半年FDE工作有感，和佬友们一起聊聊

10年前的数字化转型热潮，再到如今的AI转型，

本质是就是一场应用工具的转换，

再深挖一层就是人的接受程度，

这场风暴中，有认为自己是身处漩涡中的人，但是也有人觉得跟自己毫无关系，

但是随着这场风暴越来越大，最终所有人全部会被影响到。

每个人都用过企业信息化系统，

但是在用的时候，是不是心里都在嘀咕，这个操作怎么这么多步，

创建个任务怎么让我选这么多？太难用了，我看不懂。

这是几乎是所有用户的诉求，就是能操作1步，就不操作2步，

那么产品本身要考虑自身的扩展性与兼容性，肯定不能做成一步直达的交互。

但是AI时代交互方式完全变了，你的意图完全可以进行文本化，

AI理解你的意图自己去动作，就把事情做了，这从软件交互来说，是颠覆性的改变，

但是目前为啥没发展起来，一是AI理解响应速度慢，二是理解会有偏差，

三是表达可能有误影响AI操作，

就是涉及到更广泛的问题点，你的表达要精准，就得需要制定大型的prompt工程；

AI智力低响应慢就要换更高级的硬件来满足；

AI思维会发散，就要制定更强大的harness来驯服。但是我觉得随着时间推移，

这些问题都将不是问题，

那么根本问题在哪里呢，我觉得根本问题在于人的问题，整个公司的数据收集问题，

以及收集后的数据进行数据筛选处理问题，

最关键的问题是 每个岗位经验skill收集问题，

任何触及到利益的问题都是重中之重的问题。

从信息化实施到FDE实施，都是在为企业进行降本增效，

但是没有信息化的基础又何谈AI的应用，你的AI应用需要基于你信息化系统上长出来的，

信息化工具本质上已经提高了很大的生产力

但是它有一个严重的弊端就是没有泛化能力，

所有的 数据格式，抓取方式，数据处理，数据展示层，数据决策 等全是固定写死的，

相当于一套完整的流水线，你要说提升效率了吗？提了，数据有价值吗？有，

但是还远远不够，这座数据金矿才发掘了一点点，

因为开发一套固定的程式模板耗费了太多人的心力，以至于顶天只能做一两套的变通方式，

所以导致“挖矿”工人悻悻撤退。

但是如今有了AI之后，所有环节就全部能盘活了，它拥有着强大的泛化能力，

能够凭借agent强大的数据与逻辑处理能力，不管从后端的数据采集与分析，还有前端的数据展示，

以及最终决策，但能成功交付给你。

这时候有人会问了，怎么解决AI的幻觉问题还有AI的安全问题？

目前阶段AI确实还存在这类问题，但是这类问题随着时间推移，都不将成为问题，

眼下我们看到的是普遍大模型context能达到1M，这是什么概念？能塞进去一部三国演义，还能头头是道的给你讲解。

然后本地的模型QWEN32B就可以处理大多数日常工作，还有各种图像生成模型，视频生成模型，百花齐放。

回想25年的本地模型还是笨的一批，26年这时候它的智力程度与响应程度（每秒90tokens）是如此强悍，

更不用说在过几年，8G的显存都可以支撑一个很强悍的小模型在本机给你24小时处理工作。

目前更适用于落地的做法就是加强规则的制定，类似于harness工程掺杂到agent中去，

最需要人验证审核的地方还得需要人来处理。

历史的发展永远向前的，

但是不变的还是事情本身的逻辑，工具的变化，

最终导向生产力的换血与生产方式的变革。