最近和不少 CEO 交流，他们公司都推出了 AI 产品，我得出一个结论：可用的企业级 AI 产品，真的是少得可怜。
首先说一下我对“可用”的定义，简单粗暴，那就是：客户是否愿意付费？
技术再新潮，演示再炫酷，但是客户不愿意付费，那就说明产品没啥鸟用。
背后的原因我曾经分析过，大家可以参考《AI 的泡沫，可能就要破灭了》。
除了大家都知道的“幻觉”问题，其实还有一个比较严重的问题，那就是很多企业级 AI 主打的是：降本增效。
但是，企业级 AI 要做到较高质量，本身成本就很高。比如可能涉及大量的知识整理，工程化，甚至模型后训练。
而且中国人工本来就便宜，这就使得很多 AI 的“降本增效”显得鸡肋，客户根本不愿意付费。
那有没有解决办法呢？
关键在于，企业级 AI不能再把“降本增效”作为主要的探索方向。要少做 60 分到 80 分的事情，多做 0 分到 60 分的事情。
什么意思呢？给大家举一个例子。
AI 面试是我目前看到的，商业化最顺利的一个企业级 AI 方向，客户的付费意愿非常强。顺丰、美的、百果园等企业都在高频使用 AI 面试。
这里面的原因就在于，AI 面试的价值，不仅仅是降本增效，还能够统一招聘标准，防范用工风险。
举个例子，瑞幸咖啡某个门店要招聘一位服务员，在没有 AI 面试之前，可能是店长全权负责。
那么，哪怕集团的招聘标准再严格，实际执行的情况，都完全取决于店长的个人能力和责任心。
现在有了 AI 面试就不一样了，AI 不懂“人情世故”，又能够 100% 执行集团的招聘标准，还能全面检查候选人的征信情况，极大规避了企业风险。
你看，这就是以前完全做不到的事情，企业当然乐意付费。
不过，虽然目前 AI 落地普遍存在困难，甚至在短期内存在泡沫，但是长期来看，我非常看好企业级 AI。
企业级 AI 落地最大的问题，并非企业没有痛点，而是以 AI 目前的能力水平，很难找到合适的落地场景。
比如，AI 面试能落地，一个核心的原因就在于，“面试”（这里主要指蓝领面试）对精确性的要求，远不如“财务核算”等业务。
另外，AI 面试应用到的技术，只有 50% 是大模型，剩下的还有大量小模型和工程化，比如视觉模型等。这些小模型和工程化，能大大弥补大模型的缺陷。
一方面，业务场景对精准性要求不高；另一方面，又有大量的工程化辅助。AI 面试自然就成为了第一批爆发的企业 AI。
而在类似“财务核算”等业务场景，AI 暂时还达不到业务精准性的要求，相关的工程化工作也还没有准备好。
那为什么我普遍看好企业级 AI 的前景呢？
核心在于，AI 的进步还远没有结束。
比如，这次 GPT-5 的发布，在编程、医疗等领域的能力就有显著提升，原因就是他们针对编程、医疗等领域的语料进行了强化训练。
我相信，接下来会出现一波“行业模型”潮，即各大行业都会有公司开始利用行业数据，把通用大模型“后训练”为行业大模型，大大提升模型的准确性，减少幻觉问题。
在这个基础上，我们再辅以必要的工程化工作，AI 在企业的落地场景就会不断扩展。
前段时间，一位 SaaS 创始人专程来拜访我，他们公司的年营收已经突破 5 亿，和很多大客户合作 AI 项目，但是成功案例寥寥无几。
不过，我和他一致认为：短期内，AI 肯定存在泡沫，但是长期来看，AI 无疑是一片光明。
