《FDE案例100》方法论特辑 · No.12｜AI 落地的真正瓶颈是人：难度排序"人 > 组织 > 数据 > 技术"

一个所有人都会得出的排序#

我读《FDE案例100》的时候，发现一个特别有意思的现象：很多 FDE 互相不认识、做的行业也不一样，但最后都独立得出了几乎一样的结论。

那位国企案例的 FDE，直接把企业 AI 落地的难度排了个序：“人最难，其次是组织，再是数据，最后才是技术。”

他补了一句更狠的：“以前总说万事俱备差个技术。现在技术反而是没有那么难的部分。”

车管所那个案例也是。有人问他，这个项目最难的地方在哪？他答：“最难的是组织和规则，算法反而排在后面。”

你想想，这跟我们平时聊 AI 的画风是不是完全相反？我们张口闭口是模型、是 RAG、是 Agent，但真正做过项目的人告诉你——这些都不是瓶颈，人才是。

阻力一：员工怕被替代#

这个阻力最普遍，也最真实。

那位国企 FDE 说得很直白：员工一旦觉得组织用 AI 最终是为了替代自己，他自然不会主动把自己的经验、流程和知识全部告诉你。

你换个位置想想就懂了：让我把吃饭的本事全部交出来，然后 AI 把我的活干了——那我为什么要配合？

生物科技公司那个销售 AI 项目里，这个恐惧表现得最典型。你直接把一个 AI 工具扔给销售，他们第一反应不是”这工具真先进”，而是：“这东西是不是要替代我？公司是不是准备裁员？”

还有制造业的报价案例，员工的第一反应是担心自己是不是要被优化、系统上线以后还有没有位置、是不是要被调去不想去的岗位。

这些念头，一个都不高级，但一个都真实。

阻力二：部门不给数据#

第二个阻力，藏在”数据”这两个字后面。

AI 要发挥作用，就得吃企业最有价值的数据。但恰恰是这些数据，各个部门最不愿意交出去。

外贸礼品那个案例里有个细节：老板电脑里的合同、客户资料、产品文件，本身就是公司最核心的资产，有些东西他甚至不会给公司其他员工看，更不可能全部打包发给一个外部 FDE。

所以有时候”部门不给数据”，不是技术问题，是权限问题、是利益问题、是信任问题。

阻力三：利益格局被触动#

第三个阻力最微妙。

车管所那位 FDE 说：信息化、数字化、智能化一旦真正改变流程，就一定可能影响某些人的原有工作和利益。

他甚至提到一个特别细的场景：AI 自动审核跑起来以后，暴露出过去人工审核里存在的一些”放宽”。这时候问题从”模型能不能识别”变成了”识别出来以后应该怎么办”——技术团队拍不了板，因为这背后是业务量和合作关系。

你看，技术把问题暴露出来，但真正要动的是利益格局。 而这个，只能靠人去谈、去算账。

那怎么办：先破冰，再谈大词#

讲了这么多”难”，总得说点实的。

案例里破冰的手法特别一致，而且特别朴素——先帮一线解决一个小麻烦。

电商内容生产那个案例，FDE 一进去，没有跟员工讲”AI 转型”这种大词。他先观察员工每天在干什么。员工抱怨：每次生图都要写很长的提示词，生成完还有水印，还得再处理。

这些小事，对 FDE 来说可能就是弄个小工具、调个流程就解决的问题。但他把它做掉了。员工马上就能感觉到——你来这里，是真的能帮我少干一些重复工作的。

这就是破冰。关系建立起来了，你再跟核心人员把目标说清楚：AI 是来帮大家从低价值重复劳动里脱身的，让大家把时间用在更有价值的事上。

关键词是”脱身”，不是”顶替”。

那位国企 FDE 把这套逻辑总结成一句话：必须从”替代”切换到”助手”。而且他还补了很关键的一点——光靠话术不够，企业的人事制度、激励机制得跟上。 员工为什么愿意参与？AI 帮他把重复工作干完了，他接下来做什么？有没有业务增长？有没有晋升路径？有没有新的激励？

这些问题不回答，员工的恐惧就不会真的消失。这也正是我们下一篇要正面聊的事。

一句话总结#

技术决定 AI 能不能做出来，人决定 AI 能不能用起来；最难的从来不是模型，是坐在模型对面的人。

这是《FDE案例100》方法论特辑的第 12 篇。聊完”人是瓶颈”，下一篇我们就要正面回答一个问题：既然人和组织这么关键，那组织变更到底该怎么规划、怎么宣贯？岗位怎么调、考核怎么改？那是我们这组里的一篇重点篇，也是我个人觉得最”硬”的一篇，别错过。