AI浪潮下‘低效’行业的隐秘生机
雷哥故事，部分为虚构。
如有雷同，纯属巧合。
故事源于真实案例改编，
人物名称已作化名处理
早上八点，医院设备科的老李刚泡好茶，
还没开机，供应商老张的电话就打来了。“李主任，那批缝线我给您盯着，明天一定到。”
老张和医院合作已有十二年。
十二年前他还是个骑电动车送货的小伙子，
如今虽已开上特斯拉，但每逢佳节仍第一个发信息问候。
原因无他，只因三年前手术室急需特殊吻合器时，
是老张半夜从被窝里爬起，亲自送来的。
桌上摆着三份AI采购方案。
销售小姑娘讲得头头是道，
说他们的算法多先进，能节省多少成本。
老李翻了两页，随口问了一句：
“如果我半夜要货，你的AI能给我送吗？” 她一时语塞。 中午在食堂吃饭时，
骨科主任走过来，说想申请一台新设备。
他压低声音：
“老李，上次那家不行，售后态度傲慢得很。
还是换老赵那家吧，人靠谱。” 你看，这才是关键。
哪台设备最好用，不在说明书上，
而在主任做了二十年手术的手感里，
在与这帮供应商打了十几年交道的信任里。 下午临下班，
院长说纪委最近盯得紧，采购流程要更规范。
老李说行，
但您也知道，有些东西走公开招标，
最便宜的中标了，出了问题还是我来兜底。 院长看了一眼，没说话。 窗外天色渐暗，老李关了电脑。
AI能取代老李吗？
哪个AI能记住：
谁半夜接过老李的电话，
谁在关键时刻掉过链子，
谁嘴上答应得好却背后捅刀子？ 这些东西，写在人心上，不写在数据里。 老李拿起手机，给老张回了个微信：
“周末有空吗？一起喝茶聊聊。” 水面上AI热闹非凡，
但老李呆在水底就够了。
故事解析:
深水大鱼~
为什么有些行业永远“慢”不下来，
也永远不会被AI取代 一、两种速度，两个世界 这两年，所有人都活在一种焦虑中。
打开手机，AI日新月异，
今天能写代码，明天能画画，
后天据说连医生的饭碗都要被端走。
网上铺天盖地都是“再不拥抱AI你就完了”。 但如果你关掉手机屏幕，
走进真实世界，你会发现另一个中世界。 一个医院的设备科主任，
正为买一台几百万的CT机，
和合作了十年的代理商老张吃饭。
饭桌上不谈参数，
谈的是“上次那批耗材出了小问题，
你们连夜调货，这个情我记着”。 一个做城中村改造的包工头，
正在给村里几个老人送米送油。
项目能不能拿下，
不看标书做得多漂亮，
看的是这二十年他在这一片攒下的口碑:
谁家儿子在哪上班，
谁家有个亲戚在街道办，他门儿清。 一个律所的合伙人，正在和客户聊案子。
客户问能不能用AI写法律意见书，
合伙人笑了笑：
“能写，但法官认不认、对方律师怎么反击、庭上什么时机拿出来，AI教不了你。” 这些场景，
和那个一日千里的AI世界，
仿佛活在两条时间线上。 上面那条时间线，快、透明、标准化，
谁都可以进来试试。
下面这条时间线，慢、模糊、讲关系，
门槛高得看不见。 反效率行业。 它们不是落后的代名词，而是一种更深层的生存逻辑。
在这些行业里，
效率从来不是最重要的那件事。
信任才是。安全才是。活得久才是。 水面上的小鱼扑腾得厉害，
但真正的大鱼，都呆在水底。 二、什么样的行业天生“反效率”？ “反效率”不是故意磨洋工，
而是这个行业的核心价值，
根本没办法用“更快、更省、更标准”来衡量。
这类行业通常有四个共同特点。 第一个特点：信任比信息更值钱。 AI擅长处理信息——海量的、公开的、可以被写成文字或数字的东西。
但在很多场景下，决策的关键不是信息，而是信任。 一个几千万的投资项目，
对方发来的资料再齐全，
也不如中间人一句“这家老板我认识十几年了，靠谱”来得管用。
一个药品进医院，
代理商提供的临床数据再多，也不如科室主任心里那杆秤——“小刘做事稳妥，出了问题找得到人”。 这种信任是怎么来的？
是一起扛过事，一起熬过夜，一起在关键时刻没掉过链子。
它没法上传到云端，没法写成SOP，
只能在一次次的饭局、电话、危机处理中，
一点点沉淀下来。 第二个特点：决策链条长得“反人性”。 互联网公司讲究“快速试错”，
这周上功能，下周看数据，不行就撤。 但在医院、政府、大国企，
一个决策从想法到落地，短则半年，长则两三年。
为什么这么慢？
不是他们不想快，而是不敢快。 医院买错一台设备，可能出医疗事故。
政府投错一个项目，可能背上几亿债务。
国企签错一份合同，可能涉及国有资产流失。
这些后果，没有人担得起。
所以他们的决策流程，本质上是风险分摊机制。
层层汇报、集体决策、党委会审议，
每一道关卡不是在提效，
而是在分散责任——出了事，不是你一个人扛。
这套机制笨重得像一头大象，但它稳定。
AI再聪明，也绕不过这张责任之网。
第三个特点：价值算不清楚。 一件衣服的成本可以精确到几分钱。
但一个法律服务的“胜诉价值”怎么算？
一个医疗项目的“预期利润空间”怎么定？
一次政府招商的“未来综合收益”怎么估？ 算不清楚。 恰恰是这种模糊，给了“人”巨大的空间。
老练的律师能凭直觉判断法官的倾向，
资深的代理商能嗅到哪个科室预算没花完，
懂行的掮客能听出领导一句话里的弦外之音。
这些东西，没办法写进Excel表格，
更没办法训练AI。 第四个特点：最大的阻力在公司里面。 这一点最让人憋屈，但也最真实。
很多传统企业想创新，想拥抱互联网，
但真正拦住他们的，不是技术，不是市场，是自己人。 法务怕一个字说错惹上官司，
财务怕费用解释不清楚被审计盯上，
市场部的中层怕新玩法，做成了没自己的功劳、做砸了得自己背锅。
七嘴八舌之后，
原本一个活生生的创意，
被砍得整整齐齐、四平八稳，也就没人想看了。
这层组织内部的硬壳，
比任何外部竞争都难啃。
AI的算法再强，也算不过办公室政治。 三、中国哪些行业最“反效率”？ 拿着这四个特点去对照，你会发现身边不少行业都长这样。 医疗健康。
这是反效率的头号堡垒。
医院之间数据不互通——不是技术不行，是凭什么给你？
AI辅助诊断推了这么多年，
落地依然困难——不是不准确，是出了事没人背锅。
药品器械进医院，靠的不是最好的参数，是最稳的代理商。 法律服务。
AI能写状子，但写不了诉讼策略。
打赢官司的关键，
往往是庭审时对方律师一个眼神、法官问话的语气，这些瞬间的判断，机器毫无感知。
再者，大律师手上多年积累的“哪个法官什么脾气”，是花真金白银砸出来的认知，不可能公开。 大额金融和大宗交易。
真正的赚钱机会，从来不在公开市场，在小圈子的饭局上。
一笔生意谈大半年很正常，
慢不是低效，是双方在反复试探对方的底牌、实力和诚意。
在这个圈子里，“快”等于轻浮。 政府和国资体系。
这里的核心逻辑不是“做成一件事”，
而是“按规定做完一件事，别留把柄”。
流程正义压倒一切。
一个项目从立项到开工，盖几十个章，谁也急不得。
给政府做AI提效的创业公司，
很多不是产品不好用，
是卡在了“最后一公里”的人情和适配。 建筑和房地产。
这是“地头蛇”的天下。
你能不能搞定拆迁户，能不能拿到砂石土方的本地供应，靠的不是技术，是你在这片土地上的关系网。
工程款垫资、层层分包的债务链条，
靠人情维系，不靠系统优化。 资源与能源。
石油、矿产、电力，核心壁垒是牌照和特许经营。
关键词不是增长，是安全和稳定。
AI只能在边缘敲敲打打，碰不到价值核心。 四、为什么AI啃不动这些骨头？ 原因说到底，就三条。 第一，数据拿不到。
AI是吃数据长大的。
但上面说的这些行业，最关键的数据
——医生的诊疗直觉、律师的谈判话术、官员的决策考量
——永远不会变成表格，
它们锁在人脑里、柜子里、圈子的窃窃私语里。 第二，责任落不下去。
AI做了决定，出了事谁来坐牢？程序员？公司老板？还是算法本身？
在终身追责的领域，谁也不敢把身家性命托付给一个黑盒子。
宁可慢一点、笨一点，但要明确是谁签的字。 第三，关系复制不了。
十年的信任，不是下载一个App就能搞定的。
这里面包含了对一个人品格的认可、对其调动资源能力的信心、对其兜底承诺的相信。
这些东西，是无数次并肩作战熬出来的，没有捷径。 五、对普通人来说，这意味着什么？ 回到最初的问题：AI来了，我会不会失业？ 如果你的工作，
核心是处理标准化信息、完成可复制的流程，那确实危险。
AI最擅长的就是这个。 但如果你的价值，
长在“人”的维度上
——你对某个圈子的人头熟，
你能在模糊信息中做出精准判断，
你能让合作方觉得“跟你做事放心”，
那你的护城河，深得很。 对找方向的人来说：
与其在水面上和无数小鱼卷速度，
不如潜下去，去那些慢行业、反效率的部门。
医院设备科、律所非诉团队、大国企采购部，
这些岗位可能看起来不“酷”，但它们稳。
越是不容易被技术替代的地方，人的身价越稳。 对做事的人来说：
别光顾着学新工具，多花时间经营那些“没用”的关系，
积累那些换一个公司就带不走的知识
——你知道某医院哪个专家的偏好，你清楚某类审批谁说了算。
这些高度依附于特定环境的东西，才是真正的金饭碗。 对想做业务的人来说：
在反效率行业做生意，最好的方法还是“人”的方法。
写一篇文章，吸引认可这个圈子的人来主动找你。搞小范围闭门交流，建立信任。
赋能一个会说人Img的人，远比砸钱做没人看的官方广告管用。 结语 世界正在分裂成两层。 上面那层，讲究快、开放、可复制，AI正在横扫一切。
下面那层，讲究稳、封闭、靠关系，依然按照千百年来的老规矩运转。 没有谁对谁错。
上面有机会，下面有安全。 如果你想找一方不被风吹雨打的地方，
沉下去，做一个让人信得过的人，
积累一些带不走的资源。
水面上波涛汹涌，但深水里的大鱼，从来不慌。