最近刷短视频的人都知道，教你学 Agent、学 FDE 的课程特别多。

号称学几个月，甚至学几天，一个月赚几十万，手到擒来。

我告诉你，这是典型的幸存者偏差。

你只要反问一个问题就够了：如果门槛这么低，企业的高管、企业的董事长，他们怎么可能学不会？能做到那个位置的人，能力大概率不比你低。

一、卖的不是能力，是能力幻觉

这类速成课卖的绝对不是能力，卖的是能力幻觉——把你「学会了」，包装成你「可以交付」。

要知道，会，跟交付，完全是两个模式。

我是古老师（古哥计划），美的十年 PMC 出身，现在帮中小工厂做 AI 落地。我用三个真实的例子告诉你，这两个模式中间隔着什么。

第一个例子，IF 函数。

我在培训课上经常讲它。IF 函数你看得明白吧？但层级一多，你完全被绕进去。很多看似简单的函数，拼起来你就不会了。

第二个例子，SUM 函数。

SUM，你学的第一个函数。它的数组用法，速成班没教，因为教的人自己也不会。

图2：SUM数组用法表——三阶用法对照区（第一阶单列求和 / 第二阶数组条件求和 / 第三阶SUMPRODUCT对照），G列公式、H列结果并排

一行公式：SUM((物料编码="轻-A001")*(状态="在库")*数量)。

条件区域整个压进 SUM 里，TRUE 当 1、FALSE 当 0。老版本还要按 Ctrl+Shift+Enter 三键，很多人死在不知道要三键上。

SUM 你天天用，你不会它的数组用法。这就是「会函数」和「会用法」的距离。

第三个例子，先进先出扣减。

仓库的先进先出，算每批库存还剩多少，我全程只用 MAX 和 MIN，也可以用 IF 写三态。

图1：先进先出库龄表——F列累计入库（反向SUMIFS）、G列库存分配(MAX+MIN钳位)与H列库存分配(IF三态)两列并排，9行批次数据

公式一行：MAX(0, MIN(入库数量, 现存量-累计入库+入库数量))。

MAX 和 MIN，单看都认识，拼起来就是交付级的库存逻辑。中间那一段「现存量减累计入库加入库数量」，是三层业务逻辑压在一行里。

最坑的是累计方向：条件要用大于等于，写反成小于等于，最新一批被判耗尽，最老一批反而在库。这个坑，教程里没有，只有交付里才有。我自己交过学费。

再说数据。企业交付 AI，最大的问题是什么？脏数据。

大量的合并单元格、大量的图纸标注错误、大量的叫法不一样。光一个物料清单，设计阶段一个叫法、开发阶段一个叫法、交付阶段一个叫法、生产阶段一个叫法。

没做过这个行业的人，你跑通了 Agent、跑通了 Skill，你就敢交付？

二、有人说：工具民主化，碍着谁了？

肯定有人说：工具民主化是大趋势，学几个月的人抢的是新市场，碍着谁了？

这话对一半。入行和接企业单，是两回事。民主化降低的是操作门槛，降低不了交付责任。

AI 交付的鲁棒性，完全取决于人补进去的交付经验和管理经验。一个刚毕业的大学生，和一个在供应链、企业管理里深耕二三十年的人，做出来的东西完全不一样。

就像供应链韧性。有些供应链号称三供、四供、五供，真出质量问题的时候不堪一击。韧性不是靠数量取胜，是靠质量取胜。

AI 也一样。会 Agent 的人、会 Skill 的人特别多，但能做好企业交付的，一定是深耕过这个行业的人。每个行业深耕下去，坑就出来了。

三、一个董事长，被 AI 的欠料表坑了

讲个真事。

有位企业董事长跟我说，他们 AI 跑的欠料不对劲。我一看就知道有问题。

我说，这个 AI 的算法非常完美，逻辑上没有问题。但是你忽略了一个问题——管理问题。

从专业角度讲，你的 WIP 太高了。很多 WIP 占用了资源，但实际这些资源还压在现场，系统里没有。AI 全部忽略了。

图3：AI欠料场景对比——左边AI跑出的欠料清单表格截图，右边车间线边堆放半成品（WIP）的实物照片

而人不会。我去车间看过，线边堆着半成品，系统里没有，AI 当然看不见。我只需要看一眼 WIP，就知道这些欠料肯定有问题。

算法是完美的，结论是错的。错的根源不在代码，在数据边界之外——现场永远大于数据。

按传统算法直接跑，不结合你自己的现场，就相当于让 AI 替你担责。AI 兜得了吗？

AI 兜不了，董事长兜。

四、发动机的图纸，造不出发动机

每个行业深耕下去，你会发现有很多坑。

就好像发动机图纸你全部知道，但你造不出发动机。因为每一个公差配合的坑，没人写进图纸，也没人告诉你。

速成课教的是 API 怎么调，教不会你在客户会议室里怎么问出真问题。

所以说，AI 不是不好，所有企业都要拥抱 AI。问题是——

AI 能担责吗？

图4：会/交付/担责三层金字塔示意图——底层会用工具、中层能交付落地、顶层敢签字担责

会用 AI 的人，是知道 AI 看不见什么的人。

最后说一句

我不是反对学 AI，我自己天天在用 AI 写公式、搭系统。

我反对的是把「看过 demo」当成「可以交付」，把几天的课程当成几身功力的替代。

买课之前先问自己一个问题：你学它，是为了学会工具，还是为了接企业的单？

如果是后者，先去车间待半年。

术语解释

WIP：Work In Progress，在制品。已经投入生产、还没完工的物料和半成品。WIP 太高意味着钱压在车间里，而且经常账实不符——系统里看不见，现场到处都是。

FIFO：First In First Out，先进先出。仓库扣减库存的规则，先入库的批次先消耗。做库龄分析和成本核算的基础。

鲁棒性：Robustness，稳健性。系统在脏数据、异常输入下还能不能稳定给出正确结果。

古老师（古哥计划）｜AI落地专家 · 制造业FDE实践者｜中小制造数字化专家｜金山 KVP（金山办公最有价值专家）｜金山多维表格应用场景专家｜金山 WPS 社区优秀创作者

美的10年PMC出身，用多维表格+AI帮中小工厂落地数字化：进销存、计件报工，生产排程、仓库管理。日更原创超1000篇，无一天断更。关注我，把工厂的账算明白。

#AI落地 #AI避坑 #FDE

搜索关键词：AI落地避坑 | 速成Agent课 | FDE是什么 | AI交付担责 | 古哥计划

本文由 AI 辅助创作

工具：灵犀专业版模型：灵犀智能判断（DeepSeek、GLM、千问等）