这两年，我是真没少见企业喊“All in AI”。

台上老板讲得激情四射，台下各种试点项目一个接一个上。但你认真往底下看看，就会发现一个挺拧巴的现象。

ChatGPT、Claude 这些大模型用户数哗哗涨，企业的 API 调用量每个月都在创纪录，看着红红火火。可要问哪家企业真靠 AI 把核心业务翻了个身、实现了经营转型？嗯……一大片的沉默。

绝大多数公司的 AI，至今还停在写写邮件、生成点文案、搭个客服问答机器人这种“边角料提效”上，压根儿没碰核心生产环节。

问题到底卡在哪了？

过去总爱怪技术，其实都没说到根上

一说起这事儿，大家习惯性的反应就是：模型还不够强、算力太贵、数据不够多。这些当然重要，但你琢磨琢磨，真不是最要命的。

最拖后腿的东西，其实是企业长期忽略，甚至压根没觉得那是资产的东西——知识。

注意啊，我说的不是那种网上随处能搜到的公开知识。通用大模型啃的都是互联网上的书本、论文、论坛帖子，这些它一学一个准。

但企业里真正值钱的那些经验、窍门、作业标准，全藏在老师傅的脑子里，锁在封闭的内部系统里，外面根本扒不到。

这就导致一个特别尴尬的局面：一到专业生产环节，比如排产怎么调、质检怎么判、工艺参数怎么微调，AI 就彻底露怯。话说得都对，听着头头是道，一干活就废。纯纯的纸上谈兵。

AI 公司急功近利，把死结打得更紧了

按理说，这种垂直领域的知识鸿沟，得有人扎下去，一个行业一个行业慢慢啃。急不得。

但现实是，现在的 AI 公司普遍急着回血。既舍不得花时间深扎，也舍不得砸试错成本，更不愿意投钱去理解产业。

直接把通用大模型抛出来，让全世界买单。

结果就是，一堆不懂行业的模型调参侠，硬着头皮做行业解决方案。而真正懂行、有一二十年经验的老师傅、业务骨干，又根本碰不了大模型底层的参数和逻辑。

两边彻底割裂。你不懂我，我改不了你，就卡在这儿，动弹不得。

换个路子：先让懂业务的人能自己上手

说来说去，既然让 AI 一步到位理解垂直知识这么难，那不如换个思路，先把企业自己的“私房知识”盘活。

这时候，无代码平台反而踩到了点子上。

它不需要业务人员懂代码、懂模型。车间主任、财务主管、仓库管理员，这些最懂业务的人，直接就能把脑子里的流程、规则、经验，搭成一个能跑起来的系统。

这一步太关键了。那些以前口口相传、师傅带徒弟才能传下去的隐性知识，一下子就变成了看得见、可修改、可传承的数字资产。

你先得把这些知识结构化、在线化，AI 后面才有真正的“养料”可以消化。不然你喂再多数据，也是虚胖。

无代码平台，正好补上最要命的那一环

说到无代码，让我想到同为金山系的云表平台，它通过画表格就能开发复杂级企业管理软件。它的路子，我觉得特别对。

首先，它是真无代码。不是那种“低代码”的宣传口号，实际上还得写一堆脚本。云表平台就跟你平时用 Excel 一样，画表格、拖拽、配公式，业务人员完全能自己上手，不用看 IT 部门脸色。

全中文界面这一点也特别关键。很多企业软件界面英文术语一大堆，车间主任看着就发怵。云表里里外外全中文，按钮、提示、函数名全是汉字，年龄大点儿的老师傅也能看懂、学会、用起来。

功能还特别全。流程审批、数据报表、权限管理、消息提醒，这些企业常用的功能全自带，不用东拼西凑去买别的系统。一个平台就能把生产排程、质量标准、供应链协同这些核心环节全搬上线。

灵活扩展更是它的强项。企业需求是会变的，今天这么管，明天可能就得那么管。云表搭建出来的应用，随时能改、随时能调，不用等开发者排期。业务变了，系统跟着就变，不僵化。

还能对接第三方软硬件。这点对制造型企业太重要了。PDA 扫码枪、RFID 读卡器、ERP 接口、企业微信、钉钉，都能打通。不搞信息孤岛，数据在设备、系统、人之间流动起来，业务才算真正盘活。

关键是在这个过程中，企业几十年攒下来的经验知识，就一点一点沉淀下来了，变成了攥在自己手里的资产。等这些业务流跑顺了，知识也完整了，你再想去对接 AI 能力，就不是让 AI 瞎猜，而是让它站在坚实的业务地基上去发挥。这个落地顺序，才是合理的。

结语

说到底，AI 在企业大规模落不了地，真不是什么技术问题。

就是我们长期太忽视知识资产，又总想一口吃成胖子，指望靠一个通用大模型，就把老师傅们全替代掉。

别老飘在天上想那些一步登天的事儿。先用无代码平台，把老师傅的本事接住，把知识理顺、留好。地基打牢了，再谈 AI 赋能。

路径踏实了，AI 才不会一直飘着，才能真真正正长到企业的骨肉里去。

对此，您怎么看？非常欢迎您在评论区补充观点或者干货。

文｜表妹