AI都快成精了，为啥在公司里用起来还是那么“笨”？
作者 | liangw794525字 阅读时间7分钟
01
AI这把火，真是越烧越旺。从写代码、画画到写报告，感觉AI无所不能，智商简直爆表，有的甚至通过了图灵测试，让大家惊呼“AGI（通用人工智能）是不是要来了？”
但是，当我们兴冲冲地想把这些高智商的AI请进公司，让它帮我们干点正经活儿，尤其是处理那些有点技术含量、需要动脑子的业务时，是不是常常感觉……有点不对劲？甚至有点水土不服？
今天我们不聊那些高大上的技术名词，就来盘点一下在企业里应用AI时，常常遇到的五个让人挠头的“反常识”现象。你或者你的公司，是否也感同身受？
怪现象一：学霸干活儿像小白？
这AI考试门门通，问啥啥都懂，写个小作文、编个小段子那叫一个溜。可一让它上手处理公司的具体业务——比如分析个复杂的市场、给个关键项目的风险评估、或者制定个有深度的客户策略——它给出的东西，怎么感觉那么“飘”呢？要么是些正确的废话，要么是些不痛不痒的通用建议。蒙蒙外行还行，内行看了直摇头。
怪现象二：个人用得欢，组织没动静？
放眼望去，不少同事可能已经在偷偷用各种AI小工具（你懂的）来写邮件、找资料、润色PPT了，用得不亦乐乎。但奇怪的是，公司层面好像很少有“正规军”出动，很少看到把AI系统性地嵌入到核心业务流程里，变成大家工作必备的制式装备。这个现象不止于传统企业，我了解的一些互联网头部企业，AI应用也是员工个人行为多，组织整体推进少，“自下而上”特征很明显。AI咋就成了个人效率的外挂，而不是组织能力的引擎呢？
怪现象三：总在外围打转？
好不容易，公司下决心投了钱，上了个AI系统。结果发现，它干得最多的活儿，好像还是那些客服问答、信息分类、流程自动化的“边角料”。真正需要专业判断、经验积累的核心工作，比如产品设计评审、供应链决策、关键客户谈判策略，AI好像还是插不上手，只能在外围观摩。AI这把牛刀，为啥总被用来杀鸡呢？
怪现象四：对公司的“传家宝”视而不见？
公司能在江湖立足，肯定都有自己的一套打法、一些秘籍、一些踩坑换来的经验教训，这可都是传家宝。但AI好像对这些内部情报不太感冒，给出的建议还是基于互联网上的大路货信息。它好像读不懂的成功案例，也理解不了那些只可意会的隐规则和诀窍。为啥AI这个外来的和尚，总念不好咱们自家的经呢？
怪现象五：老法师们看不上？
按理说，那些经验丰富、处理复杂问题如家常便饭的老法师（资深员工、专家），应该是最能从AI高效处理信息中受益的。但现实往往是，他们对AI的辅助要么感觉“也就那样”，要么觉得AI给的建议太幼稚、甚至帮倒忙，最后干脆弃之不用。为啥这个号称要赋能的AI，反而先被专家们嫌弃了呢？
这些怪现象是不是让你也一头雾水？感觉AI这东西，潜力无限，但真要落到公司的具体业务上，好像总有点“使不上劲儿”的感觉。所以有人说，目前AI的最佳使用场景，只能是那些“没用的事情”，比如文娱创作，画个图，写个小说啥的，反正出错了也无伤大雅。但做“有用的事情”，正经干活，AI还是不行。
那这到底是为啥呢？我们暂时先抛开AI这个主题，聊聊企业里，甚至生活里，各种“知识”或者说“问题”本身的属性。 弄明白了这个问题，前面那些困惑，答案可能就呼之欲出了。
02
你可能要问了，“知识”还有啥属性？不就是你知道我知道，或者写在书上、存在电脑里的东西吗？
还真不完全是。我们可以粗略地把遇到的问题或者需要处理的知识分成三类：
1. 第一类：“良构”知识 (Well-structured) - 照着做就行
良构知识是那种目标特别清楚、步骤特别明白、对错一目了然的事儿。好比照着菜谱做番茄炒蛋，或者跟着宜家说明书装柜子，再或者在工厂流水线上拧螺丝。有明确的SOP（标准作业程序），一步一步照着做，基本上错不了。
这种知识，写下来容易，教起来也简单，甚至用现在不那么智能的电脑系统或者自动化设备，很多都能搞定。良构，就是结构良好，一板一眼。
企业是怎么总结良构知识，员工又是怎么学习和应用的？主要是靠建章立制，设计一堆SOP，然后培训宣贯。后来有了各类信息化系统的加持，这类知识更是被固化下来了，员工不执行都不行，否则流程推不动啊。
2. 第二类：“劣构”知识 (Ill-structured) - 只能靠“悟”
这是另一个极端。目标模糊不清，甚至互相矛盾；没什么固定套路和标准答案；充满了未知和不确定性。比如，“如何过上幸福的一生？”“如何赢得一场战争？”“如何进行颠覆式创新？”
这种问题，很大程度上依赖直觉、感悟、价值观、人生经验，甚至运气。很难用语言完全讲清楚，更别说写成标准流程了。这种知识很大程度是“只可意会，不可言传”，AI来了估计也得抓瞎，或者只能给点哲学层面的启发。劣构，就是结构很差，几乎没结构。
员工是怎么学习劣构知识的？组织层面能做的主要是推行师徒制，员工个人层面只能靠“悟”。口传加心授，在游泳中学游泳，在打架中学打架，慢慢积累经验。学习速度慢是慢了点，但没法子，劣构知识不可言说嘛。
3. 第三类：“半结构化”知识 (Semi-structured) - 最常见也最头疼的“中间地带”
好了，重点来了！我们在公司里遇到的大部分有点挑战性的工作，其实既没有那么良构，也没有那么劣构，而是落在一个“半结构化”的区间。这类知识有些啥特点呢？
目标大概清楚，但细节得随机应变： 比如，“搞定这个重要客户拿下订单”，目标明确，但具体怎么谈，得看客户反应。 有点“套路”，但又不能全靠“套路”： 可能有基本的原则或流程框架，但实际操作中总有各种情况需要你灵活判断、动态调整和酌情处理。比如你是采购人员，下周要开展一场与供应商的重要的谈判，该怎么准备和实施？谈判这种任务，要说它一点套路也没有吧（纯劣构），好像不能这么说。但你说咱就按照一个标准化流程去操作（纯良构）？那更不行。 信息不全，得靠分析： 你能拿到一些数据和信息，但往往不够完整，需要你去挖掘、去分析、去判断信息的真伪和重要性。比如销售人员要做销售预测，但客户不把自己排产计划给你，或者给你的数据常常不靠谱怎么办？这就需要你根据各类信息去拼凑，去“猜”：比如客户产品在下游市场的销售数据、历史同时间段的销售数据，物流伙伴和其他供应商的信息，客户产能建设和人员招聘的信息…… 没标准答案，有好坏之分： 解决方案不止一个，没有绝对的“对”，但有相对的“好”和“不好”，需要权衡利弊做决策。比如给产品定价、做设计评审、处理客户投诉、进行商务谈判等等。
瞧，这类知识有套路，但不能完全照搬套路；有规则，但又得灵活变通；有数据，但又得加上经验判断。 这就是半结构化知识的精髓，也是企业里最有价值、最难复制的那部分知识。
看到这里你一定在想，企业员工应该如何学习和应用处理“半结构化知识”？事实上，多数企业并没有发展出适用的方法。有些是把将半结构化知识简单视作“纯良构知识”：大事小事都弄出一堆规则、表单、流程，而且要求“留痕”。美其名曰“先僵化再固化后优化”，实际结果是严重伤害经营效率，一抓就死。
还有的企业干脆放弃，把半结构化当做“纯劣构知识”处理：“制度是死的，人是活的”，只要没有严格规定，员工做事情就随心随性吧。出了风险老板骂一顿“怎么这么笨！”，然后…… 就没有然后了。
如何沉淀、学习、应用半结构化知识，在前AI时代已然是企业经营管理和知识型员工能力发展的重要课题。遗憾的是，多数企业在这片广阔的知识领域上，有效的管理方法接近空白。
03
回到前文的主题。正是企业在系统性管理半结构化知识上的缺位，导致AI在实际应用中频频碰壁。
首先，通用AI模型天然缺乏对特定企业“微环境”的感知力。 它们通过学习海量数据掌握了语言和世界常识，但对于一家公司独特的业务逻辑、不成文的行业规则、关键决策时需要权衡的隐性要素、甚至特定岗位的工作诀窍——这些构成企业实际运行的丰富上下文——AI几乎是一无所知的。如果企业没有将这些半结构化知识框架（比如，某个岗位的核心决策依据是什么？评估风险要看哪几个关键维度？哪些流程节点有特殊的考量？）清晰地梳理并告知AI，AI就如同一个初来乍到的实习生，虽然聪明，却难以真正理解业务的细微之处和深层逻辑，它给出的建议或方案自然容易显得空泛、不接地气。
其次，AI难以从原始信息中自行“悟道”，有效学习宝贵的领域经验。 半结构化知识的真正价值，往往沉淀在那些经过实战检验的专家经验和隐性诀窍中。可惜的是，这些宝贵的知识通常散落在各处，并未被系统地记录和结构化。AI模型即便能阅读公司所有的文档、邮件和报告，也很难从中自动、准确地提炼出那些深藏其间、高度情境化的“真知灼见”。这就好比给AI一堆未经挑选和处理的食材，它很难自动烹饪出蕴含大厨心血的招牌菜。缺乏经过“精加工”、结构化的半结构化知识作为输入，AI的深度学习能力就如同无米之炊，难以掌握企业的核心竞争力知识。
进而，这也限制了AI参与那些需要“规则”与“判断”相结合的核心业务。 解决半结构化问题，恰恰需要将可形式化的规则流程与依赖经验的灵活判断巧妙结合。但如果企业内部对于哪里按规矩办，哪里需相机行事的界限本身就是模糊的，没有清晰的界定和结构化表达，那么AI就很难找到自己合适的角色定位。它要么试图用僵化的规则去应对所有变化，要么因为无法处理模糊判断而被挡在核心业务流程之外。人机协作的最佳结合点难以找到，接口模糊不清，AI自然难以向需要深度专业能力的企业核心环节渗透。
最后，这种能力上的局限，使得AI难以真正赢得资深专家的青睐，提供他们所需的高阶辅助。专家之所以成为专家，正是因为他们擅长运用“心法”和“招式”来驾驭复杂的半结构化局面。通用AI提供的基础信息或通用建议，对他们而言往往缺乏增量价值。AI若想成为专家的得力助手，就必须能够理解他们的工作方式和思维框架，在关键时刻提供精准、深度、甚至能启发思考的专业支持（比如，快速完成专家指定的复杂数据分析、校验专家容易忽略的风险点、或者生成有参考价值的备选方案）。而要实现这种深层次的“懂行”与默契配合，前提必然是企业已经将专家们运用的那些半结构化知识，进行了足够深入的显性化和结构化工作。
为了更深入地理解半结构化知识，我们不妨学习除经营管理领域外，人类其它专业领域的高手们是怎么学习和应用这些“既规范，又灵活”的知识的。下一篇，来聊聊一个古老又智慧的概念——“围棋定式”。
文中观点仅为作者观点，不代表本平台立场
