企业 AI 的集体 FOMO

AI 应用，尤其在编程等可验证场景，已经给个人带来了十倍效能提升。但这种个人层面的效率革命，并没有相应地转化为公司级的业务增长。这种落差，正在引发企业的集体 FOMO（Fear Of Missing Out）。

我们看到的典型场景是：

  • 开通了各种订阅，额度不限——公司给全员开通 Copilot、Claude 等服务，但没人说得清 ROI 在哪里
  • 员工刷榜比谁消耗的 token 多——账单越涨越高，业务指标却原地不动
  • AI 应用层出不穷，真正有用的没几个——Demo 好看、上线即死、Pilot 成功但规模化失败

McKinsey 2026 年的数据很残酷：62% 的企业在试水 AI Agent，但只有 23% 成功规模化。MIT 的研究更直接：95% 的生成式 AI 试点项目零可衡量 ROI，300-400 亿美元的企业投资基本打了水漂。

行业推波助澜下的真相

从 VC 到大模型公司，从传统软件厂商到咨询公司，都在推波助澜。但拨开喧嚣，几家行业先锋的观点反而值得仔细品味。

红杉资本：每花 $1 买工具，就花 $6 买服务

红杉资本 2026 年 3 月发表的《Services: The New Software》一文，给出了一个结构性洞察：

“For every dollar spent on software, six are spent on services.”

Gartner 2026 年的数据交叉验证了这一点：全球 IT 支出首次突破 6 万亿美元，其中 IT 服务占 1.86 万亿（最大单项），企业软件仅 1.4 万亿。加上专业服务市场的 10.5 万亿，工具和服务的比例确实是 1:6 甚至更高。

红杉更进一步提出了 Intelligence vs Judgement 二分法：

Intelligence（智力型）Judgement（判断型）
定义规则复杂但仍是规则——翻译、编码、填表、对账需要经验、品味、直觉——决定做什么、何时妥协、如何取舍
AI 替代进度已跨过自主完成门槛正在积累，但远未到位
商业模式Autopilot：直接卖工作结果Copilot：工具赋能人类判断

Intelligence 比例越高的领域，Autopilot 越早胜出。

这对企业 AI 落地的启示是：不要试图用 AI 替代一切。先把业务中的工作拆成 Intelligence 和 Judgement 两层——Intelligence 层交给 AI 自动化，Judgement 层留给人来把控。

红杉在 2026 年 1 月的另一篇文章《2026: This is AGI》中补充道：AGI 的定义也许仍有争议，但从商业功能看，功能性 AGI 已经出现。红杉把 AGI 简化为一句话：the ability to figure things out——能把事情琢磨出来、做出来。

关键变化在于：long-horizon agents 正在跨过门槛——它们不只是回答问题，而是能够围绕目标持续行动、犯错、修正、继续推进任务。AI 已经从 talkers 变成 doers。

大模型公司的行动：从模型到交付

OpenAI 推出的 OpenDeploy 和 Anthropic 在企业服务方向的积极布局，指向同一个方向：大模型公司不再满足于提供模型 API，而是开始向下游延伸，切入交付环节。

模型越好，交付越重要。因为客户买的从来不是模型能力，客户买的是用模型解决自己的业务问题。这也是为什么 OpenAI、Anthropic 都在构建企业级部署和 Agent 编排能力——模型最终要通过工作流才能产生价值。

传统软件公司的拥抱：从工具到 AI Worker

传统软件公司为了避免在 AI 革命中被边缘化，也在积极拥抱大模型。但神策数据桑文峰的观点很尖锐：

通用 AGI 不是企业 AGI。把通用 AGI 转化为企业可用、可控、可管理、可交付的组织智能，正是下一代软件公司的机会。

通用 AGI 解决的是智能能力问题，企业 AGI 解决的是组织工作问题。企业不会因为接入 AGI 就自动变成智能组织，就像过去买了 BI 不会自动变成数据驱动组织，买了 CRM 不会自动变成客户经营型组织。

桑文峰提出了 Mini AGI 组织的概念，核心是两个世界模型：

  • Company World Model：企业运作需要的一切关键知识——战略、产品、组织、流程、客户案例、服务方法、业务规则、历史决策
  • Customer World Model：关于客户的一切——客户是谁、需求是什么、行为如何变化、有哪些增长机会、什么动作有效

这两个世界模型共同成为企业运作的中心。过去信息分散在无数系统、文档、会议、邮件和人的脑子里；未来世界模型成为组织的信息中心、认知中心和协同中心。

咨询公司的范式转移：Plantiar 的本体论与 FDE 交付

以 Plantiar 为代表的新型咨询公司，正在抓住软件范式变更的机会，推动行业级的大模型本体论和 FDE（Feature-Driven Execution）交付模式。

传统咨询卖的是报告和人天，FDE 模式卖的是可执行的 AI 工作流——咨询顾问的经验被结构化成本体论，AI Agent 基于这个本体论直接交付工作结果。这和红杉的判断高度一致：software 不是简单替代 service，而是开始把 work 本身产品化。

如何实现真正的企业级 AI 应用

说了这么多问题和趋势，企业到底应该怎么做？答案不是推翻重来，而是融合进化。

核心原则是：从业务出发，理解已有系统，用融合的方式建设 AI 应用，而不是用 AI 否定一切。

策略一：软件的壳保留，核心用大模型重构

企业过去几十年沉淀的业务场景、用户习惯、流程制度，这些是 Judgement 层的宝贵资产，不应该被 AI 推翻。保留"软件的壳"——界面、工作流、权限体系，但把内部的核心处理逻辑用大模型进行重构。

比如：

  • 报表系统还是那个入口，但背后的数据提取、计算、异常识别交给 Agent
  • 投放管理平台还是那个界面，但预算分配建议、素材效果归因由 AI 完成
  • CRM 还是那个系统，但客户洞察、增长机会识别由 AI Worker 持续产出

BCG 的 10-20-70 法则说的就是这个道理：10% 模型 + 20% 技术 + 70% 人和流程。AI 落地的瓶颈从来不是技术，是组织。

策略二：引入 Agent Copilot，复用企业沉淀的 API 和服务

不要迷信"纯 AI 原生"的神话。企业过去沉淀的 API、微服务、数据管道，这些都是经过生产验证的资产。Agent Copilot 应该调用这些服务来提升精确性，而不是一切从零生成。

神策桑文峰提到的 AI Growth Team 就是这个思路：它不是一个聊天机器人，也不是在 BI 里加一个问答框，而是一组围绕增长目标工作的 AI workers。它们可以持续完成客户洞察、增长诊断、策略生成、动作配置、运营执行和反馈优化——背后调用的是企业已有的 Customer Data Platform 和分析能力。

人类角色的转变也很关键：从亲自完成所有工作，变成管理一组 agents。设定目标、定义边界、审批关键动作、评估业务结果——这就是 Jack Dorsey 说的 Player-Coach 角色。

策略三：SaaS 订阅和定制开发不再是问题，AI 大大降低了建设成本

过去企业 IT 建设的最大矛盾是：SaaS 标准化但不够灵活，定制开发灵活但成本高、迭代慢。

AI 改变了这个等式：

  • 标准 SaaS 可以接入 Agent Copilot，获得个性化的工作流能力
  • 定制开发可以用 AI 大幅降低编码和维护成本，一个人可以交付团队级的工作量
  • 更重要的是，商业模式可以从订阅费/人天费，转向按工作交付、按结果分成

红杉总结了三种软件公司的命运：

  1. 被 AGI 吃掉的软件公司：只提供界面、工具、报表，没有领域深度，也没进入客户工作闭环
  2. 被 AGI 调用的软件公司：拥有稳定的数据、API、权限、流程，成为 Agent 的工具层和执行层
  3. 驾驭 AGI 的软件公司：把模型能力、领域知识、业务对象、工作流程、数据反馈和组织治理结合起来，直接帮助客户交付工作和结果

真正有前途的是第三类——它们不再只是 SaaS 公司，而更像 AI-native work company。它们卖的不只是 software，而是 software-powered work。

结语：从卖工具，到卖工作量，再到卖结果

企业 AI 落地的路径，本质上是商业模式的演进路径：

卖工具 → 卖工作量 → 卖结果
  ↓        ↓          ↓
License   AI Worker   按价值定价
订阅费    按交付付费   按结果分成

过去客户购买软件，然后组织自己的人去使用软件、分析数据、制定策略、执行动作、追踪结果。未来，客户会越来越希望直接"雇佣"一组 AI workers，让它们围绕某个业务目标持续工作。

这个变化不会一夜之间完成，也不会在所有场景同时发生，但方向已经清楚。

对于企业来说，AI 不是一场要追赶的潮流，而是一次重新思考工作本质的机会。哪些工作是 Intelligence，可以自动化？哪些工作是 Judgement，需要人来把控？如何把两者结合，形成持续进化的组织智能？

回答好这些问题，FOMO 就会变成真正的业务增长。

参考资料：

  1. Julien Bek, “Services: The New Software”, Sequoia Capital, 2026-03-05
  2. Pat Grady and Sonya Huang, “2026: This is AGI”, Sequoia Capital, 2026-01-14
  3. 桑文峰, “AGI is coming，还需要软件公司吗？”, 2026-05-13
  4. McKinsey Global Survey on AI, 2026
  5. MIT Sloan Management Review, “The State of Enterprise AI Adoption”, 2026