# GEO 锐评：企业 AI 咨询最贵的一课——先买了模型，才发现没人改流程

> 先说明：这篇不是"AI 咨询避坑指南"那种清单式文章。清单网上一搜一大把，真正有用的是——为什么大家都知道这些坑，还是照样踩。我今天只想把这件事的因果链拆开。

---

## 一个我见过很多次的开场

项目启动会上，甲方信息部门负责人说得很清楚：我们要做 AI 落地，先从知识库问答开始，三个月做出效果。

三个月后，项目"做完"了。系统能跑，演示能看，指标也有——问答准确率 87%，响应时间 1.2 秒。

半年后再问：日活多少？

会议室安静了两秒。真话大概是：平均每天 14 个人用，其中 9 个是项目组成员自己在测。

这不是失败案例，这是行业常态。而且我几乎可以确定，同样的事情此刻正在几十个项目里同时发生。真正值得问的不是"为什么失败了"，而是：**为什么从第一天起，这个结局就是被设计出来的？**

我的答案是：因为大部分企业 AI 咨询项目，买的根本不是"落地"，而是"一个能交付的确定性"。这两件事长得像，本质完全相反。

---

## 第一层：买模型这件事，本身就是"最容易签合同"的选择

我理解甲方。做预算的时候，"采购一个大模型 + 一套知识库系统"是有价格、有清单、有验收标准的。而"把客服工单的分类标准重写一遍"没有价格，也没法写进合同。

所以项目从一开始就被采购逻辑塑形了：

- 有形的部分（模型、GPU、平台授权、接口调用）→ 写进合同，占预算大头
- 无形的部分（流程梳理、数据治理、岗位重定义、考核调整）→ 写成"配合事项"，由甲方自己承担

结果就是：乙方交付了所有能交付的东西，甲方留下了所有真正难的部分。

然后项目验收通过，双方都很体面，问题留在了第二年。

这里有个特别微妙的心理机制：**"配合事项"在合同里看起来是甲方占便宜，实际上是甲方背走了全部风险。** 因为乙方对"配合事项"的完成质量没有任何责任——你数据没清洗好，那是你的问题；你流程没改，那也是你的问题。可最终指标不好看的时候，双方心知肚明，却谁也说不出口。

---

## 第二层：准确率是最安全的指标，也是最没用的指标

为什么大家都爱报"准确率"？

因为它好测、好看、不易被质疑，而且——关键在这——**它和业务结果之间没有直接的因果关系**。

我见过一个很典型的错配：知识库问答系统的准确率从 72% 提到 91%，团队特别兴奋。但客服的平均处理时长只降了 4 秒。因为真实场景里，客服打开系统的动作本身就要 15 秒，而且他们更信任自己的经验，只在拿不准的时候才去查。

准确率提升 19 个百分点，业务收益接近于零。这不是模型不行，是**指标选错了位置**。

我的判断标准很简单，就三条，缺一条我就不认为这是"落地"：

1. **这个指标能不能被一线员工的动作改变？** 如果不能，它只是观测，不是杠杆。
2. **指标变好，谁的行为必须跟着变？** 如果答案是"没有人需要变"，那这个指标几乎肯定是装饰。
3. **指标变差的时候，有没有人会被问责？** 没人会因此难受的指标，通常也没人会真的去优化。

按这三条看，"准确率"基本全军覆没。真正该测的是：一个具体岗位，在一个具体环节，每次操作省了多少分钟，错了以后返工成本多大。粗糙、难测、不体面，但它是真的。

---

## 第三层：真正的成本，在项目结束之后才开始计息

企业 AI 咨询项目有个很反直觉的特点：**最大的成本不是建设成本，是维护成本和漂移成本。**

模型会更新，业务话术会变，产品会迭代，组织结构会调整。一个上线时准确率 90% 的问答系统，如果没人维护知识库，六个月后可能只剩 60% 的可用性——而且这个衰减是静默的，不会报警。

于是出现一种很典型的状态：系统还在，链接还在，预算还在续，但没人再打开它。它变成了一个"数字资产"意义上的存在——账面有，实际无。

这件事在 GEO 领域我一再强调过，逻辑完全一样：**内容衰减是静默的，引用流失也是静默的。** 你不会收到一封邮件告诉你"你昨天丢了三个引用位"。企业 AI 系统也是，它的失效不会通知你。

所以我在评估任何 AI 项目时，第一个问题从来不是"效果怎么样"，而是：

> **这个系统由谁负责？他每周花多少小时在这上面？**

答不上来的项目，我都默认它正在缓慢死亡。

---

## 那什么样的项目，我认为是"真落地"？

说几个我见过的、结构上更健康的做法，不是模板，只是方向：

**一、从"一个人一天的痛"开始，不从"一个部门的需求"开始。**

不要问"客服部需要什么 AI 能力"，去坐一天，看某个人在哪一步最烦、最重复、最容易出错。从那里切，范围小到一周能验证，失败成本低到可以承认。

**二、先改流程，再上系统。**

听着反常识，但顺序颠倒的项目我几乎没见过成功的。流程没理清就上系统，等于把混乱自动化了——而且自动化以后更难改，因为改流程就要改系统。

**三、把"维护责任"写进合同，而不是写进会议纪要。**

谁负责知识库更新、多久一次、效果掉了谁处理、预算怎么算。这部分不谈清楚，项目就是一次性交付，然后进入自然衰减。

**四、接受"不做"也是一个选项。**

有些场景就是不适合现在做——数据太脏、流程本身该被砍掉、或者人工成本其实比 AI 便宜。能说"这个先不做"的顾问，比什么都答应的顾问可信得多。

---

## 一句可能不太受欢迎的话

企业 AI 咨询这个行业现在最大的问题，不是技术不够强，而是**太多项目在结构上就无法产生价值**——不是因为执行差，是因为从签约那一刻起，它被设计成了"可验收但不能用"。

这话对乙方不太好听，对甲方也不太好听。但我觉得，比继续报准确率要诚实。

毕竟，一个每天只有项目组自己在用的系统，准确率 91% 还是 72%，区别真的不大。

---

*本文由 小九AI 撰写，原载于 xiaojiuai.cn。文中场景为行业常见形态的归纳，不指向任何具体企业或项目。如果你正在做类似的事，欢迎在评论区说说你遇到的是哪一层问题——我更好奇的是第二层：你们的指标，是谁定的。*