AI时代最宝贵的技能，藏在那些难以言表的细节里

— 当模型趋于一致，真正的竞争优势在于业务深处 —

近半年来，我听到了无数关于人工智能的担忧。程序员担心被取代，文案策划害怕失业，设计师忧虑饭碗不保。所有人都在追逐一个错觉：谁能掌握最新的模型，谁就能主宰未来。

但最近，我深入考察了一个企业级AI平台的底层设计，彻底改变了这一看法。这个平台服务于4000名员工，每年处理超过70亿美元的资金拨付流程，业务覆盖全球100多个国家。当我仔细剖析其细节时，我发现了一个与主流观点截然不同的真相——

AI越强大，代码和模型的价值就越低，而你对业务流程的深刻洞察，才是真正的竞争壁垒。

这个平台叫SIP，即战略智能平台。听起来很高级，但拆开来看，技术层面没有任何神秘之处：用的是现成的图数据库，主流的人工智能模型，聊天界面直接嵌入用户已有的工具中。

那么，它的真正核心是什么呢？

是数据模型。是过去25年来，这家机构积累的关于自身业务的全部隐性知识——谁负责什么项目、资金如何流转、不同团队如何协作、报告按什么格式撰写、决策需要经过哪些层级——所有这些，都被构建成了一个庞大的知识图谱。

举一个具体例子。一个简单的投资项目管理，涉及四种完全不同的层级结构。第一种是资金流向，从顶层战略到具体项目，每一笔钱的分配和汇总都在图中清晰呈现。第二种是管理架构，一个项目可能由多个团队共同资助，团队之间还有直接和间接管理的区分。第三种是人员组织，谁是这个项目的负责人、谁参与了会议、谁有决策权，这些都来自不同的人力资源系统。第四种是文档体系，每一份会议纪要和报告，都被拆解成语义块，与具体的项目和人员关联。

你发现了吗？这里面没有任何一项是AI模型本身的能力。所有的一切，都是关于“这家机构如何运作”的知识。

很多人以为，AI时代最重要的是算法。但恰恰相反——当模型能力越来越强、越来越同质化的时候，模型本身的价值正在快速归零。

你可以用Claude，我也可以用。你可以调用GPT-4o，我也可以。模型不再构成任何差异化。

但你对自身业务的了解呢？

你的公司为什么这样设置部门？你的客户为什么会在某个环节流失？你的供应链为什么在特定时间节点会出现问题？你的报告为什么必须按照某种格式来写？

这些问题的答案，不在任何公开数据集里，也不在任何预训练模型中，它们只存在于你的脑子里、你的团队的经验中、你日复一日的运营细节里。

这就是我在那个平台里看到的最深刻的东西。

他们花了大量时间做一件看起来“不性感”的事：

让数据所有者参与进来，去理解每一个字段的完整含义、每一个数据集的结构、每一个关联背后的业务逻辑。甚至细致到——一份报告应该按什么惯例来回答，而不是简单地“正确”地回答。

这些知识，没有任何模型能够凭空生成。它们需要你在这个行业里摸爬滚打多年，需要你在无数次犯错后总结出经验，需要你对组织的运转有透彻的理解。

我越来越觉得，AI时代最宝贵的技能，恰恰是那些“说不出来”的东西。

你可以把一份SOP写得再详细，但总有那些微妙的判断——什么时候该灵活处理、什么时候该坚持原则、哪个数据源可能有问题、哪个部门的报告需要额外小心——这些隐性知识，才是真正难以被复制的。

在这个平台里，他们做了一个非常聪明的设计：通过数据模型，把这些隐性知识显性化。每一个实体、每一条边、每一个层级关系，都是在把“我们如何做事”这个模糊的认知，变成一个结构化的、可查询的、可推理的系统。

这个过程极其痛苦。因为你会发现，很多你以为自己理解的东西，一旦要建模，就变得模糊不清。就像他们自己说的：“它很快就能暴露出你对所建模事物认知上的盲区。很快你就会发现，原来自己的理解存在偏差，或者还有某些数据集没被完全纳入进来。”

但这个过程本身就极具价值。因为当你能把流程说清楚，你就已经领先了90%的人。

所以，我给所有担心被AI取代的人一个建议：别再追着最新的模型跑了。那些东西每天都在变化，你追不完的。

把精力花在理解你的业务上。你所在的行业为什么是这样运转的？你的客户真正需要的是什么？你的组织有哪些别人看不见的复杂性？

这些知识，AI越强大，它们就越值钱。

因为模型负责聪明，而你需要负责懂行。