这一周我没怎么追模型发布会，盯的是另外四样东西：一份 Gartner 调查、一场 IDC 峰会、一篇阿里云 CIO 的访谈实录、一份 36氪的行业报告。
四个信源，四种身份——咨询机构、官方媒体、大厂甲方、研究院——发布时间挤在同一个星期。把它们并排读完，我发现它们其实在说同一句话：企业 AI 的瓶颈，不在模型。
这句话我们讲了一年。今天把四个外部证词摆出来，不是为了「我早说过」，是想说：市场已经收敛，接下来拼的是谁先做对动作。以下五个判断，每个都附本周的验证证据。
验证证据：Gartner 10 月 19 日的调查问了 2,002 位 CIO——只有 13% 表示企业已从 AI 获得显著或变革性价值；成功的 AI 用例，大约只有五分之一。
13% 这个数字要和小半年前的另一组对读：个人侧用 AI 越来越顺，企业侧却大面积拿不到价值。差别在哪？个人用 AI 不用向谁证明效果，企业用 AI 必须过财务和业务验收这一关。过不了验收的 AI 投入，在报表上和打水漂没有区别。
所以我们一年前的第一个判断今天依然成立，而且被数据坐实了：上 AI 之前先把账立起来——现状基线是什么、指标怎么变、怎么折算成钱、贡献怎么归因。这四步不做好，上线之后永远算不清，13% 的俱乐部进不去。（算法见这篇：AI 价值「算账」四步。）
验证证据：还是 Gartner 那份调查——58% 的 CIO 感到「用 AI 降本」的压力，但只有 4% 的企业真正在为人机协同重设岗位。
一边是近六成 CIO 被指标压着，一边是 4% 的组织动作。中间隔着 14 倍的落差。这个落差里发生的事，一线的人都熟：CIO 被逼着交「降本答卷」，只能去做显眼但没价值的应用——客服机器人、大屏演示；真正值钱的场景周期长、风险高，没人敢碰。指标越压，动作越浮。
阿里云 CIO 在访谈里给的解法更直接：数字员工应该和普通员工比、归业务部门管，出了错，「锅」在正式员工身上——责任链不接死，AI 永远是玩具。
AI 落地难的从来不是模型不够聪明，是组织愿不愿意把旧利益摊开重分。
这句话不是我说的，是本周市场自己说出来的。
验证证据：金山办公副总裁王冬在 IDC 峰会上说，瓶颈不在缺数据，而是 AI 不懂企业上下文——数据之间怎么关联、业务怎么流转、规则是什么、老员工的经验在哪里。阿里云 CIO 的版本更狠：「AI 是面镜子，照出 IT 系统的历史欠账。」
翻译成大白话：模型是租来的，你的业务世界它一无所知。每个 AI 应用都被迫「从零认识你的公司」一遍，这就是为什么项目一个一个做、账一笔一笔亏。
这件事行业里有个名字，叫语义层——拆开就四件事：业务对象、指标口径、关系规则、动作写回。阿里云 CIO 还补了一句关键的话：「真正的本体，不是画出来的，是跑出来的。」别上来建大平台，从一本口径字典、一张对象清单开始，场景滚动加厚。这正是我们给客户的路径，本周被大厂 CIO 独立复述了一遍。
验证证据：阿里云 CIO 访谈里的工程结论——把 AI 视为新的渠道而非新的功能，尊重原有系统的权限体系；「能不用小模型就不用、能不微调就不微调」；对 Multi-Agent 保持谨慎。他还泼了盆冷水：所谓 10 倍研发效能有水分，真正复杂的业务逻辑只占约 4% 的工作量，80% 的非编码时间 AI 省不掉。
这一条我格外想转给两种老板：一种想「全面 AI 化、推倒重来」，一种想「外挂个 AI 就完事」。两个方向都踩过雷：前者烧钱烧到只剩 PPT，后者被老系统的接口和数据质量拖死。中间那条路——用 AI 去连存量系统，先在一个最疼的场景跑通小回路——不好听，但走得通。（二十年前 ERP 时代就是这个剧本，这里有复盘。）
验证证据：IDC 中国副总裁武连峰在峰会上说，「需求不再是制约企业的因素，而是执行能力。」同一场会议的数据：20 款主流桌面端 AI 办公智能体平台月访问量已破 3 亿次，比 6 月涨了近 5 倍——需求侧的热度早已拉满。36氪研究院的报告则给出了空间：企业级 Agent 市场 2025 年 212 亿，预计 2029 年 3,320 亿（CIDC 口径）。
需求热、空间大、兑现难——三个条件同时成立时，稀缺的不是工具也不是认知，是把活落地的方法：怎么选场景、怎么设闸门、怎么验收、怎么把老师傅的经验变成 AI 能用的资产。这也是我们自己定位在这条线上的原因。
四个信源，五个判断，收成一句话：AI 的下半场比的不是谁模型买得新，是谁的管理动作先做到位。基线冻结、岗位重设、口径字典、小回路、验收设计——没有一件是技术活，每一件都是管理活。
Gartner 说 13%。这个数字反过来读：门槛不在技术，在纪律。谁先补齐算账纪律和组织配套，谁就先站在 13% 那一边——顺便吃掉剩下 87% 市场里最疼的那部分需求。
如果你要的不是读文章而是动手：我们把这几年的交付判断标准整理成了一份《FDE 中国落地工具包》——含 AI 落地成熟度自查清单、AI 方案出门四判据、选供应商三问话术卡。关注公众号【锐果互动】，后台回复 FDE 免费领取。
正好用在上之前。五个判断对应的动作里，最省钱的是第一个——先算账：把想用 AI 的那个场景的现状数字取个基线（人时、周期、差错率），再谈上线后拿什么证明效果。基线不用买任何工具，一张表半天就能冻结。多数项目后来算不清账，都是因为启动时没冻结这组数。
比数据治理更靠业务一步。它指的是四件事：核心业务对象是什么、指标口径谁说了算、业务规则怎么流转、AI 的动作允许写到哪一步。数据治理把数理干净，这四件事把「干净的数据变成 AI 能持续、一致使用的业务语义」。顺序上建议从一本口径字典开始，而不是先建大平台。
不是。13% 与 87% 的差距本身就是信号：差距不在模型，在有没有算账纪律、组织配套和验收设计。Gartner 同一份调查里，被压降本指标的 CIO 有 58%，真正动手重设人机岗位的只有 4%——瓶颈显然不在技术早晚，在管理动作做没做。早做的 13%，吃的是晚做者的份额。
