发布会，不会有benchmark刷榜，不会有”震惊！XX公司AI能力碾压同行”的标题。但这些修修补补的活——调产品定位、建运营体系、搭反馈闭环、重设商业模式——才是决定2027年这个行业还有多少人在船上的关键。

我现在在找下一份工作。面试的时候被问过好几次”你怎么看AI产品的未来”。我一般都说：模型的事交给做模型的人，我操心的是怎么让八个研究员里第四个、第五个人也愿意用起来。这个问题听着小，但比”下一代模型什么时候发布”难多了。