（本文作者为 影子备忘录，钛媒体经授权发布）
文 | 影子备忘录
这两年了解观察过不少企业，无论是上市多年的大厂，还是才创立几年的小厂，从几百人的中型公司到只有十几个人的初创团队。都有一个越来越强烈的感受：都在聊AI叙事，都在拥抱AI。
帽子是个很妙的东西。戴上它，你立刻有了某种身份感。会议PPT里不出现“大模型”“智能体”“AI原生”，似乎就矮了一截；老板在年会上不喊两句“全面拥抱AI”，好像就交不了差。
这顶至少看起来便宜，它比起重构一条产线、改造一套流程，买一个AI账号、签一份“智能体”合同，在财务报表上确实体面了不少。
但帽子终究是帽子。它戴在头上，不在身体里。风一吹会掉，人多的时候要扶，回到家第一件事就是摘下来。
问题在于，很多企业把戴上帽子当成了长出的新器官。
帽子是怎么被戴上的
先看一组不太体面的数字。
德勤中国2026年10月发布的白皮书调研显示，92%的企业已经开展了AI应用试点，但只有8%的企业认为AI投入实现了财务和战略收益，真正认为完成了组织级转型的，只有4%。
麦肯锡的口径稍温和一些：全球88%的企业在用AI，吃到真金白银的只有39%。BCG给了一个更锋利的分母：实现规模化AI价值的企业，占5%。
换句话说，帽子几乎人手一顶，但真正靠它遮风挡雨的，是个位数。
那92%为什么还要戴？答案不在技术里，在空气里。FOMO与错失恐惧，是这轮AI叙事最有效的燃料。
一家做建材生意的老板，花80万上了一套“AI智能营销系统”，供应商承诺获客效率提升10倍。一年下来，提升了0.8倍，亏了60万。
另一家餐饮连锁企业上AI客服，理由只有一句：“竞品都在用。”结果答非所问，客户投诉翻了三倍，最后灰溜溜切回人工。
还有东莞一位老板，听完一场AI峰会热血上头，花8000块买了大模型企业版账号，在销售群、客服群、研发群全面推广，却在一个月后让行政把账号删了。
最极致的版本来自一家五线城市的软件公司：老板花约70万采购所谓“FDE+本地化部署”的AI系统，最终拿到的是标准化软件加高价Token和代运营服务，账号被封、工资数据泄露、员工离职，供应商失联。
这些故事有一个共同的起点：不是因为疼了才去找药，是因为看见别人在吃药才去的。
更隐蔽的一层发生在组织内部。当“用AI”变成一项自上而下的任务，帽子就从装饰变成了考核。
国内某头部大厂强制推行自研AI编程助手，规定程序员“AI代码生成占比必须达到30%以上，否则扣减季度绩效”。
为了达标，工程师开始故意把10行能写完的逻辑扩写成上百行冗余代码，附带毫无用处的注释，AI采用率瞬间飙到45%。
Meta内部一度上线“Token消耗排行榜”，消耗越多排名越高，垫底面临裁员风险，第一名一个月烧掉近50万美元的Token，随后榜单被悄悄下架。
Uber给5000名工程师全量开放顶级AI编程工具，四个月烧光全年AI预算，被迫紧急出台配额制。
老板想用AI制止摸鱼，员工却用AI学会了更高明的摸鱼。帽子戴上了，但帽檐底下的人，和帽子之间没有任何真实的连接。
戴上之后呢
我无意把AI说得一无是处。恰恰相反，那些真正跑出来的案例，数据漂亮得让人没法忽视。
有一家钢铁企业是一个让我重新理解“传统企业”这个词的样本。2023年10月，这家民营钢企拿出10亿元启动全流程智能工厂，2024和2025两年又追加超过7亿元。
一期智能应用上线后，每年降本近2亿元，全员劳动生产率提升30%，产品不良率降低13.89%。
单是轧钢成品检测环节的智能化升级，一年节约成本就超过800万元。真正有意思的不是数字，是数字背后发生的事情：炼钢这行有句老话，“火候全凭眼力”，炉口火焰什么颜色对应钢水多少度，这种本事只有干了几十年的老师傅才摸得透。
日照钢铁的做法不是让AI去“替代”老师傅，而是用视觉大模型把火焰喷溅、溢渣这些信号识别出来，准确率稳定在99%以上，把老师傅的手感“翻译”成算法可以执行的动作。
设备运维也一样，本地化部署大模型之后，维修方案编制时间从3小时压到0.5小时，备件错配率从30%降到5%，维护知识复用率从40%提到85%。
友达光电苏州工厂的数据同样扎实：342个AI项目覆盖研发、生产、质检、运维，关键设备数控化率和联网率100%，生产效率提升29%，产品不良率降低6%，生产成本降低15%。
昆山一家做纺纱智能化的企业，把断纱检测准确率做到99.99%，吨纱电耗下降5%，方案推广到全球50余家纺织企业。
这些企业的共同点，不是“用了AI”，而是AI在他们身体里找到了一个具体的、疼了很久的位置。那家钢铁企业不是为了“拥抱AI”才上项目，是因为高炉配料和火焰判断这件事，靠老师傅的经验传承已经快撑不住了。
友达不是为了在PPT里写“智能体协同”，是因为342个场景一个一个抠出来，每个场景背后都有良率、能耗、停机时间这些硬指标在推着走。
反过来看那些“戴不住”的案例，问题也从来不在AI本身。
某银行为了拥抱AI，激进地采用纯Agent方案处理所有标准化客服查询。结果运营成本飙升3.2倍，多个Agent协同反而让响应速度变慢，大模型幻觉导致错误率增加30%，客户投诉不断。
红旗连锁2025年高调宣布机器人无人售货系统研发，公告次日股价涨停，一年多之后黯然终止，公告里写得很坦诚：技术适配和运维管理经验不足，算法稳定性、数据安全存在研究风险，机械臂抓取失误率高，视觉识别系统易出现偏差。
更早的教训来自大洋彼岸：IBM Watson Health投入超过40亿美元，最终以不到10亿美元贱卖；Zillow Offers因AI决策失误损失5亿美元、裁员2000人；Klarna用AI替换700名客服，15个月后重新招人。
把这些案例和日照钢铁放在一起看，分野不在于技术先进程度，甚至不在于投入金额。
IBM的算法不差，Watson在隔离环境中的诊断准确率相当高。问题在于，IBM把Watson当“工具”嫁接在既有的医疗流程上，医生的工作方式没有变，只是多了一个“建议系统”，而大多数医生选择忽略它。
RAND研究员的那句结论值得每一个准备“戴帽子”的老板抄在办公桌上：大多数AI失败不是因为算法不好，而是因为企业没有准备好让AI成功的组织基础。
企业花了90%的精力在模型上，但模型只占成功的10%。
帽子底下空着的那块地方
我越来越觉得，“工具思维”是这轮AI热潮里最温柔也最致命的陷阱。它让人产生一种错觉：AI是一个可以“加上去”的东西，像给旧房子装一台新空调，墙不用动，线不用改，遥控器一按，凉风就来。
但AI不是空调，它更像是一次装修，你得先决定哪些墙要拆，水电往哪走，人住在里面怎么活动。
如果你只是把一台最先进的空调搬进一间没有布线的毛坯房，它连电都插不上。
MIT NANDA的报告把这件事说得更直白：60%的企业评估了企业级AI工具，只有20%进入试点，最终只有5%到达生产环境。
大多数失败源于工作流程僵化、缺乏情境学习能力、以及与日常运营需求不匹配。
换句话说，不是AI没能力，是AI被放到了一个没有能力让它发挥作用的结构里。
数据是另一块空着的地方。有数据显示，85%的AI项目失败根源在于数据问题。
一家金融公司重金打造“业务分析师Agent”，结果内部各个数据库是典型的数据孤岛，指标定义混乱，Agent分析出来的东西结构都是错的，结论根本没法用。
你让一个再聪明的脑子去读一堆互相打架的账本，它输出的只能是更精致的混乱。
组织和人，是第三块空着的地方。长江商学院2026年对2016家规模以上工业企业的调研有一个细节很说明问题：实体企业的AI渗透率约为10%，但大企业采用率15.5%，中型企业9.1%，小企业只有5.4%。
中小企业不是不想用，是试错资源、数据基础、人才储备都不在一个量级上。而在已经用了AI的企业里，50%报告AI对岗位是“补充/增强”，31.4%感受到“替代”压力，真正发生的是任务重组，不是简单的裁人或增效。
这意味着，AI要落地，人的工作内容必须跟着变。但大多数企业的做法是：买个工具，发个通知，让员工“自己琢磨”。
一个习惯了Excel的老会计，你把他扔进一个AI系统里，他不会觉得被赋能，只会觉得被惩罚。
德勤的调研里还有一个数字我一直忘不掉：92%试点，8%看到财务回报，4%完成组织转型。4%和92%之间的那道沟，不是技术沟，是流程沟、数据沟、组织沟。
帽子可以一天戴上，沟却要一锹一锹地填。
不是“用不用”，是“从哪里长出来”
其实我不反AI，我只是反对把AI当成帽子来戴的那种做法。
友达的342个AI项目，每一个背后都有一个可以指认的产线痛点。它们的AI不是“加上去”的，是“换出来”的，用算法换掉了一部分靠经验硬扛的环节，用数据换掉了一部分靠人盯人的流程。
帽子戴上去风吹会掉，长出来的东西不会。
而那些踩坑的企业，往往在买工具之前没有回答三个问题：我到底要解决哪一个具体的疼？这个疼AI真的比现在的方法更划算吗？为了让AI起作用，我的流程、数据、人，需要先动哪一块？
答不上来，8000块的账号和80万的系统，结局是一样的。
AI当然值得用，但“值得用”和“适合你现在用”，是两个完全不同的问题。
一家十来个人的初创公司，最划算的AI可能就是一个写得好的提示词模板，而不是一套需要专人运维的智能体中台。
一家流程还没跑顺的中型制造企业，最该做的可能先把数据底子理干净，而不是急着上“AI原生”。
一家老板连自家客服最常被投诉什么都不知道的公司，买再贵的客服Agent，也只是把答非所问自动化了一遍。
风停的时候，帽子会掉，站在原地的还是原来那个人。
而真正跑出来的企业，风来的时候帽子只是顺手一戴，风走了，AI已经长在了产线里、流程里、人的日常判断里，摘不掉了。
这才是“拥抱AI”和“被AI拥抱”之间的区别。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App