这些年我去企业回访，最不放心的时刻，不是看到系统报错，而是看到系统「好好的」：界面都在，单据都录，报表每天准点生成。可坐下来聊半小时就会发现，这家公司做事的方式，和上系统之前一模一样。
系统只是多了一套更体面的家具。二十二年里我复盘过的失败项目，九成倒下的不是技术，而是同一件事——这篇文章就把这件事讲清楚。
真正烂尾的项目其实不占多数。更常见、也更麻烦的是三种形态——因为它不报警，投入已经沉下去，效果说不清，撤也不是，留也不是：
这类项目验收报告都写得漂亮。它输掉的地方，不在技术方案里，而在「上了系统」和「改变做事方式」之间那段没人认领的地带。
最典型的症状，是把「上系统」本身当成了目标。你问「想解决什么」，得到的回答是「规范管理、提升效率」——这八个字没有办法验收。
能落地的目标得翻译成可以核对的话：报价响应从三天压到当天，月底结账从一周缩到两天，一个批次的原料追溯到成品从半小时变成两分钟。目标越具体，后面的选型、实施、验收才越有得抓。
选型是同一个病的另一种发作。挑产品时比参数、比功能清单，清单几百页，上线之后常用的菜单不超过两屏。真正该问的问题反而没人问：这套流程，你的组织敢不敢照着它改？不敢改，功能再全也是替别人买的。
系统改变的是工作方式，而工作方式长在组织身上。这一类坑最密：
很多企业把上线当终点，其实那是系统真正开始工作的第一天。数据没人守，口径越用越漂，报表慢慢没人信；预算只算了「买」，没算「养」——数据迁移、接口联调、培训和持续运维，这些水面下的支出常常比软件采购费本身更磨人；还有的各上各的系统，每套都是同类里最好的，合起来却是三套系统、三个人工接口，信息照样靠人搬。
这套方法存在，业内叫企业架构。它的本意我很认同：把战略翻译成具体的能力和系统需求，把数据口径统一起来，让全公司在一张图上看清——什么在重复建设、什么是真空地带。
但这些年，我同样见过它不少死法：
所以我的结论是：企业架构的正确形态是一张持续更新的活地图，而不是一份交付归档的蓝图。组织机制不动、高层不深入、人才跟不上，再好的框架也会变成新一摞落灰的文档。
这两年最显著的变化：业务骨干自己就能让 AI 搭出小工具、小看板，不用再排 IT 的期。验证一个想法，过去要等一个开发周期，现在一个下午。
往好处看，这是难得的转机——业务和技术第一次能在「同一句话」上对话：你用日常语言描述想要的，它直接跑一个能点的东西给你看。试错成本趋近于零，连架构决策都可以先做个能跑的原型再拍板。
但硬币的另一面更锋利：以前乱起来好歹有门槛，现在乱起来零门槛。没经过任何评审的代码进了主干，写它的人自己都没逐行看过；数据被各个小工具另存一套，口径越拉越开；安全上，一段不该出门的密钥被顺手写进脚本，发现时已经跑了一个月。
我的判断是：AI 改变的是速度，不是规则。规矩立得住的企业，AI 给创新提速；规矩立不住的企业，AI 给混乱提速。它回答不了「这件事谁负责、数据谁说了算、改动谁批准」——这些问题在 AI 出现之前就在那里，AI 只是让一直拖着不答的代价，变得前所未有地高。
如果你正在规划信息化或数字化，动手前把这七个问题过一遍。答不上来的，就是风险所在：
目标要能核对——「规范管理」没法验收，「报价从三天到当天」可以。
跨部门的口子只有他能拍。说不出具体会议的，多半也不会真拍。
录入负担没人认账，抵触就会一天天攒起来，最后系统被晾在一边。
同一颗物料三个叫法，报表越准，会开得越乱。口径得有唯一的裁判。
改浅了没人用，改深了升级断头路。没有改动审批机制的，两头都会踩。
运维、培训、接口、迭代这些水面下的支出，常常比软件采购费更磨人。
现在搭个工具零门槛，没人管的数据出口和没人看的代码，代价都在后面。
回到开头那句话：九成项目倒下的「同一件事」，从来不是选错了软件，而是规则还没定清楚，就指望系统替你想清楚。系统擅长执行秩序，不擅长发明秩序。
如果你正在盘点这件事，欢迎带着你的清单来找我们聊聊。
不必一上来就套大型框架。从一条业务线开始：统一数据口径、划清系统边界、定好谁拍板，做的正是企业架构里最值钱的那部分。
先看自己的管理成熟度，再看产品。与其比功能清单，不如问两件事：这套流程你的组织敢不敢照着它改；供应商在你这个行业的实施深度如何。
AI 会让验证想法变便宜，会让没想清楚就全量铺开变得更贵。省下来的是开发成本，省不掉的是规则、数据和责任划分。
守数据。指定主数据的唯一责任人，前三个月每周核对一次口径。数据一漂移，后续所有迭代都是在沙地上盖楼。