社区

企业正加速押注智能体平台，但问题也随之浮现：投入在增加，焦虑在放大，ROI始终难以说清。

在此背景下，爱分析与述信科技创始人彭圣才展开深度对话。述信深耕头部消费企业，累计交付200+项目，长期处在“业务一线+复杂交付+AI落地”的交汇点，对企业究竟该投入什么、能力如何沉淀，有更贴近现实的观察。

本次访谈重点讨论几个核心问题：AI焦虑的本质、企业应对路径、服务价值重估与人效跃迁等。

访谈核心观点如下：

“会不会用AI”不会成为个体之间的差距。当前的AI焦虑，本质上来自产品尚不成熟、复杂度被转移给用户。一旦产品能力完善，提示词工程等门槛会被消弭，个体之间不会因此形成长期壁垒。

企业应对AI的不确定性，核心是三件事：守住不变、局部试错、建立AI感。通过持续的AI项目落地，让组织逐步形成AI感，而不必纠结于单一项目ROI。

AI服务将成为主流。人效被指数级放大，服务具备规模化能力。AI让原本依赖顶尖人才的工作被大幅简化，普通人也能在体系与工具支撑下交付高质量结果。服务不再只是人天生意，而是可以规模化复制的能力体系。

企业竞争的核心正在从人转向Know-how的持续沉淀。模型会不断吃掉通用能力，但与业务深度绑定的经验、规则与隐性知识，会持续沉淀形成壁垒。真正的护城河，不是模型能力，而是被结构化、可复用的Know-how体系。

01 建立“组织AI感”比学提示词和量化ROI更重要

爱分析：你怎么理解智能体平台的价值？

彭圣才：智能体平台核心价值在于将提示词、上下文等复杂工程封装成标准化产品，让终端用户快速达成业务目标。

如今，有很多企业在培训怎么写提示词。其实，用户不应该去学习提示词工程。这些复杂度本应该由我们做产品的人去消化掉。我们要做的是把这些能力封装成一个体验足够好的产品，让用户只需要表达自己的目标就可以了。

从这个角度看，智能体平台就是模型之上的一层应用基础设施。未来会有大量应用长在模型之上，而这些应用一定有很多共性的能力，这些共性部分沉淀成智能体平台能力。

爱分析：如果提示词工程被产品消化，人与人之间的差距也就不在于谁更会用AI？

彭圣才：我觉得这件事长期来看不会成立。

现在大家的焦虑，很大一部分来自于我要赶紧学会用AI。但这个阶段，因为产品还不成熟，很多原本不该由用户承担的复杂度，被暂时转移到了用户身上。一旦产品成熟，这些东西会被吃掉。就像以前大家还会折腾手机系统，但后来系统成熟之后，没有人再因为更会用手机而形成差异。

所以对大多数人来说，无需把会不会用AI当成一个长期壁垒。短期可以接触、理解，但不需要过度投入，更不用因为这个产生很强的焦虑。

爱分析：很多企业也有同样的AI焦虑，怎么应对呢？

彭圣才：企业的焦虑，不是来自AI工具，而是来自不确定性。大家真正焦虑的是，在AI的终局形态下，这个行业会变成什么样，我还有没有位置。

在这个前提下，我觉得应对方式可以分成三件事。

第一是守住不变的东西。每家企业都有自己的核心能力，比如我们一直认为自己本质上是一家服务公司，那我们最重要的是理解客户业务、为客户创造价值的能力。

第二是在可变的部分里积极尝试。你不能坐等答案出来，而是要在当下去接触这些工具，去做一些局部的探索。哪怕工具还不成熟，这些尝试本身，也是在帮你理解未来。

第三是让组织建立感觉。很多企业现在只看项目结果，但更重要的是过程本身。你只有在日常持续接触AI，团队才会慢慢形成对它的理解。以前讲网感，现在也一样，是一种AI感。这个东西，不是靠一次项目能补上的。

爱分析：那是不是可以理解为，当前AI落地的进展对企业长期竞争壁垒的影响还没那么大？

彭圣才：至少在当下是这样的。终局还没出现，所以你现在做的很多事情，本质上是在探索。

这不代表可以什么都不做。更现实的方式是，在一些已经能看到价值的局部场景里先动起来。这些动作一方面可能带来一些业务收益。更重要的是，它在不断刷新你的认知，也在训练你的组织AI感。这些东西，反而是更长期的能力。

爱分析：现在企业在做AI项目时会强调ROI，但组织AI感很难量化为ROI。

彭圣才：这和过去一两年企业整体经营压力比较大有关，在预算受限的情况下，大家会更看重短期回报。但如果从终局去看，一个企业未来有没有位置，和你今天某个AI项目的ROI没有直接关系。

在可承受范围内，我反而觉得不需要过度纠结短期ROI。很多时候，更有价值的是你在这个过程中获得的认知、组织能力，以及对未来的判断。这些东西，才是真正决定你能不能走到下一阶段。

02 卖服务胜过卖产品，AI把人效拉满

爱分析：述信把自己定位为服务公司而非产品公司，是最近才有的吗？

彭圣才：这个定位从一开始就有。早些年SaaS很火，行业里流行的是PLG，也就是产品驱动的思路。我们不是这么走的，我们一直做KA客户，年营收10亿以上的消费类企业。在这个市场里，你很难做成一个纯产品驱动的公司，本质上就得是服务导向。只是过去大家会觉得，服务公司不够性感，规模化能力差，人效、利润率这些指标也不占优势。

AI出来之后，这件事情发生了很大变化。我们内部看，人效、利润率、规模化这些问题，都被明显改善了。

爱分析：指标改善是因为对人的要求下降了？

彭圣才：对，门槛被拉低了。以前你看像麦肯锡这样人效很高的公司，一个顾问一年可以做到几百万产出，但前提是你必须用非常顶尖的人，这种人本身就很稀缺，也很难规模化。

今天不一样了。在AI的加持下，很多原本需要专家才能完成的工作，被工具大幅简化了。你不一定要招一个麦肯锡级别的人，可能一个普通背景的人，在一套成熟的服务体系和AI工具的帮助下，也能做出接近的结果。这就让服务这件事，第一次具备了规模化的可能。

以前一个咨询顾问，价值的上限受限于他的时间。他一天能做的事情是有限的。但现在，一个在客户现场的人，如果他能理解业务，又有AI工具支撑，他可以贡献的产出是成倍增加的。他不只是出方案，还可以把方案拆解、推动执行、甚至直接参与系统改造和落地。这就意味着，同一个人，能创造的价值规模，和以前完全不是一个量级。不是简单的降本，而是产能被指数级放大。

爱分析：理解客户需求的人还是稀缺的吗？

彭圣才：是稀缺的，但结构在变。以前这种人更多在咨询公司，比如四大、麦肯锡这些地方。他们很擅长理解业务、和客户沟通，但问题是他们不具备落地能力。现在情况反过来了。这些人一旦有了AI工具的支持，加上一些基本的体系训练，可以直接参与交付。

以前他们可能卖的是人天、卖一份报告，一个项目十几万、几十万，但现在同样一个人，可以带动几百万甚至上千万规模的项目。这类人的产能被放大了。

爱分析：从人员的能力结构来看，哪些是AI能替代的，哪些是替代不了的？

彭圣才：和人打交道的能力，短期内很难被替代。很多时候，客户自己也说不清需求。我们更多是在理解业务，而不是简单接需求。这需要和客户不同层级的人反复沟通，是一个建立信任、逐步抽象问题的过程，这一块AI很难替代。

一旦这些信息被整理出来，后面的分析、总结、甚至洞察，AI都能帮很大忙。以前咨询顾问白天开会，晚上写纪要写到很晚，现在这些工作基本都被极大提效了。前端的沟通和理解，还是人的核心价值；后端的处理和生产，AI已经成为主力。

爱分析：述信内部已经有这种从需求到交付都能覆盖的人了吗？

彭圣才：我们一直都有类似的角色，只是以前没有AI的时候，这些人会非常累。他们在现场要和客户沟通，回去还要协调产品经理、开发团队，沟通成本很高，还容易出问题，导致返工多，人效和利润率都上不去。

现在变化很大，很多事情在一线沟通完，当场就能往下推进，开发和交付也更敏捷。我们现在有些百万级项目，一周内就能上线，这在以前是很难想象的。所以整体来看，是整个交付模式被重构了，人效和速度都有明显提升。

03 模型无法取代Know-how

爱分析：这种服务人才，需要提供什么样的基础设施来支撑？

彭圣才：用我们沉淀的Know-how来支撑前台同事。大概在今年年初之前，我们做的还是局部提效，比如写PRD、写代码、做架构，各个环节用AI去提速，但整体的软件工程流程还在。

今年以来，随着像Claude Code这类能力起来，我们开始把这些环节整合掉。原来那种分工不再必要了，一个人可以覆盖更多链路。对应的，我们也在做自己的内部系统，本质上就是把我们这些年沉淀的经验，直接内置进去。

爱分析：如何理解内置的过程？

彭圣才：我们做了200多个项目，这些项目基本已经覆盖了今天客户的大部分需求。过去这些经验是分散在方案、交付、运维里的，现在我们把它们统一抽象成一套内部的“本体（Ontology）”，你可以理解为一套持续演进的知识体系。

比如，客户在不同云环境上的运维方式，是有非常明确的最佳实践的。这些东西通用模型很难直接给你，但在我们这里已经是套路化的能力。再比如品牌客户做小程序，对像素级还原、跨设备兼容的要求，这些细节，也都是我们长期踩坑积累出来的。这些能力，一旦被结构化沉淀下来，就会变成我们内部系统的一部分，直接作用在交付过程里。

爱分析：长期来看，这些Know-how会不会被模型吃掉？

彭圣才：这是一个动态过程，而不是单向的。一方面，模型能力在变强，确实会不断吃掉一部分原本属于Know-how的东西，比如一些通用的技术细节。另一方面，我们在不断积累新的东西。尤其是和具体客户业务深度相关的那些知识，比如业务规则、组织流程、行业里的隐性约束，这些东西本身就是企业的核心竞争力，不可能被通用模型替代。

两条线同时在发生：一部分Know-how在被消解，但另一部分在持续沉淀，而且越来越深。我们内部一直在做的，就是不断往这套体系里加节点和规则，让它变得更完整。

爱分析：这些沉淀只发生在你们内部，还是甲方客户也可以做？

彭圣才：理论上，客户是可以的；现实情况是，大部分企业还没到这个阶段。因为这件事本质上是AI基础设施的投入，而很多企业现在还在纠结ROI，还没有进入到系统性建设的阶段。所以现在更多还是沉淀在我们这边。

我们希望长期能和客户一起沉淀的。因为从我们的角度看，沉淀越多，我们的壁垒也越深，这是一个正向循环。

爱分析：这种模式对述信的组织架构有什么影响？

彭圣才：变化挺大的。我们现在基本是事业部制，每个BU就像一个小公司，负责从客户到交付的全流程。中后台被压得很薄了，产研团队也非常精简。大量的Know-how是从一线交付中直接沉淀进系统里的，不再需要一个很重的独立研发体系。我们真正的产研是一个小团队在做前沿探索，比如新模型能力、新技术方向，然后快速内化到体系里。

你会看到，公司的核心资产已经从人慢慢转向沉淀下来的Know-how体系。人依然重要，但更重要的是，这些经验有没有被持续结构化、沉淀下来，并且不断演进。