过去，营销团队为单个活动进行账户研究和个性化内容创作需耗时逾两周，如今这一过程缩短至不到一天。每季度基于账户的营销活动次数从此前的3次激增至15次。
这一转变并非仅依赖AI模型本身，更源于背后那些常被忽视的基础设施搭建工作。正如Twilio首席执行官Khozema Shipchandler在第二季度财报期间所言，行业尚未进入比赛初期，仍处于“练习击球”阶段。尽管成果真实，但这属于例外情况，大多数企业尚未达到此水平。
当愿景承诺与客户实际体验出现落差，信任便随之消退。调查数据显示，86%的企业认为客户对其AI驱动服务感到满意，但仅有51%的客户表示认同。此外，规模化部署仍是难题。德勤发现，仅25%的组织将其40%或更多的AI试点项目投入生产环境。从试点到生产的距离，正是许多企业的薄弱环节。
AI采用的三个阶段
企业采用AI的过程可分为三个阶段：
第一阶段为个人生产力提升，即利用AI加速单人工作。目前大多数团队仍处在此阶段，并可能长期保持。
第二阶段超越单一用户，扩展至团队层面。通过协作、共享工作流、定制智能体及重构流程推动进展。部分团队，包括Twilio内部团队，已达到此阶段。
第三阶段则是工作流的根本性变革，端到端流程以规模化方式自主运行。尽管供应商大力推销此概念，但鲜有客户真正实现。
问题在于，市场常将这三个阶段压缩为同一叙事，误导外界认为第三阶段已普遍实现。
效率提升背后的关键要素
从两周缩短至一天，主要归功于模型之外的因素。自动化实施前，必须坚持以人为本，把控品质，确保AI不取代人类在关键领域的创造力与智慧。例如，曾尝试用AI本地化一场法国活动，结果因给所有人加上贝雷帽而显得滑稽，缺乏品牌一致性，最终无法发布。
数据治理是另一关键。智能体需获取干净、互联且易访问的数据才能有效行动。一项针对数据领导者的调查显示，仅8.4%的人表示其数据已准备好用于生产级AI。AI无法修复糟糕的工作方式，反而会放大基础缺陷。
此外，企业往往依赖多平台混合使用，如Claude、Copilot和ChatGPT。Twilio团队亦如此，使用ChatGPT和Gemini创作内容，同时向更广泛组织开放Claude以支持特定营销工作。然而，不同模型间的连接机制尚不成熟，而真正的转型正依赖于这种连接能力。
品牌一致性、数据治理、合规与集成构成了不显眼却至关重要的基础设施。忽视这些可能导致严重后果，如2024年CrowdStrike因有缺陷的软件更新引发全球数百万台Windows设备中断，估计给财富500强公司造成54亿美元损失。这警示我们，支撑企业技术的质量控制绝非小事。
如何应对当下
企业首先应克制过度承诺，给予客户应有认可。演示版本并非可交付产品，客户对此心知肚明。确立工作流一致性立场后，客户自然会要求展示生产环境中的运行案例。
其次，保持诚实。认清自身所处阶段并拥抱它。Twilio处于第二阶段并向第三阶段迈进，既不假装已达终点，也不假装拥有所有答案。
身处中间阶段并无羞耻之处。那些率先完成数据处理、建立治理机制、实现集成等枯燥工作的企业，才是最终能带着可见成果进入第三阶段的赢家。
注：本文观点仅代表作者本人，不一定反映所在平台立场。