杭州 --°C 消息 发布作品
hao1123

hao1123

当前位置:首页 > 科技 > 大模型落地深水区:企业算清投入产出账

大模型落地深水区:企业算清投入产出账

hao1123
hao11231794910202|27阅读

上周跟一个做制造业信息化的老朋友吃饭,他吐槽说老板批了八百万预算做大模型,结果半年过去,除了会议室里多了一块演示大屏,产线上该卡的地方还是卡。这事听着像段子,但在圈子里一抓一大把。去年大家还在聊参数、聊榜单、聊哪家又发了新版本,今年风向明显变了——甲方坐下来第一句话就是,这东西到底能省我多少人、多少钱,多久能回本。

2大模型落地深水区:企业算清投入产出账

大模型落地这事,已经过了靠PPT就能拿预算的阶段。我见过一家零售企业,最初想用大模型做智能客服,试了三个月,发现通用模型回答退换货政策时经常胡编,最后老老实实退回去做知识库加规则引擎,大模型只用在会话摘要和情绪分类上。项目规模从最初设想的千万级砍到几十万,反而跑通了。这不是退步,是把账算明白了。

真正让企业头疼的是隐性成本。API调用费看着便宜,但业务量一上来,账单涨得比预想快得多。更麻烦的是数据清洗和标注,这部分往往占掉总预算的一半以上,而且没法一次性投入就完事,模型迭代一次就得重新过一遍。有个金融客户跟我算过,他们做信贷报告生成,前前后后投了十七个人月做数据治理,模型本身反而只调了两周。这笔账在立项书里经常被低估,因为写立项书的人自己也没干过。

还有一层容易被忽略——组织摩擦成本。大模型要嵌进现有流程,就得动别人的饭碗和习惯。我见过一家物流公司,调度部门用大模型做路径优化,效果确实好,但调度员不认,觉得系统给的单子不如自己经验靠谱,最后变成两套系统并行跑,成本翻倍。这事跟技术没关系,纯粹是人的问题。很多项目死在这里,账面上看不出来,但实际损耗比API费用高几个量级。

那什么样的企业算得过来账?我观察下来,共性挺明显。一是场景足够窄,窄到模型出错的影响可控,比如合同条款提取、工单自动分类,错了人工兜底就行,不会伤筋动骨。二是数据底子本来就不差,有现成的结构化流程和标注体系,不用从零搭。三是业务方自己提需求,而不是IT部门硬推。这三条凑齐了,投入产出比才有讨论的基础。

反过来,那些一上来就想做“企业大脑”、把大模型当万能插头的,基本都卡在半路。有个做能源的客户,最初规划了二十多个场景,从智能巡检到经营分析全覆盖,结果做到第四个就推不动了,因为每个场景的数据口径都不一样,模型没法复用,等于每个场景都得从头来一遍。后来砍到三个高频场景,反而在一年内收回了投入。

现在圈里有个说法叫“场景密度”,意思是同样一套模型能力,在高密度场景里摊薄的成本才划算。比如客服场景,每天几千通对话,模型稍微提点准确率,省下的人力就够覆盖成本。但如果是低频场景,比如一年才几百份的合规报告,用大模型就是纯烧钱,不如雇人。

还有个趋势值得注意,越来越多企业开始把大模型当“中间件”用,而不是当“解决方案”。什么意思?就是不让模型直接面向最终业务,而是嵌在现有系统里做增强。比如在CRM里加个自动摘要,在ERP里加个异常解释,单点价值不大,但架不住量大,整体算下来反而经济。这种打法不性感,但活得久。

说到底,大模型落地这事没什么神秘配方。算账的逻辑跟上一轮信息化、上一轮数字化没什么本质区别——看场景频次、看数据质量、看组织配合度。区别只在于,大模型的试错成本更高,因为它的不确定性更大,所以立项的时候更得把丑话说在前面。那些闷声把账算清楚的企业,反而不怎么在外面讲,倒是还在讲故事的,多半是账还没算明白。