这两年我给政企客户做过几个 AI 产品的项目，看到最多的一幕是演示次次出彩，落地处处是坎。
会议室里的演示往往很顺。屏幕上的助手对答如流，客户提的问题基本都接得住，坐在边上的人还会点头说这个思路不错。方案评审过了，合同签了，团队进场。三个月以后再数一遍每天在用这套东西的人，比演示那天点头的人少得多。
回头把这些项目逐个想一遍，我越来越觉得，央国企 AI 落地最容易被低估的一块，是复杂的组织怎样接受一个新东西，并愿意和外部团队一起把它做成。技术能力反而不是最缺的。
一、演示和落地之间，隔着一个真实的业务
演示的世界是整理过的。输入是一段干净的文本，知识库是提前挑好的几十份文档，提问的是知道该问什么的那几个人。这套东西放在会议室里跑，结果当然好看。
到了现场，同一件事就换了一副样子。数据散在几个系统里，字段对不上，同一个客户在两张表里名字都不一样。业务规则有一半不在文件里，在某个老员工的脑子里。要用它的人手上都有一套自己的老办法，这些办法不好看，但是好用，而且不用等进度条。
演示里没有人被打断，现场每隔十分钟就有一个例外。
AI 的脾气和传统软件也不一样。传统软件的能做什么是确定的，做没做出来当场能验证。AI 是概率的，同一个问题问三遍，措辞可能都不一样，碰上没见过的输入就出错。准确率八十分听着还可以，放到每天几百次的真实业务里，那二十分就是几百次人工返工，返工的人在心里给这套系统打的分很低。
这个落差补不上，需要有人在现场待着，把例外一件一件处理掉。原因分两头。一头在乙方，产品是关起门做出来的。一头在甲方，组织肯不肯接，机房里那套模型跟不跟得上。
二、乙方这一半，产品是关起门做出来的
一个项目里最懂客户业务的人，通常不在产品团队。他在售前，陪客户开过几轮会，知道哪个环节最疼、哪个人说了算、哪条流程其实可以绕。方案写完，报价报上去，他就去下一个项目了。他脑子里的判断，最多留在方案文档和 PPT 里，很少变成产品需求。产品团队拿到的是一份功能清单，清单上看不到使用场景，看不到现状的基线，也看不到上线之后由谁负责把它用起来。
这根子出在判断标准上。不少公司的领导层把 AI 产品理解成技术驱动的东西，钱和人都往模型、算力、平台上放，业务专家反而是团队里最少的。开会问得最多的是用了哪个模型、指标能跑到多少，很少有人问这个岗位的同事今天少干了几件事。技术指标好汇报，业务结果不好汇报。
再往下是组织。AI 来了以后，很多公司的结构几乎没动，还是那些部门，还是那套立项和评审流程，还是那几个角色，只是把中间的一环换成了大模型。培训做了一轮又一轮，工具采购了一笔又一笔，编制表上看不出哪个名字是为上线之后的日子准备的。说到底，还是在用过去赢过的方式，做一件性质完全不同的东西。
麻烦在于两代产品的难点不在同一个位置。传统软件的难点在前半段，需求谈没谈下来、功能做没做出来、项目能不能验收。AI 产品的难点在后半段，上线之后有没有人用，效果掉了谁去修。旧组织的力气都堆在前半段，后半段没有对应的岗位，也没有对应的预算。没人负责的事，通常不会自己发生。
三、甲方这一半，组织这一关比模型难过
落差还有一半在甲方，先看组织。
谁愿意推动这件事？领导从哪里看到成果？业务部门为什么要参与进来？需求变了以后谁来协调？最后一笔款能不能顺利通过验收？这几个问题在央国企的项目里绕不过去。它们没有答案的时候，再漂亮的演示也变不成一个能持续运行的项目。
央国企的项目和中小企业比，有一个很重要的差别在信任。中小企业的老板自己拍板自己用，效果好不好当场就知道。央国企里链条长，角色多，一个项目走完整个周期，得让对面那些人陆续相信三件事。你理解他的业务和工作方式，遇到问题不会躲，你能和他一起把结果做出来。这三件事没有一件能在会议室里证明，只能靠现场一件一件做出来。
AI 转型常常是一号位提出来的，但一号位不会天天盯着实施。客户内部如果没有一个懂业务的专家接手，外部团队在组织眼里很容易只剩下几个外包的人头。到这一步，甲方不断提问题，乙方觉得对方在故意刁难，两边越做越对立，项目还在往前走，人已经散了。
再看模型。
国内企业出于合规和数据的考虑，基本只能走私有化部署。于是就有了一个挺别扭的现象，甲方自己用着的那套模型，往往比外面正在卖的版本落后好几个，大模型小模型都一样。原因我说不太准，可能还是那些老问题，业务部门和 IT 部门各有各的顾虑，模型、平台、集成几拨人各干各的，没有人被要求为这套模型的版本负责。
模型跟不上，乙方能做的事情只有适配。外面补规则，补提示词，补兜底逻辑，把模型答不稳的地方用工程手段一点点按下去。适配做得越多，系统越像一个手写的规则工具，模型带来的那点变化被抵消掉大半。适配做得越深，以后越换不动，新一代模型出来，前面补的那些东西要重写一遍，客户还不愿意换，因为他见过上一轮迁移的代价。
更贵的一笔账在后面。关起门做出来的东西绑在一个客户的流程上，换一个客户，术语不一样，口径不一样，接口要重接，知识库要重做，这次的投入很难带到下一个项目。第一个项目踩过的坑，第二个项目再踩一遍。判断一支队伍有没有真本事，标准可以很朴素。做完第一个客户，做第二个的时候是不是明显省力。如果第二个项目还要同样多的人、同样长的周期，代码基本重写一遍，那就是定制，只是熟练了一点。做多少个客户，赚的都是辛苦钱。
四、产品交付一个东西，服务交付一段关系
前面这些事，最后都指向同一个问题。AI 落地的这一段路，到底该由什么来负责。
现在的门槛已经很低了。一个人加几个模型，几天就能跑出一个能演示的原型，工具这一层的差距正在被抹平。客户不缺又一个通用助手，缺的是有人把模型放进他自己的业务里，再盯着它稳定地跑起来。
产品交付的是一个东西，服务交付的是一段关系。差别落在几件很具体的事上。
产品看功能全不全，服务看客户那项指标动了没有。
产品按版本节奏走，服务按现场的节奏走。客户月底要出一批材料，你就得在月底之前把它弄稳。
产品由研发主导，服务要业务、技术、运营的人一起上，还得有一个能拍板的人。
产品做完交付就结束，服务做完交付才开始。
产品算上线率和采用率，服务算省了多少钱、省了几个人。
产品失败的样子是延期，服务失败的样子是没人用。延期会被发现，没人用通常很久都没人提。
五、从交付到陪伴，FDE 改的到底是什么
这两年行业里有一个词被反复提起，前线部署工程师，FDE。
把它当成一个凭空出现的新岗位，容易看不明白。它没有造出什么新东西，只是把过去软件行业的三样老东西，一起往前挪了一步。
组织的责任边界，从按合同交东西，挪到按结果交人。合同上写的是系统和功能，客户想要的最后都落在那项指标动不动上。人员的评价标准也跟着挪，会考试、能过认证、职级到了都不算最后的分数，客户愿不愿意接着用、接着付钱才算。甲方的立场同样往前挪了一步，从坐在验收席上的人变成一起干活的人。数据什么时候给，流程改哪一段，谁在现场拍板，这些以前算甲方的内部事，现在要摊在桌面上谈。
这三件事合起来，就是从交付走到陪伴。它要求有人对上线之后的日子负责，而那段日子通常不在任何一份合同条款里。
具体到责任，无非两类。一类是客户那边的业务结果，一线的人有没有在用，流程效率有没有实实在在往上走。另一类是自己这边的复用结果，数据连接、行业知识、评测集、流程模板这些能不能留下来，让下一个项目少走一遍弯路。很多项目做完，人一撤，东西就散了。客户特有的逻辑进配置和隔离层，行业里通用的做成模板，通用能力回到平台，这门生意才可能一单一单地变轻。
选人的标准也很实在，先把他自己所在的组织当成第一个客户，看他会不会主动发现本部门流程里的问题，自己找工具改，改完还能拿出结果。能在自己单位把问题做成结果的人，放到客户现场才更可能扛得住。课程和考试解决共同语言和基础筛选，拿它们决定谁该留下，就会走偏。
FDE 的队伍里，还需要有人把两边的桥搭起来。不少技术很强的同学，在客户沟通上还不成熟。客户的话没说完，他就开始补充、纠正，顺带把对方教育一顿。这在一般的场合已经不太礼貌，放在央国企那种大组织的场面上更不合适。对面坐着的人也许不懂技术，但他懂这件事在组织里能不能推下去，懂哪句话回去之后要汇报给谁。这层关系聊坏了，后面每一步都要多花好几倍的力气。
搭桥这件事，需要有人既理解技术，也理解组织。有人能把产品做出来，还得有人能把它讲成客户听得懂、愿意一起做的事。对一支 FDE 团队来说，这或许才是央国企 AI 项目里最难被复制的那点能力。
六、先赢一次小胜利，再谈怎么做大
选择 AI 场景的时候，我一般看两个方面，价值和可实现性。
价值不只有眼前的业务收益。一个场景能不能把数据、流程和知识留下来，让下一轮迭代围着这个小口子继续做？客户能不能用更少的人干更多的活？交付团队能不能从这个项目里攒出往后能用的东西？这些也算价值。
可实现性不等于模型能做。技术上能不能实现只是第一层。客户有没有组织条件把它推下去，岗位职责允不允许调整，运行环境支不支持你选的模型和工具，同样决定一个方案能不能落地。一个方案依赖海外大模型，客户却要求本地模型、国产化和信创适配，它在演示环境里再漂亮，也未必交付得出去。
需求风暴过去以后，客户往往会提出很多想法。不要试图同时做完。甲乙双方对 AI 的认知都还在建立，行业也没有像传统软件工程那样稳定的交付标准。更合适的选择，是找一个价值较高、又相对能实现的小切口，先赢一次小胜利。客户看到了价值，乙方也交得健康，信任才会长起来，客户才愿意把下一件事交给你。这个过程我们叫从胜利走向胜利。
顺序上还有一个常见的错误。很多团队先花半年搭一个什么都能干的平台，再拿着它去找客户，找了几个月发现没人买，因为客户的真实需求藏在流程里，不在产品设计里。更顺的顺序是反过来的。先从培训和咨询进去，帮客户把流程捋一遍，弄清楚哪些环节值得改、改完能省下什么，再谈工具、部署和定制的工作流。前期投入轻，几周就能看到东西，客户也愿意让你进门，摸清楚以后，产品和工具是水到渠成的事。
如果站在甲方那一侧，我会换一种买法。不要买一个百分百的 AI，先买一个小切口，两三个月能看出结果的那种，并且指定一个要动手用它的人，从第一天就在场。这个人比任何需求文档都重要。签合同之前，先问自己数据、流程、口径这三样能不能给，给不了就先别把这个场景写进合同。把上线和有用分成两笔账，第二笔要留预算，上线是一次性的，有用的前提是后面持续有人管。
最后多问供应商一句，你们做过几个和我情况差不多的客户，第二个比第一个省了多少事。这句话问出去，对面是真做过还是只做过一次，基本上就露出来了。
最后
AI 时代的产品经理、工程师和架构师，都需要完成一次思维上的升级。以前那句话是我把 AI 做出来给你用，现在要换成我们一起把 AI 用出价值来。
工具会越来越便宜，模型会越来越强。让 AI 真正落地的从来不是产品本身，它落地在服务里，落在愿意走进客户流程、对结果负责，并且把每一次交付留给下一次的那支队伍身上。
客户愿意接着用、接着付钱的那一天，交付才算真的完成。沿着这个方向走下去的人多起来，AI 成为核心生产力的那一天，才会真的到来。