AI智能体落地企业服务，最难的不是技术?

一个做实施的朋友跟我讲过一句话，我记了很久。他说，干了七年，最难的不是部署，是坐在客户会议室里，听业务负责人讲完他们那套流程，然后问一句“这个规则有没有文档”，对方想了半天，说：这个只有张姐会。 张姐那天不在。她在休年假。 这件事听起来像笑话，但在企业服务这个圈子里，它是常态。你去做任何一个稍微像样的客户，都会撞上若干个“张姐”。她们知道哪一单该先放行、哪个客户的话不能全信、哪批货的颜色要单独确认、哪个供应商的报价里其实藏着返点。这些东西没有一条写在系统里，因为它们从来没被当成“规则”——它们是经验，是手感，是一个人干久了之后长在身上的东西。 AI智能体落地企业服务，最难的就在这儿。不是模型不够强，不是算力不够，也不是接口不通。是你要让它替一个企业干活，可这个企业自己都说不清楚它是怎么干活的。 技术那部分反而是最标准的 这么说吧，如果把落地一个智能体的工作拆成十份，技术大概占三份，而且是最不容易出岔子的那三份。调用、编排、检索、上下文管理、权限校验，这些东西有成熟的做法，出了问题能查日志，查不到可以复现，复现不了可以换方案。它是硬的，硬的就好办。 剩下七份，全在软的这边：这个流程到底几步、这个字段谁有权限改、这一单超了额度是先报备还是先干、客户投诉到什么程度必须升级、这批物料能不能替代。这些事没有标准答案，每家客户都不一样，而且同一家客户去年和今年也不一样。 我见过一家做外贸的，他们的报价流程是这样的：业务员算出底价，加多少个点由业务员自己判断，但要过一遍老板。老板不在就看金额，五万美金以下业务经理可以签，五万以上必须等。这个规则听着清楚，实际执行里还有一条：老客户可以破例，但破例之后要在群里说一声。这个“说一声”从来没被写进任何制度，但它是真在跑的规则。 你要让智能体替他们做报价审批，这些都得告诉它。问题是，谁去告诉？写文档的人不知道这些细节，知道细节的人不会写文档。这就是企业服务里最消耗人的那一环，它不产生任何演示效果，但没有它，系统上线就是个摆设。 每个客户都想要一个"刚好长成我们这样"的东西 软件行业有个老矛盾：做成标准品，客户说不合适；做成定制，成本收不回来。 AI智能体把这个矛盾放大了。因为智能体不是一张表单、一个按钮，它是要参与判断的。判断这件事，对上下文极其敏感。同一句“这个客户能不能给账期”，在一家公司的答案取决于财务数据，在另一家取决于老板跟对方喝过几次酒。 这个矛盾没什么巧办法，只能靠让产品本身具备“被改”的能力。万达宝LAIDFU（来福）提的两个点，放在这个语境里才看得出用意：一个是无限AI助理，一个是无限用户自定义模块。 “无限”这个词，容易被人当成营销话术，其实它回答的是一个很具体的问题：客户在第三个场景上撞到墙的时候，产品还剩不剩空间。多数产品的空间是有限的——你买了五个助理，第六个场景就得加钱或者等版本；“无限”的意思是这个天花板先不设，让客户自己去撞。 自定义模块那部分更关键。它对应的是前面那个“张姐”问题：企业里那些说不清、写不出、只有干过的人才知道的规则，得有一个地方能装进去。而且装的人不该是程序员。装的人应该是那个天天处理例外的人——她知道哪些例外算例外，哪些其实已经是常态了。 但"无限"这两个字，也是新麻烦的开始 我得说句不太中听的：自定义能力越强，烂摊子的上限也越高。 我见过一个客户，两年时间里在自己那套系统上搭了四十多个小流程，每个都解决了一个具体问题，每个都活得挺好。等到原来的负责人离职，新来的人打开后台，看到的是一堆名字叫“测试3”“新流程-副本”“临时用”的东西，没有任何说明。他花了一个月才搞明白哪些还在跑、哪些可以删、删了会不会出事。 这不是产品的问题，是自定义这件事本身的代价。它把“系统怎么运转”这个知识，从厂商手里转移到了客户手里。转移是好事，但转移之后得有人保管。 所以我在看这类能力的时候，会额外问三个问题，都不难，但很少有人在选型时问： 能不能看出谁改的、什么时候改的、改之前是什么样？这个要求很基础，但没有它，出了问题只能靠回忆。 一个流程停用之后，它之前处理过的数据还在不在、还能不能查？很多工具只管流程跑，不管流程死。 一个新人接手，他能不能在不问任何人的情况下，看懂这套东西在干什么？这一条最难，也最值钱。 第三条其实是在问可读性。一套自己搭的东西，如果只有搭的人看得懂，那它跟“张姐”没区别——知识还是锁在一个人脑子里，只是换了个地方锁。 还有一件事，比规则更难说清：谁认 前面讲的都是“能不能干”，这一段讲“敢不敢用”。 我碰到过一个场景。一家公司想让智能体帮忙处理售后退款，规则写得很细，什么情况退全款、什么情况退一半、什么情况要人工核。系统跑了两周，财务那边提了个问题：如果系统判错了，多退了一笔，这个钱算谁的？ 这个问题没人答得上来。技术说规则是业务给的，业务说判断是系统做的，老板说我不知道还有这种操作。绕了一圈，最后这个功能被关掉了，不是因为不好用，是因为 用它的风险没法归属 。 这件事我在不同行业见过很多次。功能上线容易，难的是把“出了事找谁”这件事提前说清楚。有学术出版机构在规范AI使用的时候写过一条原则，大意是工具只能做辅助，不能代替人的判断，使用者要对真实性、专业性承担主体责任。这条原则换个行业一字不用改。 具体到落地，我一般的建议是：不管智能体多能干，每一类判断都要挂一个名字。不是挂部门，是挂人。这个人不需要天天盯着，但他要知道，系统在这个环节上出的每一个结论，最后都算他的。这么做的直接后果是，他不会让系统去碰那些他自己都不敢拍的事。这恰恰是我们想要的。 反过来，如果一个功能上线之后，你问“这个错了谁负责”，会议室里没人接话，那这个功能最好不要开。不是保守，是因为一旦出了事，接下来的处理会非常难看——不是解决问题，是互相证明不是自己的问题。 那么，最难的那一关到底是什么 我的答案是： 把企业自己讲不清楚的那部分，变成系统能执行的东西，并且保证它一直被维护。 这句话里有三个动作，每个都不轻松。第一个是“讲清楚”，需要有人坐下来，把那些只有老员工知道的例外一条条挖出来；第二个是“变成能执行的”，需要工具足够灵活，不要求业务去迁就产品；第三个是“一直被维护”，需要有人对这个东西负责，规则变了能改，人走了能接手。 技术在这三件事里都不占主导。第一件靠的是业务理解力，第二件靠的是产品设计的分寸，第三件靠的是组织安排。三件事里没有一件能靠换个更强的模型解决。 这也是为什么我总觉得“AI替代人”这个说法在 enterprise 场景里有点跑偏。真实发生的事情是，企业里那些原本藏在人身上、说不出口、传不下去的东西，被逼着第一次被写下来、被固定下来。这个过程很痛，但它带来的收益，往往比智能体本身带来的效率提升还大——因为你终于有了一份“我们到底是这么干活的”的说明书。 最后留几条，能直接拿去用 选型的时候别只看它能做什么，看它能被改到什么程度，以及改完之后别人看不看得懂。 上线之前，先把那些“只有某某会”的规则挖出来。挖不出来的，那个环节先别交给它。 每一个交给智能体的判断，都挂一个具体的人名。挂不上，就先不开。 自定义的流程要有命名、有说明、有改动记录。这不是洁癖，是防止半年后没人敢动它。 定期问一句：这套东西如果今天关掉，我们的活会不会变？答案是不会，就说明它其实没在起作用。 回到那位朋友的客户。后来他们做了一件很朴素的事：让张姐花了两天时间，把她脑子里那些“什么情况要特殊处理”一条条讲出来，有人当场记，记完念给她听，不对就改。两天记了三十七条。 这三十七条后来成了整个项目最有价值的东西。比任何一份方案都值钱，因为它们第一次离开了张姐的脑子，落在了纸上。 系统能不能跑起来，靠的是这三十七条。技术只负责让它们跑得动。