IDC最近发了个数据：86%的企业买家计划用AI加速采购决策，80%准备用AI代理减少对供应商销售的依赖。数字很热闹。

但a16z的合伙人David George几乎同一时间说了句冷水话：实体经济几乎尚未开始采用AI。

一边是买买买的热情，一边是用不起来的现实。这个反差，我觉得值得聊聊。

采购热情和组织消化能力的错位

大多数公司现在的AI策略，本质上还是"采购逻辑"——选产品、谈价格、签合同、部署上线。这套流程在买传统软件时是OK的，买个CRM、买个OA，逻辑清楚，装上就能用。

但AI不是这样的东西。

你买的不只是一个工具，是一种新的决策能力和工作方式。问题不在于工具本身好不好，而在于你的组织有没有准备好去接住它。

"买了"和"接住了"是两件事

买一个AI产品，流程很简单：签PO、拿license、开个Kick-off会。但"接住"意味着什么？

意味着你的业务流程要调整，你的团队能力要升级，你的评估标准要重新定义，你的数据管道要打通。

我见过不少这样的情况：公司花大价钱买了企业级AI平台，半年后使用率不到15%。不是产品不好，是组织没准备好消化它。

卡在哪

组织接不住AI，通常卡在三个地方。

第一，管理层对AI能力边界的认知。很多管理者把AI想象成一个魔法盒子，觉得买了就能自动解决问题。期望拉得太高，落地时失望就大。AI擅长的是模式识别、信息压缩、辅助判断，但它不擅长理解你的业务上下文、处理你的组织政治、替你承担决策风险。期望错配是最大的隐性成本。

第二，流程的刚性。AI的工作方式和你现有的流程不一定兼容。AI需要数据流打通、需要决策权下放、需要快速试错。但大多数公司的流程是部门割裂、层层审批、零容错。AI在这种环境里，只能被当成一个"演示窗口"——用来生成周报、辅助写文档，真正核心的决策流程还是老样子。

第三，效果评估的维度。买了AI之后怎么评估值不值？很多公司用"省了多少人"、"省了多少钱"来衡量，这个维度太粗了。AI的价值很多时候体现在决策密度的提升、响应周期的缩短、信息盲区的减少。一个采购经理原来一周做3个供应商评估，现在能做15个，质量还提高了——这是真实价值。但如果你的评估框架只看"能不能裁人"，那就走偏了。

买之前，先看四件事

不是说AI不该买，而是买之前应该做一个组织准备度评估。

很多时候，销售方的demo很有感染力，效果展示很惊艳，管理层容易被"效果"打动。但真正的卡点不在产品效果，而在你自己的地基。

我觉得至少要看四件事：

数据就绪——AI依赖数据。你的数据散落在多少个系统里？质量怎么样？能不能拉通？大多数AI项目最终卡在数据上，不是算法不行，是数据不够或者太脏。

流程弹性——你的核心业务流程能不能改？如果流程完全刚性，那AI只能在边缘场景做锦上添花，进不了核心环节。买了个引擎，结果没路可走。

团队能力——不是说团队要会写prompt，而是团队里有没有能把业务问题翻译成AI可解决问题的人。这种"翻译"能力是当下最稀缺的。工具越来越强，但知道怎么用、用在哪的人始终稀缺。

评估框架——你打算怎么定义"用好了"？这个标准要提前定，不能事后拍脑袋。而且标准不能只有财务维度，要包含决策质量、响应速度、覆盖范围这些非财务指标。

大部分公司的现状

说实话，大部分公司现在的状态是：数据没准备好、流程没调整、团队没培训、评估没定义。然后就开始大规模采购了。

这有点像买了一辆好车，但路没修好、油没加、驾照也没考。

车是好车，但你开不动。

我觉得

AI采购热潮是好事，说明市场认知到了。但热潮之下，真正决定胜负的不是你买了什么，而是你能接住多少。

供应端不是问题——AI产品会越来越强、越来越便宜。真正的瓶颈在需求端，在组织本身有没有能力用好这些东西。

一个组织准备度不足的公司，买最贵的AI工具，结果就是吃灰。一个准备充分的公司，用最简单的AI工具，也能创造真实价值。

所以，与其把精力花在选哪个产品上，不如先问一个问题：我们准备好了吗？

这个问题很简单，但我觉得很多公司没认真想过。