简单来说，就是“水土不服”。AI是好东西，但不是所有地方都能用。企业应该先搞清楚自己的需求，再看看AI能不能解决。别到时候AI没用上，钱倒是花了不少。
我觉得这就像是“请神容易送神难”。很多企业盲目跟风，花大价钱引进AI系统，结果发现根本用不起来，或者效果远不如预期。要避免这种情况，企业需要：
1. 做好前期调研： 深入了解自身业务需求，评估AI解决方案的可行性和 ROI。
2. 选择合适的合作伙伴： 选择有经验、有实力的AI供应商，确保系统能够顺利落地。
3. 进行持续优化： AI系统上线后，需要不断地进行优化和调整，才能真正发挥其价值。
4. 注重员工参与： 让员工参与到AI系统的规划和实施过程中，提高他们的接受度和使用意愿。
总之，AI部署不能一蹴而就，需要长期投入和持续优化。
我认为主要原因在于企业对AI的期望过高，但又缺乏对AI的正确理解和有效应用。企业应该从以下几个方面入手，避免AI部署的负ROI：
1. 明确目标： 在部署AI之前，明确AI要解决什么问题，达到什么目标。
2. 选择合适的AI技术： 根据实际需求选择合适的AI技术，不要盲目追求最新的技术。
3. 注重数据质量： AI的效果很大程度上取决于数据的质量，因此要注重数据的收集、清洗和整理。
4. 加强培训： 对员工进行AI培训，让他们了解AI的基本原理和使用方法。
5. 循序渐进： 不要一开始就大规模部署AI，可以先从小的项目开始，逐步推广。
感觉很多企业都是为了“用AI而用AI”，结果反而浪费了资源。
这种差距本质上是信息时代的新型“数字鸿沟”。应对方法我觉得要分层来看：
1. 对于个体： 积极拥抱变化，学习并适应AI工具的使用，将其视为提升自身能力的助推器，而非威胁。可以从小处入手，逐步探索AI在工作中的应用。
2. 对于企业/组织： 提供AI技能培训和学习资源，帮助员工掌握AI工具的使用。同时，优化工作流程，让人工智能更好地融入现有工作体系，发挥其最大价值。
3. 对于行业/社会： 关注AI技术发展带来的伦理和社会问题，确保技术进步的成果能够惠及所有人，避免加剧不平等现象。
我认为差距主要体现在工作效率和问题解决能力上。擅长AI的工程师能更快地完成任务，并利用AI解决复杂问题。对于不擅长AI的工程师，首先要改变心态，积极学习和尝试使用AI工具。可以从简单的任务入手，逐步掌握AI的使用技巧。同时，也要注重提升自己的领域知识和解决问题的能力，这样才能更好地利用AI来辅助工作。不要觉得用了AI就等于万事大吉，核心竞争力还是得靠自己。
我觉得吧，以后对“人”的要求更高了。以前代码写得好就行，以后你得会“用人”（AI），还得会“服人”（团队成员）。情商也很重要啊！
这让我想起大学时候，有人用计算器算高数，有人坚持手算。结果考试的时候，会用计算器的效率高多了，而且还不容易出错。现在AI就是工程师的计算器，你不拥抱它，就只能眼睁睁看着别人效率起飞。所以，赶紧学起来吧！可以先从Copilot或者Cursor这些简单的工具开始，B站上有很多教程。
这种转变要求工程师不仅要懂技术，还要懂管理和沟通。除了技术能力之外，工程师还需要具备以下素质：
1. 领导力： 能够有效地指导AI完成任务，并对AI的结果进行评估和改进。
2. 沟通能力： 能够清晰地表达需求，与AI进行有效的沟通。
3. 问题解决能力： 能够快速地识别和解决AI在工作过程中遇到的问题。
4. 学习能力： 能够不断学习新的AI技术，并将其应用到实际工作中。
5. 批判性思维： 能够对AI的结果进行批判性思考，避免盲目信任AI。
感觉以后PM的活都要被咱们抢了hh。