惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

量子位
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
博客园_首页
AWS News Blog
AWS News Blog
阮一峰的网络日志
阮一峰的网络日志
Vercel News
Vercel News
C
Cybersecurity and Infrastructure Security Agency CISA
P
Proofpoint News Feed
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
T
Tailwind CSS Blog
PCI Perspectives
PCI Perspectives
Application and Cybersecurity Blog
Application and Cybersecurity Blog
博客园 - 叶小钗
IT之家
IT之家
V2EX - 技术
V2EX - 技术
Cloudbric
Cloudbric
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
宝玉的分享
宝玉的分享
Know Your Adversary
Know Your Adversary
爱范儿
爱范儿
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
S
Schneier on Security
博客园 - 【当耐特】
G
Google Developers Blog
S
Security @ Cisco Blogs
N
Netflix TechBlog - Medium
T
Tenable Blog
C
Check Point Blog
The Cloudflare Blog
J
Java Code Geeks
The Register - Security
The Register - Security
Google Online Security Blog
Google Online Security Blog
Security Latest
Security Latest
T
Tor Project blog
T
The Blog of Author Tim Ferriss
S
Security Affairs
S
Securelist
P
Privacy & Cybersecurity Law Blog
Security Archives - TechRepublic
Security Archives - TechRepublic
P
Privacy International News Feed
博客园 - 三生石上(FineUI控件)
D
DataBreaches.Net
N
News and Events Feed by Topic
Hacker News - Newest:
Hacker News - Newest: "LLM"
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
A
About on SuperTechFans
G
GRAHAM CLULEY
Jina AI
Jina AI
Spread Privacy
Spread Privacy

宝玉的分享

从零开始玩转循环 (Getting started with loops) 为啥 Codex 还不推出类似 Codex Design 的产品? DeepSeek 的 10 万亿美元大战略 来自 Codex 官方团队的分享:如何把 Codex 用到极致 为什么我不“凭感觉编程” 创始人手册:打造 AI 原生初创公司 Forward Deployed Engineer:AI 时代的新宠岗位,到底干什么? AI 时代到底该怎么管一个工程团队 为什么资深开发者讲不清自己的专业能力 Codex 的野心,MCP 和 Skill 的下一步 裁员潮将持续,直到我们学会发掘 AI 的商业价值 机器人的终局:英伟达 Jim Fan 宣告 VLA 时代结束,WAM 登场 深度拆解:AI Agent Harness 的构造 使用 Claude Code:HTML 难以置信的奇效 Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话:Claude 为什么一直限速? Boris Cherny:Claude Code 之后,写代码正在变成“管理 Agent” Demis Hassabis:AGI 还缺什么,智能体到底行不行,下一个科学突破长什么样 深度拆解 Hermes Agent 的记忆系统:它如何修正 OpenClaw 的误区 Karpathy 最新访谈:Vibe Coding 只是开始,真正重要的是 Agentic Engineering AI 的经济账根本算不通 为 Agent 设计产品 Cat Wu 面试了几百个 PM 候选人,几乎没人答对一个问题:AI 产品经理到底应该干什么? 两小时激辩:黄仁勋为什么不怕 TPU、不怕华为、不怕出口管制? 设计圈的 Claude Code 时刻来了 使用 Claude Code:会话管理与 100 万 上下文 Vibe Coding 是中年男人的钓鱼 为什么你的"AI 优先"战略可能大错特错? “多智能体协作指南:五种主流模式怎么选、怎么用?” 访谈|Codex 团队如何用自己的产品构建产品——整个 Spec 只有 10 个要点 Claude Code 省 Token 指南:慎用 1M 上下文,不开新会话或者总是开新会话都不对 编程智能体的核心组件【译】 Claude Code 源码泄漏了,但我不打算写源码分析分析文章 OpenAI 总裁 Greg Brockman:AI 自我改进、Super App 豪赌、通往 AGI 之路、算力扩张 Notion 联合创始人 Simon Last:我从去年夏天起就没写过一行代码了 飞书 CLI 开源了,为什么 AI Agent 时代,大家都在做命令行工具? 在中国 AI 生态圈摸底了两周,我学到了什么 AI 发展太快跟不上?一张四象限图帮你做减法 被美国遣返、禁止入境 5 年,他在温哥华的卧室里做出了日处理 400 万工作流的 AI 平台 构建 Claude Code 的经验:我们如何使用 Skills 智能体工程的 8 个等级 编程 Agent 如何重塑工程、产品和设计 当 AI 写了几乎所有代码,软件工程会怎样? 品牌时代 我用 AI 翻译的三个阶段:提示词时代 → 推理模型时代 → Agent 时代 多稿合并:从手动比稿到一键 Skill 陶哲轩最新演讲:AI 不是来抢数学家蛋糕的,是来把蛋糕做大的 设计流程已死:Anthropic 设计负责人 Jenny Wen 谈 AI 时代的设计变革 Greg Brockman(OpenAI 联合创始人)把“那场宫斗”讲完整了:董事会、请愿书、马斯克与控制权 被封杀当晚,OpenAI 拿到了相同条款——Amodei 首次专访揭开 Anthropic 与五角大楼冲突内幕
大多数公司根本没有为 AI 做好准备
宝玉 · 2026-05-03 · via 宝玉的分享

作者:Daniel Miessler
原文:Most Companies Aren't Anywhere Near Ready for AI

并不是公司不想用 AI,而是他们根本用不了。

AI 不是问题,说不清目标才是问题

很多人抱怨 AI 总是无法满足他们的需求,感到十分受挫。但说句实话,真正的问题在于:他们自己都说不清楚到底想要什么

我曾为全球顶尖的巨头企业、数百家初创团队,以及无数全球 1000 强里的中大型公司做过咨询。我发现,排名第一的致命问题就是:公司的愿景和目标极其模糊,而且朝令夕改

AI 的核心优势在于“执行”。如果它不知道到底要执行什么,它就毫无用武之地。相反,那些非常清楚自己想要什么的公司,正在借助 AI 混得风生水起。而且,随着 AI 变得越来越聪明,这些公司将爆发出更恐怖的统治力。

但遗憾的是,这类公司只是凤毛麟角。因为只有极少数的公司具备足够的自我认知和组织纪律,能够给 AI 下达正确的指令。

你无法去优化一个连你自己都没搞懂的东西。

如果一件事你本来就不该做,再去盲目扩大它的规模,那简直愚蠢透顶。

大家都在谈论“公司还没有为 AI 做好准备”,但我认为,大家根本没意识到这个问题到底有多严重。这根本不是什么技术成熟度的问题,它的根源要深刻得多。

AI 需要清晰指令

混乱黑盒无法规模化

很大一部分公司,其实是“糊里糊涂”就成功了的。他们自己都不太清楚到底想实现什么目标,或者具体是怎么做到的。他们只是恰好掌握了几个碰巧管用的“绝招”,而且执行得还凑合,所以才能活到现在。

但是,如果你走进这些公司,对他们说:“好了,请给我描述一下你们到底想干什么?你们的战略是什么?面临哪些挑战?具体的工作流 (work streams) 是怎样的?”——他们要么会一脸茫然地看着你,要么会觉得你在开玩笑。他们得花上好几周的时间专门立个项,才能搞清楚这些问题的答案。然后还得再花上好几个月的时间去真正落实这个项目。(这里的工作流是指公司内部从任务发起、协作到最终交付的具体运转环节,很多传统公司对此缺乏清晰的梳理和记录)

说实话,我确信绝大多数公司正处于极度危险之中。因为它们本质上就是一个个勉强维持运转的“混乱黑盒”。

在这种公司里,如果董事会或高层领导直接向所有人下令“全面拥抱 AI”,那就好比盯着一台满屏雪花、满是杂音的老电视机,大喊:“我们要把这玩意儿做大做强!”

没问题,老板。麻烦您帮个忙,指一下到底想让我优化哪块业务?

(漫长的沉默……)

问得好。我们马上多开几个会,好好琢磨琢磨这个问题。

在这类公司里,AI 几乎毫无用武之地。而不幸的是,这意味着许多(甚至可以说是大多数)公司都是如此。

混乱黑盒无法规模化

真正被 AI 帮到的公司

现在外界有一种论调,认为 AI 还没有帮助到足够多的公司,所以大家都在问:问题出在哪儿了?AI 什么时候才能变得足够聪明?或许,AI 压根没有大家吹的那么神。

但极其讽刺又显而易见的事实是:那些能够被 AI 真正赋能的公司,奇迹般地,恰恰是那些本来就知道自己在干什么的公司

他们能够迅速且清晰地告诉你:

  • 他们正在为客户解决什么问题
  • 市面上的现有方案有什么缺陷,而他们的方案又是如何弥补的
  • 公司长远的发展目标是什么
  • 衡量这些目标的具体核心指标 (metrics) 是什么
  • 阻碍他们达成目标的挑战在哪里
  • 他们正在采取哪些战略来克服这些挑战
  • 为了落地这些战略,正在推进哪些具体项目
  • 这些项目里具体包含哪些工作任务
  • 每一项任务由谁负责
  • 投入的成本到底有多少

最关键的是,这些真正“拎得清”的公司,无论是在不同的季度还是不同的年份,对这些问题的回答都能保持高度的一致性。

AI 就绪公司自检表

混乱公司的典型信号

相反,一个公司陷入混乱的明显标志是:各个部门总是在花费大量的时间,声称自己有明确的答案——但这答案每个季度都在大变样,因为所有事情都在不停地变动。结果就是,员工们只是把那些能让自己表面上看起来干得不错的东西写在报告里。他们花了好几周时间精心准备,几个星期后又全盘推翻,再次从头开始走这套折磨人的流程。

对于这种公司,AI 基本上帮不上任何忙。不仅如此,AI 甚至可能会把局面搞得更糟——因为它会让员工们的“瞎忙活”看起来更加高大上。比如,用 AI 自动生成更多花里胡哨的幻灯片、更复杂的图表、还有一大堆没用的花架子。(就像给一台出故障的发动机外壳镀上一层金,看着很华丽,但解决不了任何动力问题,反而掩盖了真正的隐患)

你可能会问:“既然他们这么烂,怎么还没倒闭呢?”答案很简单:因为他们的大多数竞争对手也一样烂。

瞎忙循环

企业真正该问的问题

那么,说了这么多,重点到底是什么?

核心有以下几点:

  1. 在企业界,AI 的应用其实才刚刚起步。因为只有一小撮公司具备足够的自我认知,能够清晰地梳理并描述自身业务,从而真正为拥抱 AI 做好准备。

  2. 我们应该停止把问题怪罪于 AI,或者怪罪于技术本身。真正的问题在于,企业无法用清晰、易懂的方式描述自己——这包括他们的目标、工作流 (workflows)、日常运营、决策机制、团队架构以及资金流向。

  3. 做不到这一点的公司,面对那些能做到的公司时,将处于极其危险的境地。

  4. 那些体型庞大、运转笨重的大企业面临的主要威胁在于:现在,一家小公司完全有可能借助 AI 爆发出堪比大企业的战斗力。而且,小企业往往更容易清晰地回答出上面提到的那些关键问题。

正因如此,所有现存的公司都即将面临一场前所未有的“降维打击”。只有那些理清乱麻、内部通透的公司才能在风暴中存活下来,并迎风而起。

在这场变革的最初阶段,决定谁输谁赢的因素里,AI 占的比重其实极小。AI 更像是那些最终胜出者在“新世界”里互相搏杀的武器。而现在的游戏规则是:先看清楚谁有资格拿到进入新世界的门票。

公司配得上 AI 帮忙吗

作为一个企业,你现在最该问自己的第一个问题,不是“AI 能为我做什么”,而是“我的公司现在的状态,配得上让 AI 来帮忙吗?”如果答案是否定的,那你必须不遗余力,尽快让公司达到那个状态。