【一线数智评论】

       一、三个值得观察的现象

　　现象1：不会消失的故障

　　某制造企业的设备部经理老张，在公司干了15年，以"救火能力"著称。设备一出问题，老张立马赶到现场，凭经验三下五除二搞定。老板每次都拍着他肩膀说："还是老张靠谱！"年终奖年年拿A。

　　新来的副总提议上预测性维护系统——通过传感器监测设备状态，提前预警故障风险，自动生成维护计划。表面上看是好事，设备故障率能降低，生产更稳定。

　　但观察接下来几个月的数据很有意思：

　　第一个月：系统预警了三次，老张配合处理，效果不错

　　第二个月：系统预警某设备有风险，老张说"误报，不用理"

　　第三个月：系统建议更换某个部件，老张说"还能用，别浪费钱"

　　第四个月：那个部件真的坏了，生产线停了4小时，老张又成了"救火英雄"

　　现象2：永远不完整的数据

　　某贸易公司的采购经理老李，负责20多个供应商。业务部要采购，必须问老李："这个规格哪家能做？""这个价格合理吗？""能不能加急？"

　　老李总是说："我去问问，明天给你答复。"实际上他早就知道答案，但他要掌控节奏。因为一旦所有人都知道供应商信息，老李的权力就没了。

　　公司上了供应商管理系统（SRM）——所有供应商信息透明化，历史报价、交付记录全部可查，业务部可以直接在系统上询价、下单。

　　老李没有公开反对，但他做了这些事：

　　第一步：拖延上线（"系统还不完善，数据需要再整理"）

　　第二步：选择性录入数据（最重要的5家供应商的核心数据"遗漏"了）

　　第三步：建立"系统外通道"（重要采购不走系统，还是走他的"关系"）

　　第四步：制造系统故障案例（"你看，系统上这个价格不对，还得我来确认"）

　　一年后，系统还在运行，但业务部还是习惯找老李，因为"系统信息不全"、"关键供应商还得老李搞定"。老李成功守住了自己的权力。

　　现象3：总需要人来拍板的AI

　　某咨询公司的项目总监老王，带着10人团队。团队成员都是名校硕士、博士，但老王只有本科。他靠什么服众？靠10年的项目经验。

　　每次团队讨论方案，老王总能一针见血："这个方案客户不会买账，因为...""这个问题要这么解决，我之前碰到过...""这个客户的风格是..."团队成员心服口服。

　　公司引入了AI知识库，把所有历史项目案例、方案、最佳实践都结构化了。团队成员可以直接搜索、参考、复用，AI还能根据客户特征推荐类似案例。

　　突然，团队发现老王那些"一针见血"的判断，AI也能给出，而且案例更全面、数据更详细。

　　看看老王怎么应对：

　　"AI给的案例未必适用，要结合实际情况"（强调判断力）

　　"咨询不是照搬，而是创造性思考"（强调人的价值）

　　"AI是工具，但关键决策还得有经验的人来拍板"（守住权威）

　　慢慢地，团队形成了共识：用AI做基础工作，关键判断还得老王来。年轻人的创新方案常被"经验判断"否定，团队的成长速度变慢了。

　　思考一下，这三个现象都指向了什么问题？

　　二、被忽视的核心矛盾

　　企业AI应用失败，常见的解释是老板认知不够或员工不配合。但仔细观察会发现，真正的阻力来自中层经理。

　　为什么是中层？

　　因为AI恰好击中了他们的生存基础。我们来看看中层经理的价值是如何构建的：

　　老张的价值不是建立在"解决问题"上，而是建立在"问题的存在"上。

　　老李的权力不是建立在"赋能团队"上，而是建立在"信息垄断"上。

　　老王的权威不是建立在"知识传承"上，而是建立在"经验独占"上。

　　AI最可怕的地方，不是替代他们，而是暴露了一个残酷的事实：

　　很多中层管理者这些年，一直在维持问题，而不是解决问题。

　　更关键的是，这种阻力是隐蔽的：他们不会说：“我反对AI”，那样太明显了。

　　他们会说：

　　"系统还不够完善"（技术理由）

　　"数据不够准确"（质量理由）

　　"需要更多时间磨合"（时间理由）

　　"关键环节还需要人的判断"（价值理由）

　　然后在执行层面：

　　选择性使用（只用对自己有利的功能）

　　制造反例（放大系统的失误）

　　建立替代通道（绕过系统的"灵活处理"）

　　培养依赖性（让团队觉得还是离不开他）

　　最终结果：

　　系统上了，钱花了，但价值出不来。老板觉得"AI不行"，中层经理成功守住了地盘。而真正的问题——效率低下、信息不透明、知识无法传承——依然存在。

　　三、利益的错位

　　如果把各方的真实诉求放在一起看，会发现一个有趣的现象：每个人都有自己的小算盘，没有人真正以"AI的长期价值"为第一优先级。

　　老板的真实诉求：

　　表面上要"提高效率、降低成本"，但内心有两个恐惧：

　　一是失去控制感。AI带来的数据透明、流程固化、决策依赖，让老板觉得"我还能做主吗？ 

　　二是权威受挑战。老板靠经验、直觉、成功案例建立权威，AI用数据说话，有时会和老板的判断相悖。

　　所以老板要的是：有AI的面子，但不能失去控制的里子。

　　中层经理的真实诉求：最核心的是生存焦虑。

　　他们面临三重压力：

　　向上：老板期待越来越高，"为什么别人能用AI提高50%效率，你们不行？"

　　向下：年轻员工对AI接受度更高，"我的下属比我更懂AI，我还怎么管他们？"

　　横向：同级部门在比拼，"隔壁部门上AI提升了30%，你们呢？"

　　最深层的恐惧是：我的价值到底是什么？

　　基层员工的真实诉求：表面上要"工作轻松点、少加班"，

　　但内心也有恐惧：

　　一是被替代。某客服中心引入AI客服，人工客服从50人减到30人，留下的30人在想："下一步会不会减到10人？"

　　二是技能焦虑。"我不会用AI怎么办？"不同年龄段反应不同：90后、00后兴奋大于焦虑；80后焦虑大于兴奋；70后抗拒大于焦虑。

　　所以员工要的是：AI能帮我减负，但别威胁我的饭碗。

　　外部供应商的真实诉求：

　　目标很明确：按时交付、拿到尾款、打造标杆案例。

　　所以策略是：快速上线，标准化交付，营造成功假象。至于系统上线后能不能真正产生价值，能不能持续运营，那是客户的事。

　　把这些诉求放在一起看：　

　　没有人真正把"AI的长期价值"放在第一位。

　　这就是为什么很多AI项目烂尾。

　　四、写在最后

　　企业AI应用的困境，本质上不是技术问题，而是人性问题。

　　当一个中层经理的价值建立在"当前问题存在"的基础上时，他不可能真心希望AI把问题彻底解决。这不是道德问题，是生存本能。

　　想象一下：

　　一个靠救火立足的人，怎么可能真心希望不再有火？

　　一个靠信息差获利的人，怎么可能真心希望信息透明？

　　一个靠经验独占建立权威的人，怎么可能真心希望知识共享？

　　AI暴露的真相是：很多管理岗位的价值，建立在低效率的基础上。

　　所有的失败，都源于忽视了人性。

　　最高明的做法，不是对抗人性，而是利用人性。

　　那么问题来了：

　　如果你是老板，如何设计一个机制，让每个人的恐惧被化解、驱动被满足？

　　这些问题，值得每一个企业决策者深思。

　　技术是死的，人性是活的。

　　懂技术的人很多，懂人性的人很少。

　　企业AI应用的第一障碍，从来不在技术，而在人心。（作者及来源：爱集思AIGC试验室 吴建荣）