我终于知道了AI落地为什么推不动
过去几个月的时间我花了很长时间的精力
来搞明白一个困惑我很久的问题
那就是：为什么模型能力如此强大的今天
AI在企业落地的程度 比起理论的能力1%都不如

最近我深入调研了2家企业
分别是一家位于LA的 旗下管理着1.5亿资产的
商业地产公司
我们采访了公司的老板@北美商业地产Tim
以及一家位于LA的知名人身伤害律所
我们采访了律所的合伙人

在与这两个公司的调研当中
我们发现：
AI的落地瓶颈早就已经不在模型的这一环
而是：信任 机会成本 以及对于AI技术边界的认知

拿我和tim的交流举例
我有问过tim有没有尝试用claude来自动化商业地产中underwrite的流程
每个case能够省下60-70%的时间
tim告诉我们：
“不是claude不能做 而是我们不相信他能做 underwriting这个流程非常重要
每个人有不同的细微判断
判断错了对于我们利润有直接影响
我们宁愿去付更高的价钱让人做 买个安心”

他还分享了一个我从没想过的blocker：企业的时间成本

他说
“我们不是没有尝试过AI
但是学习成本太高了
我们现在有两个deal都在进行中
每个deal的利润都是6位数的
之前我们算过账 AI一年最多给我们省6-10w
这还是我没算token的成本
学习成本还有效果不确定性的
我们同样的时间花在获客上
多做一单就把一年AI省的钱打平了”

而之后和律所的对话更是让我觉得
AI落地的路还有非常长的路要走
需要有adoption配套的底层infra

当被问到目前的律所助手的day to day中
有哪些重复工作流花费了大部分的事情
律所的partner的答案竟然是：我也不知道😂
我发现他们既不知道一线员工的SOP
也对于AI技术边界并不了解
使得他们急切的想拥抱新技术的同时
无从下手
只能依赖于FDE去大量的采访研究一线员工的流程
这个过程非常耗时且ROI未知

——————————————
我们不仅想写什么样的case做成了
还想去写下来什么样的case没有做成
因为从没有成交的case中
才能真正看到AI落地行业真正待解决的痛点和机遇

ai fde 大模型 大模型落地 ai落地