做过的事、踩过的坑、量出来的数。
三种内容各管一种读法：想拿一份能上会的材料看白皮书，想听现场怎么踩坑听播客，想看我们的判断看实施日记；最后一栏是文章。
拿材料、听现场、看判断。
中小企业 AI 落地
从一件事开始
能直接放进立项材料的写法：怎么挑第一件事、怎么立标、怎么验收、什么情况下不该做。附自诊断表、基线表模板、给供应商的 26 个问题。
- 四个位置
- 机会打分卡
- 交付与验收六类
- 什么时候不该做
现场做的判断，和这些判断付出的代价。
当时怎么想的、错在哪一步、后来怎么绕过去。
以及我们当场怎么答。
文章，一篇讲清一件事。
写给企业主的长稿：答案落在能核的地方。按栏目挑，也可以按你手上要办的事挑。
企业 AI 的下半场，比的不是模型，是「委派」
2026 年，谷歌给 Agent 发「工牌」，微软给 Agent 发「身份证」，OpenAI 建起「交付公司」。
95% 的项目没回报：病根不在模型，在「责任错位」
「95% 的企业 AI 项目没回报」——这个数字被用错了，但用它的人摸到的问题是真的。
老板的 AI 预算为什么批不下来：不是缺钱，是缺一本算得清的账
预算批不下来，多半不是因为老板抠，是因为没人能回答：这笔钱花完，公司账上会多出什么。没有基线，就没有证据；没有证据，就不敢批。
企业不会把整串钥匙交出去：数据与权限的边界怎么划
FDE 和 Agent 越贴近真实业务，权限的矛盾就越尖锐。真正值钱的信息不在数据库里，在业务人员处理"例外"的习惯里——而这两样，都不该、也不能整串交给外人。
AI 落地真正的阻力是中层和财务：怎么让"认真负责"的人变成推力
企业 AI 失败，技术是小头，组织是大头。挡在前面的往往不是反对 AI 的人，而是"认真负责"的人——因为他们要为一个说不清的结果签字。
先管住，再谈聪明：Agent 进企业前先过三道门
企业 AI 这半年的真实顺序，和发布会正好相反：不是「先把 Agent 做得更聪明，再补治理」，是「先管住，再谈聪明」。
别急着选模型，先选场景：一张六维打分表
第一件事选错，后面的投入都是沉没成本。2026 年的现实是：很多「看起来能落地」的场景，现场一看数据是脏的——70% 是空字段。
个人提效 ≠ 企业提效：发 token 是最容易、也最没用的一步
给员工发 token，是让"个人变快"；但从"个人变快"走到"企业变强"，中间隔三道闸：进没进业务流程、有没有人负责收口、收益归谁记账。
FDE 刚火就被骂"新瓶装旧酒"：判断交付，只看一条线
争议本身不是坏事——它说明 FDE 从"概念炒作"进入了"真金白银的检验"。判断是不是真 FDE，不用看工牌、不用数人天，只看一条线：项目结束后，能力是留在你手里，还是跟着人走。
2026 年中小企业做 AI：花多少、怎么花、什么时候停
会花钱的标志，不是"敢投入"，是"先定止损线"。AI 项目真正烧钱的，不是前期开发那笔数，是停不下来——试点早没价值了，却因为已经投进去的钱不敢喊停，于是继续往里填。