不要用 AI 做过去二十年人做的事

企业用 AI，最值得做的不是把人干了十多二十年的活做得更便宜，而是做人做不到的事、做对客户有价值的事。

劳莘有一句话，可以当作评估任何 AI 项目的第一道筛子：「不要用 AI 去做过去十多二十年人做的事，要去做人做不到的事、要做对客户有价值的事。」

这句话听起来像口号，拆开看是三层递进：先别做旧活，再找人做不到的，最后落到客户价值。

为什么不该拿 AI 去做旧活？

因为替代已有劳动，是 AI 价值里层次最低的一种。

这并不是说降本没有意义。降本是现金流的来源，也是企业学习 AI 的入口，从这里起步并没有错。问题在于，如果 AI 议程只剩降本，企业得到的是一个所有人都能得到的结果。

同一类 AI 能力，竞争对手也买得到。大家都把同样的事做得更便宜，最后价格被拉平，企业自己的位置并没有变。

还有一个容易被忽略的副作用：AI 的成本越低，无效的应用越容易被大规模生产出来。投入很多，经营改善有限，这是很多企业的真实处境。

所以第一个动作是减法：看一眼手头的 AI 项目清单，有多少是在给旧流程提速。这些项目可以做，但不能把它们当成 AI 战略。

什么叫"人做不到的事"？

先澄清一个误解。"人做不到"不是指某个技术指标超过人类，而是指过去无法满足的价值。

AI 真正改变的，是四种成本：智能成本、信息成本、协调成本、创造成本。它不改变的，是人的欲望、市场交换，以及企业创造价值的本质。

这就把问题换了一个问法。不问"AI 能做什么"，而问：成本变了之后，哪些过去无法满足的价值，现在成为可能？

过去无法满足，通常只有几种原因：太贵、太慢、太复杂，或者客户自己都还没有意识到自己需要。

• 太贵：以前只有少数人负担得起的服务，成本下降后，可能可以面向更多人。
• 太慢：以前等不起的响应和判断，可能可以在当下完成。
• 太复杂：以前人脑和人力协调不过来的事，可能可以被系统组织起来。

飞机不是更快的马车。如果只拿 AI 去优化旧流程，企业看到的永远是旧世界；真正的新增长，来自重新定义客户的问题。

为什么必须落到"对客户有价值"？

因为"人做不到"本身不是价值。做得到但没人要，同样是浪费。

很多技术团队的习惯是从模型能力出发，反推能用在哪里。能力清单越长，越容易忘记客户为什么付钱。

FDE 方法的第一原则正好相反：从未满足的欲望开始，而不是从已有能力开始。

这里的"欲望"不等于客户嘴上提出的需求。很多重要的创新，来自客户自己还没有意识到的价值。企业家要做的不是听见客户，而是看见客户尚未表达的价值。

AI 可以帮这个过程扩大研究规模、做语义分析、推演多种情景，但判断哪一种价值值得创造，仍然是人的事。

从哪里找到这样的机会？

不是从技术清单里找，而是从企业自己手里的东西找。

AI 本身不是竞争优势。AI 能力乘以企业独特的资源，才可能形成新的核心竞争力。这些资源包括用户关系、行业知识、数据、流程、组织能力、品牌和生态。

这意味着，同样一个"人做不到"的方向，对不同企业的可行性完全不同。别人有的 AI 能力你买得到，别人没有的用户关系和行业知识，才是你做这件事的底气。

所以找机会的顺序是：先看自己有什么别人没有的资源，再问这些资源和 AI 结合后，能满足客户哪一种过去满足不了的价值。每一次 AI 应用，最终还应该沉淀为企业自己的组织能力，而不是一次性的项目。

怎么把这条原则用到自己的企业？

可以用三个问题过一遍每个 AI 项目。

第一，这件事过去有没有人在做？ 如果有，它大概率属于降本。可以做，但要诚实地给它定位，不要包装成战略。

第二，AI 改变了哪一种成本，让它从"做不到"变成"做得到"？ 答不出来，说明这个项目的前提可能是技术驱动，不是价值驱动。

第三，客户会不会因此改变选择，甚至愿意为之付费？ 这个问题不能靠会议室里的讨论回答，要拿到真实场景里验证。

第三个问题尤其关键。一个想法在 PPT 里很动人，不代表它在真实用户、真实流程和真实经济条件下成立。需要做的，是用最小成本，去验证关键假设是否成立；如果不成立，也是有价值的结论。

一个判断

AI 带来的上半场是生产率：把已有的事做得更便宜。更大的机会可能在下半场：让过去太贵、太慢、太复杂的价值，变得可以获得。

企业不需要拒绝降本，但不应该只停在降本。

下一次评审 AI 项目时，不妨先问一句：这件事，是人过去二十年一直在做的吗？如果是，它离"创造新价值"，可能还差一步。

—— 锐智 iKRC 是开锐咨询的 AI 企业服务品牌，提供 AI 转型战略咨询与 FDE 驻场交付。想评估贵单位从哪里切入 AI，欢迎预约沟通。