今天和一位做了很多年贸易的老板聊 AI。他不懂代码也不太关心大模型到底有多少参数、上下文窗口多长、推理能力又提高了几个百分点。他每天真正关心的事情非常具体订单从哪里来客户为什么选择自己渠道还能不能扩大库存什么时候出去货款什么时候回来。我习惯性地从技术人的角度开始解释——提效、自动化、工作流、内容生成、智能客服、销售辅助。讲了很久以后他突然打断我企业不是来省钱的是来赚钱的。你帮我省一个剪辑师的时间有什么用还不如帮我多卖一万块钱的货。话说得很糙。但那一瞬间我发现我们过去一年讨论 AI 的很多方式可能从一开始就站错了位置我们一直在计算 AI 能够替代多少工作而真正经营企业的人计算的是另一件事——AI 到底能不能创造新的收入。一、我们为什么如此迷恋提效过去两年企业谈 AI 最常见的词大概就是降本增效。这个逻辑并不奇怪任何一项新技术进入企业最容易被验证的价值通常都是效率。以前一个人一天写两篇文案现在可以写二十篇以前剪一条视频需要几个小时现在几十分钟以前客服需要几十个人轮班现在机器人可以先接住大部分问题以前整理一份行业资料需要一周现在几个小时就能完成。这些变化当然是真的而且非常重要。问题在于效率是一种工程指标却不一定是一种经营结果。一个营销团队原本一天做三条视频AI 让它一天做三十条从技术角度看生产效率提高了十倍。但如果这三十条视频依然没有带来客户没有提高转化率也没有形成品牌认知那么这十倍效率最终只意味着一件事企业更快地生产了更多没有商业价值的东西。这也是为什么很多 AI 项目在演示阶段非常震撼真正进入企业以后却逐渐失去存在感。因为演示回答的是AI 能不能把这件事情做得更快而老板真正关心的是我为什么要做这件事情。两者之间差的是商业结果。二、企业真正购买的从来不是效率顺着这条线往下想就会碰到一个更基本的问题企业花钱的时候究竟在买什么企业购买 CRM并不是因为喜欢管理客户资料购买 ERP也不是因为喜欢流程投放广告更不是因为喜欢曝光量。这些支出最终都要回到几个非常古老的问题上能不能获得更多客户能不能提高成交率能不能提高客单价能不能让客户重复购买能不能更快地把钱收回来。于是一个很容易被忽略的事实浮了上来企业从来不是为了使用技术而存在的。技术只是经营过程中的一种资源。如果一种 AI 工具每年收费 10 万元可以帮助一家企业节约 15 万元人工成本它当然有价值。但站在经营者的位置上还有另外一个更加诱人的选择如果另一套 AI 系统同样收费 10 万元却可以帮公司增加 100 万元销售额老板几乎不会再纠结前者到底节省了多少工时。这不是说降本不重要而是因为降本天然存在边界。一个部门原来一年花 100 万元你再怎么优化理论极限也只是把这 100 万元降到零而增长的理论上限远远看不到那条线在哪里。成本存在天花板收入没有那么明显的天花板。因此当 AI 的能力开始真正进入经营系统以后它最重要的商业命题可能正在发生变化从如何把原来的事情做得更便宜逐渐转向有哪些以前做不了的生意现在可以做了。三、真正有意思的 AI不一定是一套 SaaS带着这个转向再回到那次谈话后半段就变得有意思起来。我原本以为他会想买什么软件——比如一个 AI 外贸获客系统一个自动生成营销内容的平台或者一个销售 Agent。但他真正想的不是这些。他反复问的是能不能让 AI 直接进入产品能不能重新设计营销能不能改变获客方式能不能重新组织销售团队能不能让 AI 参与供应链判断甚至能不能进一步进入资金安排和公司运营。这时候我才意识到他想买的根本不是一个工具。他想做的是把自己的公司用 AI 重新跑一遍。这意味着讨论的起点要往前挪一步。先不要急着卖 AI先看看一家企业如果从今天重新成立、假设 AI 从第一天就存在它的组织结构会不会还是今天这样。市场部门是不是还需要现在这么多人销售是不是还应该按照传统方式一个客户一个客户地跟内容生产是不是还应该按照岗位划分客服是不是还是一个独立部门产品研发、市场、渠道、售后之间还需要这么多信息传递环节吗甚至今天很多看起来理所当然的岗位会不会只是因为过去信息处理能力不足所以不得不存在这是一个比AI 如何提高效率大得多的问题。因为它开始触碰的不是某一个岗位而是企业本身应该如何被重新设计。四、AI 原生企业可能不是企业 AI这种重新设计的冲动其实并不是第一次出现。互联网刚出现的时候大量企业做的第一件事情是建立一个网站。那个时候很多人所谓的互联网化本质上就是原来的企业加一个网站。后来移动互联网来了很多企业又做了一个 App。原来的组织、流程、渠道基本没有变化只是在外面多了一层数字界面。真正改变行业的企业往往不是这样产生的。它们不是把互联网放进旧企业而是从互联网本身重新推导公司应该如何组织产品应该如何销售客户应该如何获得交易成本可以降到哪里供应链可以如何重构。今天的 AI可能正在经历同样的阶段。第一阶段是企业 AI 工具员工使用 ChatGPT市场部门使用 AI 写文案程序员使用 AI Coding客服部门用上机器人。这些当然会产生价值。但真正更值得关注的也许是第二阶段——AI 原生企业。区别就在问法上。前者问的是现有岗位怎么用 AI后者反过来问如果 AI 本来就存在这个岗位、这个流程、这个部门还应该这样设计吗这两种问题得到的答案可能完全不同。五、最聪明的老板正在把自己的公司当实验室有意思的是那位做国际贸易的老板已经在用一种非常具体的方式回答第二个问题。他说不一定急着把系统做出来卖可以先在自己公司里面跑获客先自己跑营销先自己跑销售流程先自己跑供应链先自己跑甚至资金和运营方式也一并重新设计。如果这套系统真的能让一家传统贸易公司的销售额提高、人员规模下降、周转速度加快那么这家公司本身就成为了最好的证明。然后再把已经验证过的能力拆出来卖系统卖服务卖方法甚至直接复制出新的公司。这和今天大量 AI 创业公司的路径恰好相反。很多团队是先开发一个工具然后寻找客户而另外一种路径可能是先用 AI 创造一种新的经营方式再把这种经营方式产品化。前者卖的是功能后者卖的是已经被证明过的结果两者的商业说服力完全不在一个量级上。企业老板听到我们的 Agent 可以自动完成 70% 的销售跟进可能会感兴趣但如果你告诉他我们自己一家贸易公司已经连续运行一年人均销售额提高了三倍那已经不是产品介绍而是一种商业模式的证明。六、程序员和商人的思维差异这两条路径的背后其实是两种思维方式的差异。程序员天然喜欢解决明确的问题输入是什么输出是什么流程哪里慢哪个环节可以自动化如何把复杂度降低如何把人工操作减少。所以程序员看到 AI很自然会问——它可以替代什么但商人面对同一件事问的可能是另一个问题——它可以让我卖什么看起来只差几个字实际上是两种完全不同的世界观。前一个问题指向工具后一个问题指向机会前一个问题的终点通常是软件后一个问题的终点可能是一门新的生意。因此未来非常有意思的一类 AI 创业者未必是最懂模型的人。他们可能不懂 Transformer不懂 Attention也不会写代码但他们非常懂客户知道客户为什么下单知道渠道为什么失效知道行业利润藏在哪里知道哪些成本其实不应该存在也知道哪些过去无法成立的生意会因为 AI 把边际成本压低之后突然开始成立。这样的人一旦真正理解 AI 的能力边界可能会比技术人员更加激进。因为工程师首先看到的是能力而商人首先看到的是套利空间。七、真正值得问的不是AI 能省多少人所以以后再讨论企业 AI我可能会少问一个问题AI 可以替代多少岗位而多问几个问题它能不能增加收入能不能创造新的产品能不能打开原来无法服务的客户群能不能让一种原本单位经济模型不成立的生意重新成立能不能改变获客方式能不能改变公司的组织方式。甚至再往前一步有没有一种企业在 AI 出现之前根本不可能存在这些问题可能比节省多少工时重要得多。因为真正巨大的技术革命最终从来不只是让旧世界运转得更快。汽车不是为了让马车夫赶车更快互联网也不只是为了让报纸传得更远移动互联网更不是为了让电脑变小。一种通用技术真正产生巨大经济价值的时候往往是它开始创造此前不存在的组织方式、产品形态和商业关系。AI 可能也一样。今天我们仍然很习惯用上一代软件的方式理解它Seat LicenseSaaS每月订阅节约人工提高效率。这些当然都会存在但更大的故事也许刚刚开始。未来某一天当我们回头看这一轮 AI 革命真正改变商业世界的可能并不是那些让企业少雇了几个员工的软件而是那些第一次证明原来公司还可以这样运行的实践。那天聊天结束以后我一直记得那句话。企业不是来省钱的企业是来赚钱的。听起来像一句最朴素不过的生意经。但放在今天的 AI 热潮里它可能恰好提醒了我们一个被技术叙事遮住很久的问题如果 AI 最终只是帮企业把原来的事情做得更便宜那么我们可能仍然低估了它。程序员习惯卖工具。而真正懂生意的人开始寻找的已经不是下一个工具——他们在寻找下一门生意。