李桢一年有 240 多天泡在 500 人以上的企业里，他卖的不是培训也不是软件，而是把企业自己的人带成内部 FDE：先像看病一样梳理业务，再谈哪里用 AI。这期最硬的判断是，AI 落地卡住的地方从来不在技术，在组织——字段口径、部门墙、意愿度；表面全是 yes、细节全是 but 的项目，往往在快做成时被「合规」甩出最后一刀。他的方法也不回避边界：语料不够，AI 就发现不了问题；培养内部人以季度计、卡产能；收费本质上还是卖时间。
🏥 先看病，再治病
他教企业的不是先学工具，而是先梳理自己的业务、找机会点。场景之下还藏着一层：指标口径一不一致、谁最后兜底、AI 的执行阈值到哪可以直接做、到哪必须人确认、到哪严禁执行。
🔍 反向咨询
用学员提交的业务语料反查没澄清的点——字段不对齐、四个系统对同一件事的定义不同——做成可视化表单摆到管理层面前：企业是个生命体，卡在哪、堵在哪，一眼看清，再决定疏通不疏通。
🌊 意愿度与泄洪口
员工怕 AI 抢饭碗，管理层怕 AI 抢权。他的解法是先让部门负责人想清楚「你未来能吃掉谁」：能力放大后能多做哪摊事。想不明白的人，他基本上不合作。
🎚 乘以 1.5 与乘以 10
给管理层分开谈两种增量：提效是乘以 1.5，可以用分钟数精算、可以验收；业务洞察是乘以 10，在红海里找新机会，随机且不可预期，别指望事事都有。
🏷 人才标签盘点
不蒸馏、不监控员工电脑。用会议、邮件、荣誉、KPI 等行为留痕，给人打近 3000 个能力标签；选人变成选能力，抽调一个人对原团队的影响可以提前估。
🗡 最后一刀
阻力很少在开头出现：大家看过太多失败案例，懒得每次都拦。等项目真要做成、动了谁的利益，对方才用合规、信创、敏感信息甩出一刀，项目一停就是八个月。
🧱 不是技术问题
他自陈工作的八成时间在梳理业务和组织，工具只占两成。主持人说这听起来跟 AI 没什么关系，他认了：这是以 AI 为入口解决企业管理问题，切口是不是 AI，他没仔细想过。
[00:29] 交代嘉宾与定位：一年 240 天在企业里
- 一年约 240–250 天在企业里，做的全是企业落地的活
- 客户是 500 人以上的中大型企业，和做中小企业的 OPC、FDE 打法完全不同
- 服务形态是培训＋陪跑＋培养的周期体系：不仅陪跑到场景落地，还要把项目里的人带出来，能开发下一个项目
[04:50] 拆解他卖的东西：带内部 FDE 成长
- 客户行业分布在五个方向：银行金融证券、医疗、快消、出海、大型国央企
- 这个行当的定义很模糊：咨询赚全产业链的钱，有培训的、卖 token 的、卖工具的、做培养的
- 他的主业是带企业内部的 FDE 成长；场景挖掘后淘汰率约 10%–15%，成果有的孵化成产品，有的带着人独立成三级公司
[07:26] 先看病，再治病
- 主持人的比喻：不是教大家怎么治病，是教大家先怎么看病——梳理公司、找用户机会和流程机会点
- 场景只是能说出来的部分；说不出来的人，要先把他的角色、任务、痛点、价值维度挖出来
- 维度之下藏着指标口径不一、没人兜底、AI 的 KPI 与执行阈值这些没澄清的东西
- FDE 培养的真功夫是搞清楚权限、字段、统一这些脉络；内部人好沟通，案例滚动起来非常快
[10:43] 反向咨询：让 AI 把说不出口的话说出来
- 方正证券的启发：全面的场景挖掘，实际上反向帮公司梳理了所有业务链路
- 第二个成果是反向咨询：用学员已知的语料搭一套系统，反查哪些东西没有澄清、做不了
- 同一个业务，四个系统的描述边界、字段定义、从数仓取数的口径都不一样
- 组织里有些话摆不上台面，人说了也没人意识到；让 AI 说出来、可视化，再拉管理层开会决定要不要疏通
[13:45] 高质量语料的三条路径
- 任鑫质疑：大赛出来的东西和语料质量远远不够，AI 发现不了问题——他给了三条路径
- 第一，抛开 AI 的一切，只描述已有业务；掺了 AI 的想象就不受控，做出来的东西梦幻
- 第二，用一套提问框架框住角色、任务、痛点、价值；第三，样本量足够：人人做一个智能体，100 个里筛掉约 20%，相似场景的冲突处就是卡点
- 采集靠员工两两彼此访谈、录音，再做四个动作补信息；最后所有企业的痛点大概率收敛到一到两条业务链
[21:24] 从流程到 agent：全文档开发
- 先切业务痛点，把完整流程和所用系统全部叙述出来
- 判断哪些步骤需要和原有系统对接、哪些要用大模型判断、哪些适合 OCR 这类传统逻辑
- 用 skill 封装打通子系统，给每个场景做边界阈值或配方，全部落到纸面——全文档开发
- 最终形态随企业喜好：对话框、界面或步骤流程；工具不限，扣子、web coding、WorkBuddy 都行，但挖掘出的问题不许 AI 问，要由对面的人问出来
[25:09] 意愿度：不配合的人与「能吃掉谁」
- 企业 readiness 没想象中好：有些人的 AI 认知连错都算不上；中高层一大半不配合，样子都一样——非常热情、非常客气，细节上死抠
- 根源是利益：对员工，AI 是来抢饭碗的；对管理层，流程理清是来抢权的
- 解法是开管理层工作坊，先打开一件事：不减投入、不减人，你的部门未来能吃掉谁；想不明白的人基本上不合作
- 想明白的人会把信息传导到部门，员工有了泄洪口才有意愿；海量办大赛，是为了在 5000 人里滤出愿意干的约 20 人——配合度可能只有 10%，有一个人能用就行，一个都没有的公司不合作
[31:48] 增量与提效：乘以 1.5 和乘以 10
- 这门生意绝对卡产能：关键判断和引导没法复制，换个人去，用户的体感就不好，他还没想到好的解法
- 主持方把问题挑明：增量是小概率事件，降本增效才是低垂的果实；画饼太虚没人信，讲得太具体又让人怕被蒸馏
- 他的分法：乘以 10 是业务洞察——卖笔的企业从亚马逊投诉里发现左手写字的不便，把笔的握位上提 5 毫米加凝胶，做成左手笔卖爆，还单开了一个站点
- 乘以 1.5 是提效：把最重复的任务按分钟数×人数×频次精算成可量化指标；大企业现阶段没有裁人一说，省下的时间再谈放回哪块业务，形成循环
[39:52] 大企业要不要 AI 原生，要不要动利益格局
- 他的答案：大型组织不可能一上来就 AI 原生，改变权重太大，硬推会造成恐惧、叛逆和踢皮球；让 AI 成为助力而非阻力，形式比惊天场景更重要
- 真动格局的例子是把新业务独立出去：山东省水利工程局的投标系统太影响正常业务，公司给人、给 IT、给 1000 万注册资金，单独成立一家公司
- 流程未必只有缩短一条路：有些流程不健全要增加，有些要改路径——增、减、改、存四条路径都存在
- 改不能由外人改：内部 FDE 整理出来的东西抛出来讨论，没人背锅，窗户纸由 AI 掀开，再开会重新划分责任与权利归属
[54:48] 盘点、收费、失败案例与 FDE 的未来
- 发起方一般是 HR 以大赛形式引入，汇报后由 VP 级别拍板；收费是时间＋结果两个维度，本质只能卖时间，结果奖金不是太多
- 人才盘点是他最得意的案例：近 3000 个能力标签，所有会议装记录、参会人报名字对声纹，文字稿自动打标进知识库，项目、人、会议全对得上
- 失败案例：项目做到一半被「合规、敏感信息、要自部署」叫停，打折先停，一停八个月；另一个是本地化部署成本、算力卡等 IT 问题——他判断更多是动了利益：团队从 20 人变 10 人，话语权少一半
- 熊逸问 FDE 会不会被大厂做掉：他判断大模型公司在打 AI 办公大战，表面是统一入口，实际在收集行业场景，中型企业的后端平台可能被吃掉；现在的独立 FDE 团队不构成威胁
- 给企业的起步建议：先发问卷摸清做过什么、失败在哪（问执行的人，别只问老板）；跟着钱的进出找场景；访谈已经做出结果的人，把他没说出口的卡点挖出来
先问「你未来能吃掉谁」给管理层一个出口，再谈转型
[▶ 26:52]
员工怕抢饭碗、管理层怕抢权，意愿度上不去，再好的方案也推不动。先让部门负责人看见能力放大后能多做的事，配合才会从表演变成主动，员工也才有泄洪口。
1
开管理层工作坊，先讲明：不以减少投入和裁人为目标
2
让每个部门负责人写下：能力放大后，我的部门能接下哪摊新业务
3
想不明白这个问题的部门，先不启动
4
把答案传导进部门，让员工看见自己在新地盘里的位置
“如果我真的 AI 赋能了，我不会去减少我的任何的投入的成本，我甚至不会减人。那在这种情况下，你能不能想象得到你的组织未来，就是你的这个部门组织，你未来能吃掉谁？” — 李桢
抛开 AI 描述业务场景挖掘第一步，不许聊 AI
[▶ 13:45]
一掺进 AI 的可能性，所有人的想象就不受控，描述出来的场景五花八门又梦幻。先回归已有业务本身，卡点和机会才露得出来，后面再用 AI 还原到可执行层面。
1
只描述现有业务流程，一个 AI 方案都不许提
2
用角色、任务、痛点、价值的访谈框架逐项框定
3
描述不清的地方标记为未澄清，不许脑补补齐
“第一个路径叫放弃 AI 的一切，就描述你的业务流程，不要把 AI 的事情掺杂进去，掺杂进去就无限想象了。” — 李桢
彼此访谈＋人人做一个智能体用大样本把真卡点筛出来
[▶ 14:32]
单个场景靠拍脑袋，语料不足时 AI 也发现不了问题。人人做一个智能体，样本互相重叠、互相校验，两个描述冲突的地方，就是企业真正的卡点所在。
1
员工两两彼此访谈并录音，问题由人问，不由 AI 问
2
每人基于自己的业务做一个智能体（一人一个场景）
3
录音后做四个动作补充信息，再导入系统
4
筛掉约 20%，重点看相似场景之间的冲突
“第三个东西，样本量足够。我们带样本量是怎么带的，一带就是每个人做一个智能体，人人做。” — 李桢
反向咨询把没澄清的点摆到管理层桌上
[▶ 11:31]
组织里有些话摆不上台面：字段没对齐、口径不一致、没人负责。靠人说，没人意识到；让 AI 从语料里反查缺口并可视化，管理层才肯坐下来决定疏通不疏通。
1
收集学员提交的业务语料，搭系统反查
2
列出没澄清的点：字段、定义、取数口径、负责人
3
做成可视化表单，指出卡在哪条业务链上
4
拉管理层开会，逐点决定疏通与否
“有些话他是摆不上台面说的，哎，我用 AI 说。” — 李桢
用分钟数给提效算账把重复劳动折算成可量化指标
[▶ 35:00]
讲增量像画饼，讲提效又怕被蒸馏，两头都有阻力。把最烦、最重复的任务按分钟算清，提效就变成能验收的数字；省下的时间往哪放，再和管理层谈增量。
1
让每人列出最烦心、最重复的任务和单次耗时分钟数
2
按人数×频次×单次时长精算总耗时（个体快慢不影响比例）
3
解决后复测，报出省下的总时间
4
和管理层约定：省出的时间投回哪块业务
“完成这项任务多少人、多少频次、多少个时间，最后耗时多长，我解决这件事，它是一个可量化的指标。” — 李桢
全文档开发先把场景写成文档，再开发 agent
[▶ 21:24]
一个场景要跨一到两个系统，边界不清就交付不了。把系统对接、判断步骤、阈值配方全部落到纸面，内部人照着文档就能一步步做出来、往下改。
1
叙述完整流程，标出涉及的每个系统
2
区分哪些步骤用大模型判断、哪些用 OCR 等传统逻辑、哪些必须人确认
3
给每个场景定边界阈值或配方
4
用 skill 封装打通子系统，再按企业喜好做成对话框、界面或流程
“我们叫全文档开发，就是用全文档的方式把所有东西落到纸面上。” — 李桢
人才标签盘点不蒸馏人，只给能力打标
[▶ 58:42]
AI 时代选人难的不是招人，是抽调一个人之后原团队怎么办。把能力从人身上拆出来打标，选人变成选能力，抽调的影响可以提前估，推荐也不再只靠和上级的关系。
1
先按角色编能力族（他给一家公司打了近 3000 个标签）
2
所有会议留痕：录音转文字，统一词典，自动打标进知识库
3
把邮件回复及时性、荣誉、KPI 等行为数据持续补成标签
4
按项目需要选能力组队，先评估对原团队的影响再抽调
“我们不做蒸馏，我们做打标。” — 李桢
跟着钱走，访谈苗子企业自己起步的三个小动作
[▶ 01:28:31]
漫无目的地梳理流程没人买单。钱从哪进、哪出，是老板真关心的；公司里已经做出结果的人，是长出来的苗子，他们卡在哪，下一步就该帮什么。
1
先发一套问卷摸底：做过多少培训、列过哪些场景、失败的有哪些——问真正执行的人，不只问老板
2
沿资金流向找场景跟老板谈
3
访谈已有试点的人：推进情况、谁在用、为什么卡住
4
用 AI 分析访谈，把他没说出口的卡点亮出来
“就是他的钱从哪进，他的钱从哪出。” — 李桢
“全部都是 yes but 啊，没有 yes and，全都是 yes but。”
— 李桢 [01:10:37]
“你能不能想象的到你的组织未来，就是你的这个部门组织，你未来能吃掉谁？”
— 李桢 [26:52]
“有些话他是摆不上台面说的，哎，我用 AI 说。”
— 李桢 [11:31]
“我一直不觉得是个技术问题，它实际上是个组织问题。”
— 李桢 [01:12:52]
“我们不做蒸馏，我们做打标。”
— 李桢 [58:42]
“红的是人，绿的是 AI。”
— 李桢 [56:15]
“就是到最后了，快到结束了，啪，甩出来一个事儿，你就觉得你干这个活白干了。”
— 李桢 [01:09:06]
“不是教会大家怎么治病，是教大家先怎么看病。”
— 徐文浩 [07:26]
🧩 企业 AI 落地的推进链
1
看病：抛开 AI 梳理业务与流程，摸清字段、口径、权限、负责人和执行阈值。
2
显影：用大样本语料反查未澄清的点，把卡点可视化，摆到管理层桌上。
3
共识：管理层先想清「能吃掉谁」，再决定疏通哪一到两条业务链。
4
培养：陪跑中带出内部 FDE，把能力留在企业里，滚动着做下一个场景。
🕐 日常
·
每月 业务洞察常规化：原来靠咨询公司半年做一次的业务机会洞察，他要求改成一个月做一次：向外找新市场、新机会、新组合，向内做流程改造，把人从两个系统之间倒表的工作里救出来。
🔄 AI 落地不是技术问题，是组织问题。
他自陈 80% 的时间花在梳理业务和组织上，工具只占 20%。企业不关心用不用 AI，只关心自己的问题能不能解决。
🔄 大企业不需要追求 AI 原生。
组织里的关卡改不动，硬推动大手术只会制造恐惧、叛逆和踢皮球；让 AI 成为助力而非阻力，这些形式上的东西比惊天场景更重要。
🔄 场景挖掘的第一步，是抛开 AI。
一聊 AI 的可能性，想象就不受控。先只描述已有业务，把它剥离出来，再用 AI 还原到可执行的层面。
🔄 人才盘点不做蒸馏、不监控，只打标。
不操控员工电脑、不萃取个人，只用行为留痕给能力打标签，看的是能力的发展与迁移，不是把人变成可复制的资产。
🔄 按结果收费在这行走不通，本质是卖时间。
同样卖洗衣机的两家公司，逻辑都不一样，没法挨个产品化；结果奖金在他的收入里「不是太多」，资本合作分收益也试过，进展不顺利。
🪝 [high] 把「你未来能吃掉谁」设成部门 AI 访谈的固定第一题：答不出新地盘的部门，先不启动项目。
🪝 [high] 列一份公司已有试点项目负责人名单，逐个访谈并让 AI 汇总他们没说出口的卡点——比新立项更快找到真问题。
🪝 [high] 给每个想落地的场景先写一页全文档：涉及系统、判断步骤、人工确认阈值、兜底人。写不出来，就是还没想清楚。
🪝 [med] 从下周起所有会议录音转文字、自动打标进知识库，三个月后回头看：标签能不能支持按能力选人。
🪝 [med] 项目启动时先列一张「谁会吃亏」清单——团队规模、话语权、审批权可能受损的人；把合规与部署条件提前写进 demo 验收条款，堵住最后一刀。
🗺 大企业 AI 落地：组织解法
- 看病
- 抛开 AI 描述业务
- 角色·任务·痛点·价值
- 字段与口径
- 执行阈值
- 谁兜底
- 显影
- 反向咨询
- 彼此访谈
- 人人一个智能体
- 卡点可视化
- 一两条业务链
- 意愿
- 能吃掉谁
- 泄洪口
- yes but
- 海量筛人
- 最后一刀
- 培养
- 内部 FDE
- 全文档开发
- 不限工具
- 能力留存
- 卡产能
- 增量
- 乘以 10：业务洞察
- 左手笔 5 毫米
- 乘以 1.5：提效
- 分钟数精算
- 省时回投
- 盘点
- 近 3000 个能力标签
- 会议全打标
- 选人即选能力
- 红黄绿迁移
- 不蒸馏只打标
📖 术语
| FDE | Forward Deployed Engineer，前线部署工程师。这期里指深入业务一线、把场景真正做出来的人；李桢主张培养企业内部的 FDE，而不是长期依赖外部驻场。 |
| 内部 FDE 培养 | 他的核心服务形态：培训＋陪跑＋培养，在陪跑中把企业自己的人带出来，能独立开发下一个场景。去年这批人还叫 AIBP 或 AI 产品经理，今年叫 FDE，课件变化不大。 |
| 反向咨询 | 用学员提交的业务语料反查没澄清的点（字段、口径、负责人），把组织卡点可视化后摆到管理层面前，先决定疏通不疏通，再谈落地。 |
| 意愿度 | 一个部门愿不愿意真改的程度。表面全是 yes、细节全是 but，就是意愿度低的信号；给员工一个「泄洪口」，意愿才会上来。 |
| 乘以 1.5 / 乘以 10 | 他给管理层分的两种增量：乘以 1.5 是流程提效，可量化、可验收；乘以 10 是业务洞察，在红海里找新机会，随机且不可预期。 |
| 人才标签盘点 | 把员工在会议、邮件、项目里的行为留痕打成能力标签（近 3000 个），选人时按能力抽调，并预估对原团队的影响。红的是人，绿的是 AI，看的是能力在两者之间的迁移。 |
| yes but | 会上全盘赞成、执行全是保留。与之相对的 yes and（真心接住并往下推）在他的项目里几乎没出现过；过度热情、一切都是 yes，反而是危险信号。 |