江宁开发区,一栋不起眼的四层楼。老板姓陈,做汽车零配件。
他把手机递过来。屏幕上是我熟悉的那种界面——一个对话框。他说,你看,昨天夜里两点,泰国客户的邮件进来,这家伙自己读完了,标出三个问题,把报价单PDF翻出来,比对了一下当天汇率,然后给他拟了封回信。他早上七点起床改了两个词,发出去了。
我问,花多少钱搞的。
他说,一个月不到两千。
……就这?就这。
这两年关于人工智能商业应用,喊得最响的那批人,发布会一场接一场,PPT一页比一页漂亮。可真在用、且在赚钱的,往往是这种连官网都没换过的厂子。他们不聊AGI,不聊范式转移,就聊一句:这玩意儿能不能替我少雇两个人。
一、最先被吃掉的,是“回话”这件事
你去翻一圈中小企业的AI落地清单,排在前面的基本跑不出这几样:客服首轮回复、售后工单分类、外贸邮件初稿、简历粗筛、标书格式比对。
为啥?因为这些事情有个共同点——量大、重复、错了也不至于出人命。
我认识一家做跨境家居的,客服团队原先十一二个人,每天几百条消息涌进来,夹杂着英语、德语、还有拼写极其随意的西班牙语。他们上了套工具之后干了件挺聪明的事:不追求全自动。AI先按模板答一轮,凡是带情绪词的、带“退款”“投诉”“律师”的,直接弹给人工。
转化率?没涨。客单价?没变。
但平均响应时间从四个多小时压到了八分钟。说实话,大部分客户要的不是你多聪明,是别让我等。

有意思的是,这一层做完之后,很多公司会卡住。因为再往上走一步,就要动流程、动考核、动人。那才是真麻烦的开始。
二、账算起来,其实没那么性感
我特别怕听人说“AI能省一半人力成本”。
省是能省的,但省下来的钱,会以各种你想不到的方式花出去。订阅费、API调用费、数据清洗、系统对接,还有一个新岗位——说好听点叫“AI运营”,说直白点就是天天调提示词的那位。
有个做小家电的老板跟我算命似的算过一笔账:客服从十二个人压到七个人,一年省下的工资三十来万。但招了个懂业务又会写提示词的,年薪二十万;模型一升级,之前攒的两百多条提示词废掉大半,重新调了两个月。
这事没法只看那张ROI表。真正的变化是,公司里多了一个必须持续投入、且没人说得清天花板的成本项。
还有个细节,我印象特别深。某家公司老板收周报,连着三周看见三个部门的开头一模一样,火气一下就上来了。后来才知道,全是同一个工具写的。工具没错。错在没人定规矩——什么能交给它,什么必须自己写。

所以那些真正跑通的公司,通常在干一件很反直觉的事:先砍场景,再谈技术。场景要窄,窄到一个具体的动作。合同条款比对、门店排班、票据录入、差评归因。窄了才能量化,量化了才活得下去。
三、卡脖子的从来不是模型,是脏数据

苏州下面有个做面料的厂子,规模不小,ERP用了十几年。
他们想干的事很简单:让系统自动识别老客户、自动算返单量。结果AI一跑,出来一堆重复客户。同一个“华兴纺织”,在系统里有七种写法,还有两个挂在已注销名下。
技术团队折腾了三个月,最后发现八成时间花在洗数据上。老板原话是:“我以为买的是发动机,结果先修了半年路。”
垃圾进垃圾出,这句老话在人工智能商业应用里被放大了十倍都不止。
反过来说,那些数据底子干净的公司,一旦动起来速度快得吓人。因为他们不需要先跟历史遗留问题打架。这大概也是为什么,一些新品牌、直营连锁、SaaS公司,在AI这件事上跑得比老牌企业轻快得多——不是他们更聪明,是包袱更少。
四、谁在偷偷用,谁在明着反对

我发现一个挺普遍的现象。
公司里最早自掏腰包买AI会员的,往往是销售和客服。自己买,自己用,不报备。写话术、改写客户邮件、把一堆聊天记录粘进去让它总结诉求。等管理层反应过来,人家已经用了大半年。
而抵触情绪最重的,常常是中间层。
不奇怪。AI让很多东西变得透明了。以前一份汇报,改三天,显得很忙。现在两小时出稿,那剩下六个小时在干嘛?这个问题不好回答。
还有个更微妙的:老师傅。
我见过一个做了二十多年的老师傅,坚决不信机器。他说,这料手感不对,机器懂个屁。后来厂里索性把他的判断标准一条条抠出来——湿度、温度、批次、供应商——写成规则喂进去。准确率还真上来了。
他后来说了句挺有味道的话:“我不是怕它抢我活,我是怕它乱来。”
这话搁现在,挺准的。
五、回到那间四层楼

陈老板送我下楼的时候,说了一句我记到现在。
“AI这东西,有点像当年的Excel。你不学,也没人开除你。可三年以后你会发现,办公室里没人等你。”
这话说得不重,但有点扎人。
人工智能商业应用走到今天,真正拉开差距的,早就不是谁家模型参数多、谁家发布会声量大。而是谁愿意弯下腰,把一个具体动作拆开、洗干净、量出来、再交出去。
没什么惊天动地的。就是一点点,把活干完。