这是联动势能最核心的判断之一,也是我们与传统软件服务商最根本的分歧所在。AI 建设不是软件采购工程,而是能力建设工程。
传统软件项目的逻辑
传统软件开发遵循一套成熟的工程逻辑:需求分析 → 系统设计 → 编码开发 → 测试验证 → 部署上线 → 运维支持。这套逻辑在 ERP、OA、CRM 时代是有效的——因为软件处理的是确定的规则和结构化流程。
为什么 AI 不符合这套逻辑
1. AI 的行为不是确定性的
你写一行 if 语句,输出是可预测的。但你问大模型同一个问题两次,得到的回答可能不同。
2. AI 的价值依赖知识,而非代码
传统软件的价值在于它实现了什么功能。AI 系统的价值在于它掌握了多少知识——而知识是动态的、持续变化的。代码可以一次写好,知识必须持续更新。
3. AI 的效果依赖「使用」,而非「功能完备」
员工不用,AI 的价值就是零。上线只是开始——它需要在实际使用中不断学习、调整、优化。
4. AI 的上线不是终点,而是起点
传统软件:「上线后呢?」「运维。」AI 能力建设:「上线后呢?」「真正的建设才刚刚开始。」
用软件思维建设 AI 的后果
| 阶段 | 软件思维做法 | 导致的后果 |
|---|---|---|
| 立项 | 「我们要做一个 AI 系统」 | 方向模糊,目标不清晰 |
| 需求 | 按功能模块写需求文档 | 知识治理等非功能性需求被忽略 |
| 开发 | 聚焦模型调优和接口开发 | 忽视知识体系持续治理 |
| 交付 | 系统上线,项目验收 | 项目团队离场,运营无人负责 |
| 运维 | 按 Bug 修复模式运作 | 知识不更新,模型不迭代,价值衰减 |
这正是为什么超过 80% 的 AI 项目未能达成预期目标——失败不是因为技术不好,而是因为管理错了。
联动势能的答案
我们提出:企业 AI 建设不是软件项目,而是能力建设工程。不以「功能上线」为里程碑,以「价值产生」为里程碑;不以「项目验收」为终点,以「能力形成」为终点。
软件工程只是 AI 能力建设中的一个环节,不是全部。

