AI 成功三角

成功三角：领导者 × 文化 × 技术

1. 领导者必须重新亲手：领导者过去 10-15 年建立的直觉在 AI 时代需要重学，且要有"我的直觉可能错、我可能是屋里最笨的人"的自觉。范例：Rackspace CEO 每天日历上雷打不动 4:00-6:00 AM "catching up with AI"（固定 2-3 个高质量信源 + 周末 vibe coding + 带着问题找专家碰撞），因为"它会渗透进我们做的一堆决策"。自上而下几乎是必要条件——工程师自下而上很难说服一个不信任技术、或对技术预期错位的领导。
2. 赋能文化而非恐吓文化：用"替代你"制造 FOMO 的公司会失去 SME（领域专家）的配合——而 SME 恰恰是教会 AI "理想行为长什么样"的关键。要传递的是"用 AI 增强自己的工作流、10x 自己"，让全组织在同一条船上。
3. 技术侧的执念是工作流而非技术：成功团队沉迷于理解自己的工作流，判断哪段适合 AI、哪段要人审、哪段其实该用 ML 模型或确定性代码——为问题选工具，而不是为工具找问题。他们快速迭代、尽早建立"不毁客户体验、又能持续收集行为数据"的飞轮。

配套判断：one-click agent 是营销话术

• "部署后两三天见显著收益"的一键 agent 不可信——不是模型不行，而是企业数据与基础设施太脏（混乱的层级分类树、getCustomerData_we_want/getCustomerData_we_do 式的技术债、没有文档的怪规则）。
• 更可信的供应商说法是"我们为你建一条会随时间学习的 pipeline"。替换任何关键工作流、拿到显著 ROI，即使数据层最优也要 4-6 个月。
• 竞争的关键不是"比对手先有 agent"，而是"是否建好了随时间改进的飞轮"。