大模型企业项目落地杂谈：业务不清晰，再强 AI 也难形成飞轮效应

最近梳理了公司的大模型和 Agent 项目，心里生出不少感触。

现在大模型领域的发展真可谓一日千里，但到了具体的企业落地环节，却又是另一番光景。几乎每个公司都在谈论大模型，都在焦虑如何快速将这项技术应用到自家业务里，生怕错过时代风口，被竞争对手甩在身后。于是乎，什么几周上线一个 Agent，几个月搭建一个平台的规划比比皆是。

但这样赶工出来的成果，往往演示时很美好，实际用起来却不一定能提效、产生多大价值。问题到底出在哪？

归根结底，很多时候问题不在大模型本身，而在于企业自身的业务就没梳理清楚。试想，如果一个业务里大量的知识、潜规则都只存在于老员工的脑子里，许多决策无法从既有的规章制度或标准流程中推导出来，那么，再强大的大模型来了也是“盲人摸象”，它无法替企业把这个最根本的短板补上。

所以你会发现，在一些传统企业内部落地大模型应用尤其困难。因为前期可能百分之八九十的工作量，都花在了梳理业务、帮企业补全数据、流程和决策规则这些基础建设上。这已经超出了纯粹的技术范畴。

反观一些新兴的小公司，比如做自媒体的，大模型反而能快速落地，效果立竿见影。一是因为他们的业务模式相对简单直接；二也是因为这些业务的逻辑和数据本身就“清晰可见”。

毋庸置疑，大模型必将成为未来企业竞争的关键胜负手。但胜负的关键，可能不在于谁先抢到了最新的模型，而在于哪家企业能率先把自己的业务逻辑彻底搞明白，并有效地与大模型结合，从而率先形成那个“正向飞轮”。

一旦这个业务与技术的飞轮开始转动，生产效率的提升将是成倍的。到那时，别的企业再想追赶，恐怕就难了。