聊了 300 场，他见过的 AI 项目成功率 0%

有公司现在拿 token 消耗量给工程师排名，烧得越多，说明你越拥抱 AI。

被排名的工程师们很快摸索出了应对方案。把模型挂起来，让它自己跟自己聊天，跑一个半真半假的循环，token 蹭蹭涨，人去看 Netflix。到目前为止，一个被抓的都没有，哪怕他们自己都承认那些产出根本不能上线。

这个故事来自今天挂在 Hacker News 首页的一篇长文，AI Mania Is Eviscerating Global Decision-Making，直译过来是「AI 狂热正在掏空全球的决策能力」。作者 Ludicity 是一家数据咨询公司的合伙人，就是之前写过那篇流传很广的《你再提 AI 我就把你摔进土里》的老哥。这几年他管着公司所有的售前，亲自带项目，加上写博客认识了大概 300 个各行各业愿意私下说真话的从业者，从五百强高管到细分服务行业的一线员工都有。

他给出的观察是，过去一年半，他和团队近距离看到的所有企业 AI 项目，成功率是 0%。

不是低。是零。包括请他们参与的项目，也包括干别的活时顺带围观的项目。

先把丑话说在前面，0% 这个数字肯定带着他的样本偏差，能找咨询公司聊的项目本来就偏「有问题」的那类，而且他自己也承认团队主动回避了所有 AI 实施类的合同。但我觉得这篇文章的价值不在那个数字，在他拆开给你看的死法。每一种死法都跟模型能力关系不大，跟组织关系很大。这一点，跟我平时在工程层看到的情况对得上。

那就一个一个看。

第一种死法，最常见的那种，内部知识库聊天机器人。

几乎每家公司的第一个 AI 项目都是它。上线之后员工不用，为什么不用，因为公司的内部文档本来就是一堆过期的、互相矛盾的、缺胳膊少腿的东西。Ludicity 有句话挺狠的，LLM 不会通灵，它只知道被写下来并且能被检索到的东西。文档垃圾，接上大模型还是垃圾，只是垃圾的响应速度变快了。

更微妙的是指标。他观察到项目负责人会非常小心地避免统计最基础的数据，比如这玩意到底有没有人在用。或者只统计那些容易做好看的数字。

他自己撞上过一个绝佳样本。半年前他的车坏了，打三菱的客服电话，接电话的是个语音机器人，声音自然，响应很快，礼貌地记下了他的问题，承诺有人空出来就马上回电。他说这是他在真实生产环境里见过的完成度最高的一个落地。

然后就没有然后了。半年过去，回电到今天都没来。

你品一下这个案例在报表上长什么样。没有报错，没有投诉进来，工单大概率被标记成了「机器人自助解决」。所有指标都好看，除了那个唯一重要的，本来打算买车的客户决定不买你家的了。这种失败是静音的，它不炸，它就安安静静地躺在漂亮的仪表盘后面。

第二种死法，信仰化管理。

文章里有个细节我到现在还没消化完。一个高管，刚给一家年收入 20 亿美元级别的公司写完整套以 AI 为核心的技术战略，然后私下承认，自己这辈子没用过 ChatGPT，任何 AI 工具都没碰过。

好家伙。你让一个没摸过方向盘的人给整个车队规划行车路线。

Ludicity 一开始以为这些人是装的，是为了当意见领袖的表演，毕竟确实有人私下跟他承认过自己在演。后来他发现真相更吓人，相当一部分人是真信。让他彻底转变判断的是一件事，他亲眼看到一个真金白银押在项目上的老板，把绩效最好的员工裁了，理由是这些人达成业绩的方式没有用 LLM。对外吹 AI 可以理解为营销，拿自己的钱这么干，那只能是真信了。

真信的人比撒谎的人难办多了。撒谎的人你至少可以私下跟他讲利益，真信的人连利益都劝不动。

于是一线的人开始进化出各种保命姿势。他好几个同行现在给工作「刷 AI 漆」，活儿还是照原来的方式干，干完说是 Claude 干的，因为老板看到没用 AI 会不高兴。还有前面开头那个 token 排行榜。文章里引了一个工程师的原话，我翻译一下大意，「我把我们 Go 仓库开个副本，让 AI 在里面把整个项目重写成 Zig，就为了保住饭碗，我自己该干嘛干嘛，产出看都不看直接扔掉」。

一个公司最贵的那批系统优化专家，被逼着去优化「AI 使用量」这个指标。他们当然优化得动，这不就优化给你看了嘛。

第三种死法，演示。

Ludicity 的公司给客户部署 Snowflake，一个数据仓库，里面有个叫 Cortex 的 AI 功能，能用自然语言直接问数据，比如「上周营收多少」。按 Snowflake 自己员工的介绍，理想配置下准确率大概 92%，听着不低对吧，但你想想看，这等于你的 CFO 每报十个数就有一个是错的。所以他们从来不把这个功能卖给客户。

架不住有客户点名要看。他们想着丑话说尽，先演示一下也无妨。

结果他形容那个场面像被什么黑暗力量控制了。原本对他们主营业务不冷不热的客户，看完演示当场就要掏钱，他们反复强调这东西达不到你要的效果，没用，对方就是要买。包括一家已经在财报里吹自己 AI 用得好的上市公司，看到这个两小时攒出来的、他自己评价「其实不怎么样」的 demo，眼睛都直了，因为这家公司投了那么多钱，手里连一个能跑的东西都没有。

最后他们把钱退了，合同不签了，Cortex 从演示列表里删掉了。用他的话说，医生不会到处展示自己绝不会开的处方药。

这段我建议每个做 AI 产品的朋友都读一遍原文。demo 对决策层的杀伤力是核弹级的，它跳过了所有理性评估环节直接命中钱包。你以为你在做技术选型，其实房间里没有人在做技术选型。

第四种死法，是我觉得全文最有意思的一段，高管的囚徒困境。

他在海外见了一个五百强高管，聊下来发现对方技术上完全清醒，知道自家吹的「生产力提升 100 倍」是胡扯。那为什么没人站出来说句实话呢。

对方给的答案是，说不了。他们客户的高管在外面讲自己用 AI 提效 100 倍，作为供应商，如果你出来说这个数字不可能，那就是打客户高管的脸，对方会把这理解成攻击，企业大单可能就没了。而这家公司自己也是别人的大客户，他们的供应商同样不敢拆他们的台。一圈看下来，全世界的高管互相拿枪指着对方，谁先说真话谁先倒下。要是能约好大家同一秒放下枪，也许还有救，但没有任何机制能协调这件事。

他还给一些上市公司董事会讲过怎么应对 AI 炒作，会上董事们私下承认自己是怀疑的，但也承认自己的位置取决于持续要求公司加大 AI 投入。其中一位说了句「这么早投进去，看起来是只有风险没有上行的赌注」。两年过去，那家几十亿美元的公司现在对外自称 AI 原生企业。

所以下次看到某个高管发言离谱，先别急着断定他蠢。他可能比你清醒，只是他的清醒不能变现，装疯才能。

第五种死法，纯度检查。

现在很多组织里，任何预算申请都得先过一道「够不够 AI」的审查。于是大量根本跟 AI 无关的项目，被硬贴上 AI 标签去闯关。他举了个例子，一个从 Oracle 迁移到 Snowflake 的普通数据库迁移项目，供应商特意加了个前置阶段，用 LLM 自动翻译 SQL 方言。后来这个环节失败了，失败原因甚至不是 LLM 翻不了这种难度不高的活，是权限一直没批下来。最后全程手工迁移，但对上汇报的口径是 AI 驱动的成功案例，因为确实有那么一小撮 SQL 是 AI 翻的。厉害了。

买的是一次标准数据库迁移，卖给上级的是「我把预算的相当比例投在了 AI 上」。

还有一个更扎心的变种。不少公司公开了新的招聘政策，申请增加人手之前，必须先证明你试过用 AI 解决。听着挺合理对吧。没写出来的下半句是，如果你说你用了 AI 还是需要人，那你会被贴上「不会用 AI」的标签，下一轮裁员名单见。

这一条条看下来，你发现问题出在哪了吗。每一种死法里，模型本身都不是主角。文档烂是组织问题，指标造假是组织问题，信仰考核是组织问题，高管不敢说真话是组织问题。Ludicity 之前那篇摔跤文里就说过，AI 项目会继承普通软件项目的全部失败模式，然后再额外叠一层新技术的风险。大部分公司连普通软件项目都做不利索，你猜叠加之后是什么成功率。

顺便说一句，这不是一个「AI 无用论」老哥的暴论。写《我的 AI 怀疑论朋友都疯了》力挺 LLM 编程的 Thomas Ptacek，跟 Ludicity 隔空吵过一整轮，对喷的文章都还挂着，但在一件事上两人完全一致，Ptacek 那篇文章第一段就写了，高管强制推行 LLM，是烂战略。一个 AI 多头和一个 AI 空头，吵成那样还能共识的判断，含金量可以自己掂量。

说点我自己的看法。我的日常工作就是给大模型搭脚手架，就是让模型在生产环境里真正把活干完的那层工程，工具怎么接、失败怎么重试、上下文怎么管、效果怎么评。所以读这篇的时候我心情挺复杂的，他写的每一种死法，恰好都死在我天天打交道的这一层的外面。不是模型不行，甚至不是工程不行，是工程还没开始，组织先把自己玩死了。

我是真的觉得这些工具有用，Claude Code 我每天都在用，用得还挺爽。但「工具有用」和「把工具当信仰考核」是两件事，前者是工程，后者是玄学。工程的特征是允许你说「这个场景不适合」，玄学的特征是说这句话的人会被开除。

文章后半段给了一堆生存建议，我挑几条对一线工程师最实用的。

聊 AI 项目的真实状况，永远单聊，别在群体场合聊。人在同事面前不敢暴露真实想法，一对一才有真话。他有个从咨询老书里学来的技巧，匿名打分，让项目相关的人给成功概率打 1 到 10 分。他见过的典型结果是一半人打 3 分，另一半打 8 分，一个已经延期三年的项目上出现这种撕裂，本身就是把「有人在向上隐瞒信息」拍在 CEO 桌上的铁证。

去找真正在用工具的一线员工聊。他有个客户，做了半天生产力调研，最后发现员工压根不知道自己被配了 AI 工具的许可证。所有生产力报告瞬间归零。

别去挑战「AI 正在改变一切」这类大论断。你的目标是修好眼前那个具体的项目，不是纠正整个公司的世界观。信任是私下一顿饭建立起来的，不是当众辩论赢来的。

以及几条更硬核的自保建议。如果你正在被迫 review 海量的 AI 生成烂代码，别指望能说服那个往你身上倒两千行 PR 的人，按已经被裁的心态现在就开始找下家，趁你还有力气。如果你老板开始用明显 AI 生成的文字回复你，你也用 AI 回复他，然后找下家，他不但不会生气，他还会觉得你很先进。如果你被要求最大化 token 用量。。。行了你懂的，找下家。

最后回到开头那个看 Netflix 的工程师。我一开始觉得这是个摸鱼段子，读完全文再回头看，感觉完全变了。在一个用 token 消耗量衡量先进性的组织里，让模型空转刷指标的那个人，可能是整栋楼里最清醒的。他只是精确地执行了公司真正想要的东西，一个好看的数字。

狂热是潮水，早晚会退。船底那些真正硬的东西，文档、指标、说真话的通道，退潮之后还得有人一块一块补回来。到那天，愿你是留下来修船的人，而不是跟着潮水走的那个。