小米出事与AI泡沫

我爱免费

作者：微信文章
严肃声明：本人绝非“有组织的”黑小米，纯属个人行为。最近被雷军的营销视频刷屏了，比如“比一元钱硬币还要薄”。

嗯，是的，如果姚明躺着，我比姚明还要高。然后，小米又出事了。

官方还没有认定最终的责任，但是，网上对雷军却已经是一片口诛笔伐。
核心原因还是雷军太擅长营销了，比如“200公里时速瞬间刹停”。

“瞬间刹停”当然没有一个客观的标准，但是懂车帝实测下来，小米SU7的制动性能（刹车）也确实没有雷军宣传的那么夸张。

如果是手机这种商品，过度营销倒没有致命影响。但是汽车出事是要命的，过度营销当然会遭受反噬。某公司说大家在“有组织的黑小米”，就像某些人批评我“唱衰了”软件行业，是一个道理。在这一点上，雷军和AI泡沫特别像：都太心急了。昨天，一家上市公司的粉丝给我发了一个截图：他们AI产品负责人的述职报告。出于隐私考虑，截图我不能放出来，但大意是2点：1）AI看起来很专业，但实际工作却帮不上忙2）AI理论上哪里都能用，但实际能落地的场景却很少这家公司很有代表性：年初轰轰烈烈要搞AI转型，上马了一堆AI项目，但基本都失败了。原因主要有3点：1）场景：AI很牛，但并非万能，找到适合落地的场景不容易适合AI落地的场景有2个必须的条件：一是容错率高，二是人力密集型。但是在大部分企业的核心业务流程中，能找到多少这样的场景？2）成本：找到了场景，还要投入巨大的成本一位SaaS公司CEO告诉我，他们推了2年AI产品，发现效果很差。核心就是客户的信息化基础太差，知识库的梳理非常难。另一位大厂业务负责人也在软件群说：我发现，AI落地最大的工作量居然是梳理文档。另外，AI的特长是灵活，但是企业业务往往要求严谨，这两者之间的鸿沟，就必须通过工程化来弥补。我和多位AI创业者沟通过，他们都坦言：一个可用的Agent，工程化工作至少超过50%。这些巨大的工作量，很多企业都承担不起。3）价值：哪怕落了地，价值也往往达不到预期比如一位Agent产品负责人就告诉我，他们做了很多AI项目，但是客户反馈都一般。这里面既有场景的问题，比如本来客服的进线量就不大，AI提升的空间就有限，用户感知不强。也有AI落地的问题：做到60分容易，做到90分却很难。但现在企业对AI的期望普遍都是100分。在我看来，AI技术本身没有泡沫——绝对是一项划时代的技术创新。真正的泡沫在于：AI的落地，是一个长期的过程。但是在AI厂商、AI自媒体的口中，它却变成了“马上要颠覆世界”、“再不转型就来不及了”。在这些不负责任的鼓吹中，很多企业开始轰轰烈烈的搞“AI战略”，甚至早早定下了“AI裁员”的目标。最终，AI项目失败，AI系统成为摆设，裁的员工又重新招回来，一地鸡毛。我建议：企业对于AI的投入，应该抱着持续、但谨慎的态度。尽量采用市面上成熟的产品。让大厂、专业的AI公司去找场景、去试错。尽量从小的试点开始，承认失败的风险，不要动不动就是“AI转型”、“AI裁员”。尽量从一些简单的提效工具用起，比如智能表格、AI会议纪要。不要一开始就对AI抱有太高的期望。从我了解的情况来看，AI还处于早期，高价值的场景还很稀缺，落地的难度也很大。除非我们是软件公司，否则没必要过于激进。最重要的是，保持耐心，打一场AI的持久战。短期来看，AI的泡沫还很大，但是长期来看，红利期还很长。最后，欢迎添加我的个人微信（请勿重复添加），申请加入中国最大的B端产品经理微信群，领取B端产品资料大礼包。

欢迎了解我亲自主理的产品星球，【三天无条件退款】，点击领取优惠券：《独家B端产品课程，仅 2 元/小时》