叶海
运营管理
达里奥押注企业AI，规避社交AI成瘾隐患
一、必要性维度1，为AI而AI：脱离核心业务痛点，把AI做成面子工程。麦肯锡数据显示88%企业在用AI，仅6%实现盈利增长。2，误当管理救世主：期待全自动替代人类，结果组织排斥。Klarna裁撤700名客服后客诉激增。现阶段应坚持"人机协同"，AI提方案、人工决策复核。3，等待数据完美：总想等数据洗好再动手，结果永远在准备。应先用少量真实数据跑试点，边用边治。二、成本控制维度1，Token与算力无管控：智能体自主迭代让Token消耗几何级增长。Uber曾因5000名工程师启用Agentic编码，4个月烧光全年AI预算。67%企业AI项目首年基础设施预算超标。根源在于未设上限、无模型路由、无缓存策略。2，忽视隐性成本：只算API/硬件费（约30%），忽略数据清洗、流程重构、培训等隐性成本（约70%）。建议隐性成本按直接成本的2倍预估，做全周期ROI测算。3，盲目追新追大：非核心场景也上千亿参数模型，或各部门重复采购。文本分类、FAQ等场景用7B以下小模型+微调或RAG，成本可降90%以上。三、应用落地维度1，**数据进，**结果出：直接把杂乱、未标注的历史数据投喂模型。某制造厂AI质检训练只用白天照片，夜班灯光一变准确率从98%跌至72%。知识库建设不是搬运，是清洗+结构化。2，技术主导、业务脱节：项目全扔给IT，业务方不深度参与。供应商交付完就走，现场工人不会用、不敢用。必须由业务负责人牵头，设计人机交接阈值，建立误判回传再训练闭环。3，忽视安全合规与一次性部署：上线才想数据脱敏、决策追溯。上线即结束，遇数据漂移无人管。安全合规定为前置红线，需配套审计、兜底与持续运营机制。核心原则：小切口、真业务、算细账、人机协。选一个高频高痛点的单点场景先跑通，再放大。
发布于 广东
分享
评论
1
未登录
友善发言
评论
加载中
