用 AI 解决真正的业务问题

原文链接：https://mp.weixin.qq.com/s/TW1UQNic5_B3cDiEnSCVqQ
原始作者：行走的帆（微信公众号「行走的帆」2026-07-14 推送）
一手来源：HBR IdeaCast 访谈 Josh Tarengel（《大西洋月刊》AI 专栏作家，新书《AI for Good》）
发布时间：2026-07-14
获取时间：2026-07-15 10:24 Asia/Shanghai

核心结论

AI 是工具不是魔法；太多公司在”为 AI 找问题”而非”为问题找 AI”——克利夫兰诊所不追”医疗界的微软”，只想让脓毒症诊断快 90 分钟。

分类：本文是”咨询机构 + 媒体视角下的企业 AI 落地方法论 + AI 替代边界判断”综合。放 06-ai-tech 而非 01-ai-agents / 02-ai-coding（不涉及 Agent 工程也不涉及 Coding 工具，是企业战略层方法论），补完现有主线缺位的”媒体 + 一线案例视角 + AI 适用边界”维度。

知识节点（8 个独立概念）

为问题找 AI：本文核心命题——太多公司预算/订阅/要求用 AI 先于想清”用 AI 干什么”，本末倒置
克利夫兰诊所范本：全美前 3 医疗系统；院长”不做医疗界的微软”，只盯两个优先目标；AI 把脓毒症诊断时间减 90 分钟，方法只是 AI 看影像 + 化验单帮医生更快判断
三个 AI 决策原则：真生意？ / 想清问题没？ / 值不值 90 分钟？——逐条淘汰不合适的 AI 项目
5+3 替代边界：5 类最易替代（内容生产/模式识别/分类/判断/数据驱动）+ 3 类短期难替代（体力/真创意/深度人际关系）
AI 恐惧高危岗位：流程人员/中层/客服/合规/金融入门级最易被 AI 学走；机器人技术工/蓝领/养老护工/治疗师反而短期最安全
公司代码定位：合同审核/合规检查/SOP/客服问答 = 规则文档密集 = AI 几乎一定用得上，先找一个最小突破口
数据清洁先行：垃圾进 = 垃圾出；上 AI 前先问”代码在哪儿？数据干不干净？”
判断力稀缺：AI 越强判断力越重要；不要把对 AI 的理解委托给团队

关联图谱

上游（基于 / 来自）

HBR IdeaCast 访谈 Josh Tarengel + 新书《AI for Good》
克利夫兰诊所脓毒症 AI 影像诊断案例

下游（应用于 / 验证于）

企业 AI 落地决策 / AI 培训设计 / 岗位替代风险评估 / AI 上线前数据清洁体检

同级（横向 / 并列）

[[麦肯锡-AI提效只是第一波红利]]（组织战略对偶）/ [[章文龙-AI分身时代-在场重新定价]]（AI 时代哲学）/ [[Nikesh-Arora-模型过剩与记忆护城河]]（CEO 战略）

正文要点 + Seetong 借鉴动作

5 段核心论证 + 6 个对 Seetong 借鉴动作：

论点	原文证据	Seetong 借鉴动作
预算先于问题是 AI 焦虑	“有多少次是先定了预算、订阅了 AI 工具、要求各部门’必须用起来’，然后再去想’我们用 AI 干什么’？”	动作 1：3 月内欧阳荣+黄松佳+谭伟+张威共同列 10 个 Seetong 真问题（设备掉线定位/4G 弱网降级/报警误报/多端账号同步/客服 FAQ/反馈分诊/录像回放卡顿/老版本用户画像/海外登录失败/添加设备流程），按”90 分钟价值”打分选 1-2 个先 AI 化
90 分钟问题原则	“克利夫兰关心脓毒症——每耽搁几分钟死亡率就上升。这个问题当然值 90 分钟”	动作 2：Seetong AI 助手每次上 AI 前先答”耽搁 90 分钟会怎样”——答不上就别 AI 化
公司代码定位	“合同审核、合规检查、SOP、客服问答——AI 几乎一定用得上”	动作 3：找 Seetong 内”规则文档密集”模块——客服 FAQ/反馈分类规则/配网失败错误码 SOP/报警阈值规则——任选 1 个做最小 Agent 试点
AI 培训做反	“大部分企业的 AI 培训方案都做反了。他们教员工’怎么用 AI’，但没告诉员工’AI 怎么能让你已有的本事放大十倍’”	动作 4：每月 Seetong 内部 AI 分享改向——不教 Prompt 模板，教”你的现有工作哪部分能被 AI 放大”（iOS：Crash 日志聚合 + 修建议 / Android：Logan 自动摘要 / 产品：反馈自动归类）
数据清洁先于 AI	“如果你的数据是垃圾，AI 的结果就一定是垃圾”	动作 5：上 AI 前 1 周做 Seetong 数据清洁体检——神策 event 命名/友盟崩溃字段/反馈平台标签/设备状态定义对齐
判断力稀缺 + 高危岗位	“流程人员、中层、客服、合规、金融入门级——最容易 AI 替代”	动作 6：季度 review Seetong 客服/反馈分诊/工单分类/报警误报/云存储销售线索；欧阳荣+黄松佳+谭伟+张威 4 人共识：哪些先 AI 化 / 哪些留人 / 哪些转岗

备注与相关链接

备注与限制：

作者「行走的帆」是个人公众号主，本文是 HBR IdeaCast 编译稿（二次创作）
“脓毒症 -90 分钟” / “AI 看影像超过医生” 是 Tarengel 访谈口播数字未引证
5+3 替代边界缺行业细分，Seetong 借鉴时需针对监控设备行业重新映射
案例全在北美，Seetong 借鉴时考虑国内行业语境

相关链接：原文 raw/raw-digest 见 raw/2026-07-行走的帆-用AI解决真正的业务问题*.md；wiki digest 见 wiki/06-ai-tech/用AI解决真正的业务问题-digest.md；一手来源 HBR IdeaCast + Josh Tarengel《AI for Good》

透明玻璃自检：wiki 字节 (≤8K)/ 节点 8 (6-10)/ H2 5 (≤5)/ 表格 1 (≤2)/ 0 陈词（按硬约束清单逐项核查）