“我的公司不需要 AI。”再想想。

试过技能、智能体、MCP 工具和基于 SDK 的工作流之后，我对企业 AI 采用的看法变了。

当一家公司说“我们不需要 AI”时，我通常听到的潜台词是：我们还不知道 AI 应该放在哪里。

重要问题不是 AI 能不能帮公司。它能。真正的问题是 AI 应该放在业务的什么位置，它应该拥有多少权限，以及当它开始接触真实数据、真实流程和真实客户时，谁来负责架构。

大多数公司还在消化这个变化。有些团队在试聊天界面，有些在做内部工具，有些在购买专门 AI 产品，还有一些在等待，因为不知道怎样安全采用 AI。

我不认为只有一条正确路线。合适路径取决于公司的技术能力、数据复杂度、风险承受能力和对定制化的需求。

但我确实认为，每家公司都需要有人负责 AI 架构。

AI 采用有几条路

采用路径很大程度上取决于你是哪类组织。

如果公司有强工程团队，我会直接从基于 SDK 的方案开始。不是因为 SDK 新潮，而是因为代码给你控制权。你可以决定哪些数据进入模型，模型能调用什么工具，输出如何验证，日志放在哪里，以及什么时候必须由人批准下一步。

对更偏业务的组织，技能和基于聊天的智能体可能是更好的起点。团队可以编码重复工作流、沉淀实践、自动化常见任务，而不必一开始就做完整自定义平台。写作、评审、总结、内部知识访问和办公工作流都适合从这里起步。

对技术资源非常有限的公司，外包也有意义。专门服务商可能已经理解这个领域，比从零招聘团队更快产生价值。

这些路径没有哪条天然错误。问题是：你不能在不理解取舍的情况下选择其中一条。

定制化问题

我对封装式 AI 服务最大的担心是定制化。

每家公司都有自己的数据形状、权限模型、工作流、遗留系统、报告习惯、合规规则和内部语言。两家公司都说需要“AI 客户支持”，但实际需要的系统可能完全不同。

一家需要深度 CRM 集成，另一家需要多语言升级流程，第三家需要所有对外回复先经过法律评审，第四家只想让 AI 总结支持工单但绝不能自动回复客户，还有一家的历史数据很乱，不清洗就不能信。

通用服务可以帮忙，但它通常要求公司适配服务本身的模型。这可能意味着复杂配置、脆弱连接器、有限的流程变化，或者未来迁移时很痛苦，因为太多业务流程已经围绕别人的产品塑形。

这就是 AI 采用超出工具选择的地方。

它变成了架构。

有人必须回答这些问题：

• 哪些用例适合 AI 自动化？
• 模型可以看到哪些数据？
• 哪些动作需要人类批准？
• 哪些工作流应该用确定性代码，而不是智能体推理？
• 如何衡量系统真的有帮助？
• 业务变化时，系统如何跟着变化？

如果没人负责这些问题，AI 采用就会变成分散实验。有些会有帮助，有些会制造风险，大多数都会很难维护。

我认为公司需要的团队

我脑中的理想状态，不是每家公司都建一个巨大的 AI 实验室。

它更简单：每个组织都应该有 AI 架构职能。

对小公司来说，这可能是一位 AI 架构师加一两位 AI 开发者。对工程能力强的大公司，我认为每个团队嵌入一位 AI 开发者，并由中央 AI 架构团队支持，会变得很正常。

AI 架构师负责确定采用方式的形态：

• 哪里允许 AI 做决定
• 哪里必须由确定性系统保持控制
• 数据访问如何限定范围
• 团队应该复用哪些模式
• 需要什么评估和审计标准
• 供应商工具如何放进长期架构

AI 开发者负责构建实际系统：

• 基于 SDK 的工作流
• 内部副驾
• MCP 工具和连接器
• 数据检索流水线
• 评估框架
• 人类审批流程
• 团队专属自动化

这不只是提示词工程。提示词设计是其中一部分，但真正有价值的能力，是把混乱的业务需求转化为有用、安全、可维护、可演进的系统。

未来角色更接近解决方案架构

我很看好能在这个交叉领域工作的软件开发者。

公司不只是需要会调用 LLM API 的人。那件事会越来越简单。公司需要能看懂一个业务流程，并决定哪些部分应该自动化、哪些应该保留给人、哪些应该确定性运行、哪些可以概率化处理、以及所有部件如何连接的人。

这就是我认为 AI 解决方案架构师会重要的原因。

这份工作不是把每个工作流都换成智能体，而是设计 AI 和业务之间的边界。有时答案是 SDK，有时是聊天界面，有时是买供应商产品，有时是告诉公司暂时不要自动化某个决策，因为数据还没准备好，或者风险太高。

最好的 AI 采用，不会来自“使用最多 AI”的公司，而会来自知道 AI 应该放在哪里的公司。

我现在的看法

如果今天让我给一家公司建议，我不会从“我们应该买哪个 AI 工具？”开始。

我会先画一张地图：

业务工作流
  -> 涉及的数据
  -> 正在做出的决策
  -> 错误输出的风险
  -> 所需定制化
  -> 当前技术容量
  -> 最佳 AI 采用路径

这张地图会告诉你，你需要供应商工具、基于技能的工作流、聊天智能体、自定义 SDK 应用，还是根本不该用 AI。

AI 采用不是安装，而是集成。

理解这一点的公司会建立持久优势。把 AI 当插件的公司，可能得到短期生产力收益，但当第一版不适配真实工作流时，会很痛苦。

每家公司都会需要 AI 能力。但不是每家公司都需要同一套 AI 技术栈。

这正是为什么每家公司都需要 AI 架构。