凯哥讲AI 深度观点系列 · 穿越技术周期的判断方法

深度观点 · 第一篇

写了629篇技术文章，我发现技术从来不是答案。

过去十二年，你追过几波技术浪潮？

大数据、移动互联网、云计算、数据中台、数据要素、大模型、Agent……每一波来的时候，都有一批人 All in，有一批人观望。十二年过去，All in 的人里一半成了先烈，观望的人里一半错过了船。

先说结论：过去十二年，凡是只追技术不问问题的企业，钱基本都打了水漂。

我把自己的629 篇公众号全面梳理了一下，做成了史凯的思想本体 ，从 2014 年拉到 2026 年，不是为了怀旧，是想回答一个问题：穿越这么多波浪潮，到底什么东西是没变的——是下一次浪潮来时，你还能用的？

答案不是某个技术，不是一套工具，而是一套判断方法，浓缩成五个问题。打个比方：农民不追每一场雨，追的是节气。

技术浪潮是雨水和风，判断方法是节气。面对任何新技术——不管它叫 AI、叫 Agent，还是叫下一个你没听过的词——你先问这五个问题，就不会被浪潮卷走。

第一问：你要解决的到底是什么问题？

技术只是可能性，价值才是目的。

说实话，这 629 篇里有一半是追热点时写的，现在回头看，字字都是学费。我写过数据中台，写过 DataOps，写过数据要素——每一波都没缺席。但写得越多越发现：我反对的从来不是锤子，是不看图纸就抡锤子的人。

2022 年我说过一句话："不要把数字化转型当成一把锤子，满世界找钉子。"今天的 AI 时代一模一样。模型越来越强，锤子越来越大，于是满世界"AI 赋能"：客服要上大模型，报表要上大模型，连食堂点餐都要上大模型。但热闹背后，很多人答不上来一个最基本的问题：你要解决的到底是什么问题？

我的规矩是：看到 AI，先追问必要性；能消除的流程就别自动化，规则够用就别上大模型。先做对的事，再把事情做对；先找到价值，再让 AI 放大价值。

数据不是目的，平台不是目的，模型不是目的，Agent 也不是目的。我的价值排序十几年没变过：Outcome > Problem > Scenario > Data/Technology > Solution。

永远从价值出发，向技术要答案，而不是从技术出发，向业务找问题。

第二问：它优化的是局部，还是系统？

局部效率，不等于系统效率。

银行的风控模型从 10 秒优化到 3 秒，发布会讲起来很性感。但客户还是要 5 天才能拿到结果——这 7 秒的优化，对端到端价值几乎没有意义。

这是我 2016 年就写过的东西，那时叫"同心圆价值链"：反对企业按部门职责、流程边界各自优化，主张围绕统一业务目标共同对结果负责。到了 AI 时代，话术变了，病没变：每个团队都在优化自己的 KPI，没人看价值从需求到结果的完整流动。

2022 年，我把"浪费"系统化成数据生产的七大浪费：过度生产、库存、运输、动作、加工、不良、等待。今天回头看，几乎所有的数据问题都能装进这七条。

下次有人跟你汇报"我们把某某环节提速了 70%"，先问一句：端到端快了吗？客户感知到了吗？

在错误的跑道上跑得越快，离终点越远。

第三问：价值落在哪一个能闭环的场景里？

没有场景，数据就是库存；没有场景，模型就是演示；没有场景，AI 就是摆设。

价值很抽象，战略很抽象，技术能力也很抽象。企业真正缺的，是一个能把战略、价值、用户、任务、流程、数据、技术、决策、行动、结果放在同一个空间里讨论的基本单元。我找到的这个单元，就是场景。

所以场景在我这里从来不只是 use case。它是抽象战略与具体行动之间的最小价值闭环。土地、数据、系统、模型本身都不能自动产生价值，只有进入真实业务场景，被组织进任务、决策和行动，才开始产生结果。到 2026 年，我把场景又进化了一步：MVS，最小可行场景——小范围、真闭环、强证据。

价值必须落在一个能闭环的地方。落不下去的，再好听都是 PPT。

第四问：你的第一反应是不是直奔答案？

面对复杂和不确定的世界，不要直接找答案。

我常说："精益不是制造业历史，而是一种判断习惯。"什么叫判断习惯？就是遇到事情，第一反应不是找答案，而是一套固定的提问动作：遇到一个需求，先问价值是谁的？遇到一个方案，先问解决的到底是什么问题？遇到一个忙碌的组织，先问哪里是浪费？遇到一个 AI 场景，先问为什么一定需要 AI？遇到一个大项目，先问最小可验证场景是什么？遇到一个结果，先问有什么证据？遇到一次成功，先问怎样沉淀为可复制的能力？

先建立正确的认知结构，定义目标，进入现场，提出正确的问题，获得证据，再形成判断。

直奔答案的人，得到的是当下的解；先问对问题的人，得到的是穿越周期的能力。

判断习惯长到一定程度，自己会长出骨架——我后来讲的 Ontology、本体，就是这套习惯的理论化。

第五问：组织准备好接住它了吗？

技术问题总有解法，组织问题才是天花板。

如果只看方法论，很容易以为核心是数据或技术。但把 629 篇文章拉成时间轴，组织一直是那条暗线。2022 年我就写过："数字化转型，始于技术，成于业务，终于组织。"

AI 时代，这条线更强了：谁决策？谁执行？谁负责？AI 不只是提高生产力，它必然重新划分人与系统、人与 Agent、业务与 IT 之间的权责边界。

所以第五个问题，也是最容易被忽略的一个：组织准备好接住它了吗？权责有没有重新划分？业务敢不敢用？

演示能跑不算闭环，业务敢用才算开始。

这也是为什么 FDE 最后一定会出现——漂亮的 Demo 和业务使用之间的断层里，得有人站着。

底座：答案越来越便宜，什么在变贵？

五个问题之上，还有一层认知底座。

2018 年，我意识到互联网让知识壁垒快速下降。2026 年，我把它推进成一句话：

大模型时代，答案越来越便宜，问题、证据与责任越来越稀缺。

AI 把内容生产从天周级压缩到分钟级，稀缺性从"生成内容"转向了可信的上下文、判断、证据和责任。

我得承认，我曾经也是个囤积癖，觉得知识越多越好。后来我把个人知识库从 Knowledge Storage 改成 Knowledge in Flow：知识体系应该围绕真实任务按需拉取，而不是无限囤积。

项目是知识从"知道"变成"做到"的地方。

这也是 OGKW 想回答的：当答案可以按需生成，什么才是真正稀缺的认知资产？我的答案是：真正的竞争优势从来不只是"知道什么"，而是"如何看见、如何选择、如何提问、如何验证、如何行动，以及如何把结果变成下一次更好的认知"。

如果把所有名词都拿掉，只剩三层：价值观——一切技术变革最终必须回到真实的人、真实的业务和可验证的价值；认识论——先建认知结构，定义目标，进现场，提对问题，拿证据，再判断；行动论——知识不能转化为行动、结果和可重复能力，就没有完成价值闭环。

而如果只允许留一句话，我会留这句：

价值不是被技术创造出来的，而是被组织出来、被行动出来、被证据验证出来，并最终被沉淀成能力的。