X 收藏：企业 AI 应用的两个真相（双帖）

一、笔记原文#

收藏链接（双帖）：

• x.com/Zhm20220917/status/2107441725384036828（HuangMing @Zhm20220917）
• x.com/yisvin/status/2107378509085552918（蚊子 @yisvin）

笔记正文：仅两条链接收藏，无附加评论。

二、相关情报#

已抓取两帖全文（存档于 .raw/thread_zhm_enterprise.txt 及推文 JSON）。

帖一（Zhm20220917）：做企业 AI 应用，要避开「能被 workflow 或 LLM+软件工程解决」的业务问题。 这类问题分两种：① 金蝶更新一个小功能就覆盖掉的（通用财务/表单功能）；② 只能赚一次性 FDE 外包费（「万把块钱」）的项目。附一个真实案例：2025 年与上海一家 300 人财务外包公司合作，做了对单/回款/开票/票据整理后，客户人员结构变化——原来 300 人里 200 人做基础代理记账，后来变成 250 人做财税咨询、50 人做代理记账（咨询毛利远高于记账）。结论：不要盯着「降本增效」场景，要找能把行业 know-how 挖出来、可复用高毛利交付的场景（如基于知识库+推理产出 3-5 万元的财务咨询报告）。

帖二（yisvin）：跟企业老板聊 AI，别讲 Agent/模型/智能体，直接算账。 话术模板：问老板「财务每月对账要几个人、几天？」——2 人 3 天核对订单/回款/发票 → 接数据给 AI 自动匹配 + 挑异常 → 半天复核完。然后再问「这种流程你公司还有多少个？」结论：企业落地 AI 不需要先说服老板相信 AI，先帮他算清一笔账。（此帖被帖一作者引用，两帖理论上互为补充：一个讲「选什么场景」，一个讲「怎么开口」。）

三、深度解读#

1. 两帖合起来是「企业 AI 商业化」的完整话术层与实践层。 yisvin 解决第一步（怎么把对话从技术叙事拉回生意账本），Zhm 解决第二步（什么样的场景值得做）。对做 AI 商业化咨询的用户来说，这两步恰好是可以直接嵌入业务流程的：谈客户时用「对账 2 人 3 天」式问题开场，筛项目时用「会不会被通用软件覆盖 / 是不是一次性外包」两条线排除伪需求。

2. 「避开 workflow 能解决的场景」这个判断需要延伸理解：它不否定降本增效，而是警告「纯降本」项目的两个经济学问题。 其一，价值可被大厂产品更新抹平（金蝶式覆盖）；其二，收入结构是一次性外包而非持续订阅。而「挖 know-how」的方向不同——它把项目从「省人力成本」升维到「生成新业务」（代理记账 300 人 → 财税咨询团队），交付物从工具变成「知识库 + 推理能力」，毛利和粘性都高一个量级。

3. 与 FDE 模式的联动。 2026-10-04/1140 文档（Palantir 认知塑造）里讲过 FDE 模式的核心质疑——「是不是变相咨询」。这两帖给出了一个具体的分界线样本：低价值 FDE = 万把块钱的外包（做通用流程）；高价值方向 = 帮客户把行业 know-how 产品化（3-5 万咨询报告、可复用的知识库）。用户做 AI 商业化咨询时，这个分界线就是自己的定价锚。

4. 对陪跑/咨询业务的直接启发。 「先算账不讲课」在 C 端也成立：陪跑课上先让学员算「你现在求职/转岗每月损失多少」，再谈课程价值——比讲方法论开场有效得多。

四、标准化思路#

企业 AI 项目评估清单（谈前 + 筛时两用）

开场话术（对老板）：

1. 「你们【财务/客服/运营】每个月做【具体动作】，要几个人、几天？」
2. 算现状成本 → 演示 AI 处理闭环（自动匹配 + 只处理异常）→ 给出新耗时
3. 「这种流程你公司还有多少个？」（引导批量需求）

场景筛选（对自己）：

判断项	避开（低价值）	优选（高价值）
是否会被通用软件覆盖	金蝶一个更新就覆盖	需要行业 know-how 的深水区
收入结构	一次性外包（万把块）	知识库+推理的持续交付（3-5 万级）
客户变化	省几个人	人员结构升级、新业务线

动作项：把「先算账」话术改写为陪跑课/咨询的开场模块；项目评估清单存入咨询 SOP。