Lobsters 社区一篇题为《It doesn’t matter if it works》的讨论热度走高，核心判断很直接：对不少 AI 产品来说，一次演示能成功，已经不足以证明它有商业价值。我们注意到，这种声音之所以重要，不是因为它反 AI，而是因为行业正在告别“跑通一个 demo（演示版本）就算成立”的阶段。

这是什么

这篇文章和评论区讨论的，不是某个新模型参数，也不是某家公司融资，而是一个更底层的问题：如果一项 AI 功能即使能工作，但成本高、结果不稳定、流程难接入，它对用户仍然可能“等于不能用”。

过去两年，市场常用“成功案例”判断 AI 进展：写出一篇文案、做完一次客服回复、自动生成一段代码。但现在，企业更关心的是另一组指标：失败率有多高、人工复核要多少、接入现有系统麻不麻烦、出了错谁负责。换句话说，AI 的评估标准，正从“能力展示”转向“可持续交付”。

这也是为什么不少人开始少谈 Agent（可自主调用工具、执行多步任务的 AI 代理）能做多少事，多谈落地后的维护成本。模型会做，不代表公司该用；用户觉得新鲜，也不代表产品留得住。

行业怎么看

支持这一判断的人认为，AI 行业正在经历一次正常回调。早期大家看重“第一次成功”，因为那代表技术边界被推开；但进入部署阶段后，真正决定采购和续费的，是稳定性、责任边界和总成本。尤其在企业软件里，80 分的偶尔惊艳，往往不如 95 分的稳定可控。

值得我们关心的是，反对意见也很明确。第一种声音认为，今天拿“稳定交付”要求生成式 AI，可能过早，因为模型能力仍在快速上升，很多今天不可靠的任务，半年后可能就够用了。第二种风险是，市场可能因此过度保守，把 AI 仅当作辅助工具，错过更激进的流程改造机会。还有一种更现实的担忧：如果企业把“先别用，等成熟”当成默认态度，也可能在内部错失数据积累和工作流重构的窗口期。

我们的判断是，这篇讨论的价值不在于唱空 AI，而在于把问题从“它灵不灵”推进到“它值不值”。这是一个更接近预算、组织和责任分配的问题，也因此更接近真实商业世界。

对普通人的影响

对企业 IT：采购重点会继续从模型榜单，转向集成能力、审计记录和容错设计。以后买的未必是“最聪明”的 AI，而是最容易接进现有流程、出问题最容易兜底的那一个。

对个人职场：会用 AI 生成内容，正在变成基础能力；但更稀缺的，是判断哪些结果能直接用、哪些必须复核。会“管住 AI”，比单纯“会用 AI”更值钱。

对消费市场：面向个人的 AI 产品会更强调省时间，而不是秀能力。用户的新鲜感在下降，愿不愿持续付费，取决于它是不是稳定地替我们省下真实步骤，而不是偶尔带来惊喜。