企业 AI 的分水岭不在模型，在转换链路

每次和企业聊 AI 落地，第一个问题几乎总是：「该用哪个模型？」

我的回答通常让他们失望：模型不是你们的分水岭。

模型是公共品，转换链路才是资产

你能买到的模型，竞争对手也能买到。今天你在评测里看到的参数差距，下个季度就会被抹平，或者被降价抹平。把差异化建立在模型选型上，等于在租来的地基上盖房子。

真正的分水岭在转换链路——把一段真实的业务工作，转换成机器可执行、可核验、可追责的契约的能力。具体一点，这条链路上有五个转换：

1. 工作 → 任务：一笔真实业务是怎么完成的？异常在哪？（不是流程图上的理想路径）
2. 事实 → 接口：判断所需的每个事实，从哪个系统、哪个字段、谁负责维护地来？
3. 动作 → 权限：机器能做什么动作？写入哪里？幂等吗？错了怎么回？
4. 质量 → 评测：什么算成、什么算错、什么算该拒绝？分片怎么算？
5. 责任 → 人：谁对结果签字？错误代价谁兜底？

这五项没解决，模型再强也只是更快地输出不可用的答案。这五项解决了，T0 的规则脚本就能产生真实价值——甚至这就是很多环节的最优解。

一个现场对照

同样是要「AI 帮忙处理预约变更」：

（示意对照，综合自多个现场，非单一真实项目）

• A 团队：先做两周模型对比，提示词迭代 40 版，演示很惊艳。上线三个月后仍在人工复核，因为「系统里的预约状态不一致」。
• B 团队：先花三天把预约状态的口径钉死（几个状态、谁改、以什么事实为准），定了任务契约与停止条件，用 T1 接口 + T0 规则先跑起来，生成式只处理备注里的非结构化说明。

半年后 B 团队的系统在跑，A 团队在重写。差别不在模型，在转换链路。

现场可以自查的三个问题

立项会上，与其听厂商演示，不如问这三个问题：

1. 事实从哪来？——说不清权威源与责任人的，是演示，不是系统。
2. 什么算该拒绝？——答不出「不该做时它怎么不做」的方案，错误代价必然在上线后暴露。
3. 停止条件是什么？——写不出退出线的项目，收益假设不可证伪。

三个问题都答得上来，再谈模型不迟。

结论

企业 AI 的分水岭不在模型，在转换链路。模型是公共品，任务契约、事实地图、权限边界、评测集、责任归属才是你自己的资产。下一次选型会，建议把 80% 的时间花在后五项上。