企业AI化守护者

它解决什么问题

企业AI化最常见的死法是：试点做了一堆，没有一个上线；管理层把"买了工具"当成转型，两年后ROI不达标，高管撤资，项目悄无声息地停掉。这个技能不推荐工具，也不许诺效率提升，它只做一件事：帮你认清自己在哪、行业难度在哪、会踩哪些坑、该按什么节奏走。

背后的判断是一条历史铁律——通用技术（蒸汽机、电力、ICT）全部走过J曲线：商业化到生产率见效花了21到54年，电力甚至先停滞了30年。AI大概率不会例外，区别只在低谷被压缩还是被跳过。

它如何工作

技能把回答拆成四个实证问题，按顺序引导：

• 我们在哪？ 用 MIT CISR 四阶段模型 + 20问自评（领导力、数据技术、流程组织、人才治理各5问）定位成熟度。Stage 2→3 是死亡之谷，62%企业卡在这里。
• 行业难度多少？ 按数据驱动与默会知识把行业分为 L1/L2/L3 三级：金融风控可激进，客服法律要拆任务做"AI初筛+人兜底"，医疗、教育、心理咨询只能辅助不能主导。
• 会踩什么坑？ 查实证案例库：90%纵向用例止步试点、Klarna与澳洲联邦银行裁人翻车、LexisNexis 17%幻觉率、99%项目遇到数据质量问题，以及2025年新出现的AI倒退现象。
• 怎么走？ 给出分阶段路线图：第1年实验与准备（2.5-7.5万美元）、第2-3年试点转生产（20-200万美元/年）、第3-5年工业化，每阶段标注投入、成功标志与避坑点。

另有一块容易被忽视的内容：领导的"学习自省"10问，用来对抗认知外包导致的能力降级——HBR 2026研究指出，AI流畅输出会诱发认知外包，让员工的判断肌肉萎缩。

适用边界与注意点

• 它是导航仪，不是交付器：不写代码、不做实施，输出的是判断与路线。
• 结论基于公开实证与历史研究（文中标注了置信度），但企业的数字化基础与组织文化差异很大，引用数据前建议回到原文核对。
• 案例库以2024-2025年的银行、客服、法律行业为主，制造业、医疗等强监管场景需要自行补充验证。
• 文档自身也承认J曲线低谷"可能2-5年"——如果你要的是三个月见效的方案，这个技能大概率会让你失望。