同一个模型，为什么有的公司越用越强，有的只用来写邮件？

柏林ACS · 2026-08-09 · 读完约需 5 分钟

把两种常见的做法放进两家设想的公司，对照看得最清楚。两家公司规模相当，同一年启动"AI 转型"，买的是同一代模型。

A 公司的动作果断而标准：采购顶级模型的企业版，全员开通账号，办三轮培训，口号是"让每个人都用上 AI"。跑上一年，使用情况有点微妙：账号大家都开着——免费的额度，没人会拒绝——但 AI 的贡献停留在"偶尔帮忙写封邮件"，真正把它嵌进日常工作流程的，寥寥无几。问题摆上台面：模型是最好的，预算也到位了，用的人也不少，为什么效果这么薄？

B 公司看起来慢得多。头几个月，只有一个研发部门在用——他们给 AI 建了项目规范，把踩过的坑逐条提炼进配置；然后客服部门跟进，把高频问题的处理规则整理成配置库；再后来，公司成立一个两人小组，专门把各部门验证有效的做法沉淀、推广、治理。到年底，AI 已经嵌进这家公司研发、客服、运营的日常流程，新员工一入职，就站在公司积累的全部经验之上。

答案就藏在这个对照里：在同一代模型都可获得的前提下，模型本身很难构成长期差异，真正拉开差距的往往在模型之外。

书里给了一个朴素的乘法：企业 AI 能力 = 模型 × 搜索系统。搜索系统是自建的——业务规则、数据口径、决策历史、合规红线，以配置的形态持续塑造每一次搜索；每次搜索的经验又回流进来，让系统逐步更贴合这家公司。同一个模型，在 A 公司每次从默认起点出发，在 B 公司每次从企业积累的前沿出发，时间一长，差距就会逐渐拉开。

两家公司的分歧，在"推广"这一步看得最清楚。A 公司推广的是工具的使用权：账号、培训、口号，每个人从零开始。B 公司推广的是系统的复制：客服部门接入时，拿到的不是"你也去试试 AI"，而是一套成型的东西：配置库的组织方式、按任务裁剪的规范、踩坑入库的闭环。每个部门站在前一个部门的积累上。一句话：模型是买得到的，系统是长出来的。

这个乘法对个人同样成立。你用的模型和所有人在同一代，你的"搜索系统"才是你的曲线：项目里那份 AGENTS.md（第 10 篇聊过它该长什么样）、每次踩坑后入库的那条规则（第 08 篇的三行复盘）、定期给配置做的体检（第 11 篇）。公司把 AI 当采购还是当建设，和个人把 AI 当工具还是当系统，是同一条分界线。

所以"人人都在用、效果却很薄"的病，药方不在"再办一轮培训"——培训教会的是操作，而瓶颈在系统：配置有没有人建设，演化闭环有没有人维护，红线类约束有没有人盯着。顺序也不能反：先让一个部门的搜索跑通，再谈全公司的平台；先建平台再推广，建出来的往往是一个没人用得起来的昂贵空壳。

如果你在推动公司的 AI 落地，第一步很小：挑一个高频场景，带一个团队把单次搜索的闭环跑通，把跑通过程里长出的规则留下来，那就是公司搜索系统的第一块砖。这套系统长大之后的治理方法（规则怎么入库、冲突怎么裁决、过期怎么下线），我整理在公开仓库 Agent-Search-Governance-Protocol 里。完整的两家公司对照出自《AI认知搜索理论》第十八章——全书的收尾章，那里把这个乘法展开成了完整的建设路径。