上了 AGV 人效却没动：一次企业 AI 落地复盘，以及 FDE 的真实工作结构

摘要一场从业者群聊里有人用自家工厂的真实改造给出了完整答案——问题从来不在模型而在计价规则、利益重构和预期管理。本文整理了这场讨论中最有价值的五个判断包含四方激励逆冲模型、三个零硬件改造动作以及一份用三张财务报表验证的结果数据。文中人物均为化名企业与地域信息已做脱敏。写在前面前阵子在一个 AI 从业者交流群里一场从上午聊到傍晚的讨论围绕企业 AI 落地到底卡在哪展开。参与者里有连续创业者、业务流程自动化的从业者、投资视角的观察者还有一位真在自己家族工厂里做完了整轮改造的人。这场讨论的价值在于它没有停在老板认知不够数字化基础太差这类正确的废话上而是给出了一个可被完整复盘的样本——从问题定位到改造动作再到三张财务报表的验证结果。更反直觉的是其中一组数字代码只占全部工作量的 15%而且是极限值40% 的时间在做心理疏导45% 在梳理业务场景、重构 SOP 与利益分配。一、结论先行五个判断如果只读一段读这段#判断一句话解释1老板要的不是 AI是正反馈老板个个是人精不好糊弄。能打动他们的只有增收或降本的可见结果而且是持续可验证的结果2这轮 AI 要做乘法不是减法目标是一个人干出三个人的产出而不是用 AI replace 掉三个人。做减法会立刻触发组织免疫反应3技术不是瓶颈计价规则才是上了 AGV 人效却没动根因是四个主体的激励方向全与目标相反4FDE 的核心是优化经营报表交付成果必须翻译成三张财务报表的语言否则老板无法确认是否真的赚到了5代码只占 15%人和账占 85%心理疏导 40%业务场景梳理与 SOP/利益重构 45%纯代码 15%极限二、第一层这个生意到底怎么成立讨论开场是从商业模式开始的共识非常清晰。**A 先生连续创业者负责搞定老板**的观点很直接老板都想 AI 化难点是找不到有正反馈的场景。他创业 15 年太了解老板——“个个人精不好糊弄关键还是得落地、有结果”。他的合作模型也简单粗暴我搞定老板你负责交付有真实落地和结果反馈就能组队。他还补了一条渠道判断大客户都在线下得往线下挖。B 先生泼的第一盆冷水是客户数字化基础太差要出结果得先费大力气补数字化。A 先生的应对是先筛选——只挑基础好的做不硬啃。这个思路值得留意数字化成熟度应该被当作客户准入条件而不是免费赠品。D 先生则从收益结构上给了一刀降低客户成本赚不了大钱创造更多效益才行。这句话点出了定价逻辑的天花板——帮客户省 100 万你很难抽走 30 万帮客户多赚 100 万谈判空间完全不同。三、第二层一个让 AGV 白买了的结构性错误真正的高潮在E 先生抛出的自家案例。背景某规上童装外贸企业业务覆盖针织、成衣、外贸、电商。因为有自建仓走货基本靠自发货由一家长协运输公司承运。每次装车要临时请 6–8 名临时工。前一阵上了 AGV。按常理人效该涨结果人效纹丝不动。真正的病根四方激励逆冲深入沟通后发现问题不在设备在计价权重。四个核心主体的激励方向全部与装满这个目标相反而且互相交织主体计费方式由此驱动的真实行为与装满的关系企业货主按趟付费想压趟数、压单价无正向激励运输公司靠趟数堆收入多跑趟不关心装多满冲突司机按趟拿钱快装快走装得越满等得越久冲突临时工按次计时拖时长干得快反而少挣钱冲突叠加一个业务细节装货是按方数结算的车常年有10–15% 的空仓。于是形成了一个死结所有人都按趟或次结算没有任何一个人从装得更满里拿到好处。AGV 只是让搬运变快了但快出来的时间立刻被多跑一趟和多耗一会儿吃掉了。这是我认为整场讨论里最值得抄走的一个模型当一项技术投入没有产生效果时先去查一查相关方各自的 KPI 是怎么定的。大概率会发现问题不在技术选型而在利益分配。四、第三层不换设备只改规则E 先生的解法里没有增加任何新硬件只做了三个动作全部指向一件事把装满变成每个主体自己的收入来源。动作一提前到 T-1 库堆垛 并托把装车前的整理工作前移到前一天完成。装车等待时间被压缩车辆的在车时间下降——这一步解决的是装满就得等的负激励。动作二临时工从计时改为码托 扫码质检把计时计酬改成计件同时把质量责任交给一线。这一步做了三件事人效立刻起来、货损责任有了明确归属、临时工收入反而上升。动作三AGV 配合搬运 允许运输公司配货这是最关键的一手。既然车有 10–15% 空仓那就允许运输公司用空仓配货——空仓从没人管的浪费变成运输公司自己的增量收入。同时帮运输公司把报价规则从平台报价挪进长协里做让长协有空间用运价让利换满载率。三个动作的共同点没有一个是技术方案。全部是规则设计。技术AGV在这里的角色只是执行者不是解决方案本身。五、结果用三张报表说话改造后的结果E 先生是直接用财务口径给的各方收益全部为正无人受损主体变化司机单趟增收 1000 元以上临时工收入增加 200–300 元2 人转正向 AGV 厂商提交了 10 条有效改进意见运输公司月增收 15–20 万元来自允许配货企业货损率 5% → 2%物流成本占营收 6.5% → 5.8%全程没有裁一个人。转正的两位临时工一位跟着 AGV 厂商做 Bugfix 与纺织行业仓库优化另一位转向数据统计优化。报表验证指标改造前改造后营业收入—7%净利润—16.4%现金周期135 天102 天资产负债率53%48%最值得玩味的是这组杠杆关系营收只涨了 7%净利却涨了 16.4%。这就是做乘法的财务含义——同一份收入里被损耗掉的部分少了利润弹性被放大。而现金周期压缩 33 天、负债率下降 5 个百分点说明改善的是经营质量不是账面数字游戏。六、FDE 的真面目15% 代码85% 人和账案例讲完后E 先生给了一组让全场沉默的数据——他的真实工时结构心理疏导与阻力化解 40% 业务与场景梳理 / SOP 与利益重构 45% 纯代码开发 15% ← 此为极限值他补了一句“估计大部分人都会不理解。”围绕这个结构他给了几条判断1. 五懂模型。懂心理、懂业务、懂场景、懂技术、懂交付。前提是资本 智力——而这两样大部分企业都凑不齐。2. 不要为 FDE 而 FDE。FDE 本质是数字化工作的自然延伸不是独立工种。3. 合理的 FDE 应该从企业内部生长出来而不是外部乙方。“大部分时间 FDE 的角色定位是一个乙方乙方心理太重。”——这句话很扎心你用乙方的身份去干 CEO 的活能好干才怪。4. 不是所有环节都要过模型。他明确反对强制每次都过模型的做法Coding 和模型需要知道但不是所有环节都要过模型。把确定性流程硬塞给模型只会增加成本和不确定性。5. AI 目前改变的只是信息流的组成物质和能量的改变还没到。这是一条边界判断——SOP 是受约束的信息流和操作流AI 能优化的是流暂时还动不了物。七、落地四原则结合案例与讨论可提炼出四条可操作的原则。原则一管理老板预期别让 ego 太大建议和老板谈的时候别让老板的 ego 太大、预期太高。“现阶段大部分老板的真实想法是上一个功能能 replace 人”——这个预期不校准项目从第一天起就是错的方向。正确设定目标和管理老板预期本身就是 FDE 要思考的工作内容。原则二中层和下层才是最大阻力中层和下层其实是阻力最大的。尤其小公司裙带关系普遍推动极难。这也是为什么 40% 的时间要花在心理疏导上。由此引申出一个实操建议培训与交付要分层设计——跟老板谈预期与 ROI跟中层谈权责与计价跟一线谈计件收益。用同一套话术打三个层级必输。原则三数字化能力绕不开无论前面有多少组织问题数字化能力是绕不开的前提。ERP 用不起来是常态但企业核心业务能做好数字化、能做数据复盘已经超越绝大多数企业了。这是做一切优化的地基。原则四效果必须回到三张报表这是全场最硬的一条。FDE 的核心目标是优化经营报表通过三张财务报表反映真实变化。功能上线数量、模型调用次数、Agent 部署个数——这些都不是交付标准。八、反对意见这个模式本身成立吗讨论里也有不客气的质疑值得原样保留。F 先生认为 FDE 模式存在结构性矛盾“FDE 干的是 CEO 思考的活承载的却是乙方的角色能好干才怪。未来肯定不是 FDE 这种模式推广而是 AI Native 的企业去替换掉之前的企业。”C 先生做业务流程自动化的从一线视角给出了阻力来源“我们公司里面的人都知道我做好之后公司就开始裁员。”一旦优化 裁员成为共识所有协调动作都会被消极抵抗——所以关键问题变成了沟通与协调不是技术。同时他也点出了业务流程自动化的两个真实难点一是需要各种各样的资料数据二是员工的 AI 素养。E 先生对数字化基础差的反驳是“这倒不一定。”他当天上午刚和养殖类上市企业沟通过只是自己在养殖方向没经验能切入的也就供应链、金融两个大场景。场景经验的可迁移性是 FDE 真正的护城河也是真正的天花板。还有一个必须承认的前提E 先生的案例发生在家族企业里“有尚方宝剑”不存在部门墙。他自己也说“我例子会比较特殊……但是这些活我干得也挺吐血的。”九、给做企业 AI 交付的人一份自查清单把上面的内容收敛成可执行的检查项立项前客户数字化成熟度是否已达到准入线不达标就先做初筛别硬啃这次交付是做乘法还是做减法如果是减法先想清楚组织阻力怎么破老板的预期是否已校准到可盈利而不是能 replace 人诊断阶段画出相关方地图逐个列出谁按什么方式结算他的最优行为是什么这个最优行为与你要达成的目标是否同向不同向的话先改计价规则目标场景里损耗发生在哪个环节空仓、等待、返工、货损方案阶段有没有可能不增加硬件只改规则就解决方案能否让每一方都多赚一点单方受益的方案推不动哪些环节不需要过模型把它们摘出来验收阶段能否用三张报表表达结果营收、净利、现金周期、负债率中层与下层的收益是否也被覆盖了改造后有没有人从中生长出新的能力如案例里转正的两位临时工时间预算按 40% 心理疏导 / 45% 场景与规则重构 / 15% 代码 来排期不要只按代码量报价十、一句话总结AI 落地的瓶颈不在模型而在计价规则、利益重构和预期管理技术只占 15% 的工作量另外 85% 是人和账。当一项技术投入没产生效果时别急着换模型、换厂商、加设备。先去把相关方各自的 KPI 摊在桌上看一遍——大概率会发现没有任何一个人从你要的那个结果里拿到好处。把这件事改过来技术才会开始起作用。数据与结论来自公开群聊讨论仅供方法论参考。