摘要：79% 的高管把 AI 列为战略优先，走出试点的不到 25%。卡住项目的从来不是模型，是数据、遗留系统和运营模式。

最近读到一篇 FM 科技供应商的复盘文章，标题：为什么大多数设施管理的 AI Agent 项目会失败。

发文章的是供应商，自家的生意就是卖 AI，行业的失败模式摊开来讲：大多数项目在正式上线前就触壁了，而根因很少是 AI 模型本身。

<公开资料>文章引了一组数据：2024 年一项高管调研里，79% 的领导者把 AI 列为战略优先级，但真正走出试点阶段的不到 25%。热情和落地之间，隔着一道大多数人没预料的城墙。

图：热情和落地之间，隔着一道大多数人没预料的城墙

「FM 不是简单地需要 AI，而是需要用好 AI 的组织成熟度。」

01 · 城墙在哪

三堵，每一堵都不是模型。

第一堵，数据质量。Demo 用的数据干净、标准、预先接好；真实项目里的数据，缺填漏记、口径不一，"数据很少是干净的，系统很少是标准化的"。

第二堵，遗留系统的连接。设施管理的日常本来就碎：一张工单从报修到关单，要穿过工单系统、财务、外包商、业主门户，<公开资料>的说法是"一张服务请求在解决之前要经过六个不同的系统"。收费、工单、品质、设备各一套，外加外包商的微信和 Excel。

图：从试点到生产的路，全程铺在现有的基础设施里

第三堵，运营模式不清。AI 接进来之后，谁复核、谁兜底、按什么指标算成功，没想清楚就上了。

文章里那个失败剧本：领导批准试点，供应商演示惊艳；几周后 IT 部门进场，发现老系统没有接口；工期从六周拖到六个月，各方失去耐心；试点悄悄缩水，组织得出结论"AI 还不成熟"。锅最后甩给了 AI。

02 · 怎么修

文章给的修复方案，对部署企业 AI 的借鉴。

一，把连接当项目本体。从试点到生产的路，"全程都铺在你现有的基础设施里"。接口、数据库、导出文件、甚至浏览器方案，先选最省事的连接方式把数据通起来，再谈智能。启动前五项检查里最朴素的几条最值钱：指定一个技术对接人、备好接口文档、第一个 Agent 只定一个成功指标——"不是十个 KPI，是一个"，再承诺一个四到六周的试点和 go/no-go 评审。

二，先修流程，再上 AI。把 AI 焊在烂流程上，得到的只是"更快的混乱"。AI 是运营转型的一部分，不是采购清单上的一个新品类。

三，把耐心当投入。有头部企业在数字化上十年投了上百亿，AI 应用的效果是从夯实数据底座和知识库里长出来的。那些宣称三个月见效的，见效的只是演示。

图：同一批技术，有人卡在试点，有人跑出结果

END · 写在最后

<公开资料>文章里有个成功案例的数字：有机构的工单 AI 实现了八成自助解决，有地产集团的发票 AI 四个月处理了两千多张、拦下三成错账。同一批技术，有人卡在试点，有人跑出结果，差别不在模型版本，在底座。

「FM 不是简单地需要 AI，而是需要用好 AI 的组织成熟度。」

同样的，对普通打工人来说，不用纠结不同企业 AI 模型版本，先用起来，嵌入自己日常的重复的、可 AI 替代的工作流。跑起来先。

---

数据来源：失败模式与修复建议引自公开发布的国外 FM 行业分析；高管调研、协会闭门会与企业实践均为公开资料；机构名按惯例隐去。个人观点，仅供参考。

我是 Ethan，用 PAIOS - 自创 AI 系统，建知识库，记录物业行业从业以来的行业观察与个人思考。

作者提示：个人观点，仅供参考。欢迎讨论。