老板上个月拍板要上 AI，第一句话是："给我接个 ChatGPT，下周让客服不用人了。"
我当时就笑了，不是笑他土，是笑自己三年前也这么天真。
三年前我第一次给一个做实体生意的团队上 AI，思路特别简单：买个 API Key，写个 prompt 套壳，完事。结果呢？上线第一周，客服一边用一边偷偷关了——因为那个套壳经常胡说八道，用户问"我的订单到哪了"，它一本正经地编了个物流单号。
后来我才发现，AI 落地这件事，大家卡在同一个地方：不是没有模型，是模型接不进真实的业务流程。
先说结论：AI+行业落地，真正的门槛就三条——数据、流程、人。把这三条讲透了，比给我十个更强的大模型都管用。
第一，数据比模型值钱。传统行业的业务数据散在 Excel、微信群、各种内部系统里，格式五花八门。模型再强，喂进去的是一堆脏数据，出来的就一定是胡话。我踩过的坑：拿一份没清洗的订单表让 AI 做统计，它把"2026年"和"20266年"这种错数据也算进去了，还信誓旦旦地给结论。数据清洗这一步，看起来土，但决定了 AI 是帮手还是坑货。
第二，流程要先拆后接。不是"上一套 AI 就自动化了"，而是先把原来那条人工流程拆开，看清楚哪一步适合 AI、哪一步必须留给人。有个常见的误解：觉得 AI 应该把整条流程都接管。真上线会发现，最稳的做法是让 AI 只做最擅长的一两环——比如自动回复常见问题、自动生成周报初稿——剩下需要拍板、担责的环节，还是人来。拆得越细，越不容易翻车。
第三，人的抵触比技术难搞。一线的人不是反对 AI，是怕 AI 抢饭碗、怕出错担责。我见过一个最成功的落地，团队负责人没讲任何"降本增效"的大词，就是让 AI 帮忙干最烦的那部分重复活，然后公开说"省下来的时间，大家早点下班"。抵触情绪一下子没了。
说这些，是因为最近社区里总有人问"怎么用 AI 变现""怎么落地"，一上来就要模型推荐。模型是最后一步，前面那三步做不好，再贵的模型也白搭。
你们在落地 AI 的时候，卡得最久的是哪一环？是数据、流程，还是人？来评论区聊聊，我挨个回。
