5.5
深览指数
产品人人都是产品经理·闯爷··AI 生成
AI 时代，软件交付逻辑也要改变了，技术不再是重点，一切回归业务本身
文章基于作者在软件行业的多年实践，指出当前AI软件项目（以智能问数产品为例）失败的核心原因并非技术不足，而是服务商对客户业务场景的理解深度不够。作者认为，软件交付的重点应从技术堆叠转向深度理解企业各岗位的真实需求，并提出了“框架通用、业务定制”的架构思路。本文适合产品经理、软件架构师及企业数字化负责人阅读，反思如何将AI技术真正嵌入企业组织体系而非作为孤立工具。原文 ↗
核心观点
- ▍AI时代软件项目成功的关键不在于技术能力，而在于对客户业务场景、指标口径及行业实操经验的深度理解，服务商应提供类似商业咨询的服务。
- ▍智能问数等产品不应是孤立的技术工具，而应是一个“AI助手”，通过“框架通用、业务定制”的架构，深度嵌入企业组织体系，重构管理协作模式。
- 01作者走访大量企业发现，管理层多将数字化停留在工具应用层面（如钉钉、飞书），而业务部门则抱怨采购的系统不好用，最终导致项目废弃。
- 02作者以早年做二维码核销的经历为例，说明团队没有追求通用兼容，而是固定码制专注于提升核销效率，最终成为行业通用模式，以此论证“业务定制”优于“技术通用”。
- 03文章指出，企业不同岗位（分析师、业务人员、管理层）对数据产品的需求迥异，例如业务人员对数据容错率极低，管理层则更关注整体经营报告。
- 04作者提出，仅有不到2%的查询场景需要复杂AI推理，绝大多数查询应优先采用轻量级路径，如直接复用历史结果，以降低系统复杂性和出错率。
- 05软件架构应包含数据治理平台、指标平台、AI框架、智能体、知识库、驾驭工程等多个模块，其中“指标平台”用于统一各部门的指标口径。
反方 / 局限
- — 文章暗示了“开箱即用”的通用AI产品无法解决企业实际问题，但其论证主要基于作者个人经验，缺乏对当前主流AI数据产品（如Power BI Copilot、Tableau AI）的具体对比分析，存在视角局限。
8 分钟 · 3 卡片 · 6 资料
读原文 →