Harness之后，只剩兩種公司

撰文｜畫(huà)畫(huà)

最近有一個(gè)詞，在AI圈出現(xiàn)的頻率越來(lái)越高。不是Agent，不是RAG，也不是任何一個(gè)具體的技術(shù)名詞。

是 Harness。

變化，倒不是在定義上，而是說(shuō)話的人變了。

最早，是工程師在代碼文檔里寫(xiě)這個(gè)詞，意思很簡(jiǎn)單，把一個(gè)能力接進(jìn)來(lái)用。后來(lái)，它出現(xiàn)在架構(gòu)討論里，是技術(shù)負(fù)責(zé)人在講系統(tǒng)設(shè)計(jì)。

再后來(lái)，它開(kāi)始出現(xiàn)在CEO的演講里、戰(zhàn)略會(huì)的PPT上。

當(dāng)一個(gè)詞，從怎么做變成為什么做，就已經(jīng)不是技術(shù)問(wèn)題了，開(kāi)始變成一種組織能力。

但奇怪的是，當(dāng)你去查這個(gè)詞，大多數(shù)解釋都停在解讀這個(gè)詞本身：駕馭、利用、借力AI。

問(wèn)題是，什么叫駕馭？做這件事，企業(yè)到底要付出什么代價(jià)？

1、Harness，從來(lái)不是技術(shù)詞

Harness，本意是給馬套上挽具，它描述的不是制造力量，而是把力量接到自己身上。

這兩件事聽(tīng)起來(lái)接近，但區(qū)別很大。制造力量，解決的是“有沒(méi)有”。連接力量，解決的是“有了以后怎么變成結(jié)果”。

歷史上，幾乎所有技術(shù)革命，都在重復(fù)這件事。

蒸汽機(jī)時(shí)代，瓦特解決了能不能讓機(jī)器動(dòng)。但真正賺到錢(qián)的，是那些把蒸汽機(jī)接進(jìn)工廠的人。他們要解決的不是機(jī)械問(wèn)題，而是另一組完全不同的事：工廠要不要重建？人怎么分工？成本怎么算？產(chǎn)能放大之后賣(mài)給誰(shuí)？

技術(shù)只解決了第一步，后面所有復(fù)雜度，都是接駁的代價(jià)。

電力時(shí)代更典型。發(fā)電機(jī)造出來(lái)之后，城市不會(huì)自動(dòng)亮起來(lái)。有人要去鋪電網(wǎng)、設(shè)計(jì)計(jì)費(fèi)、改造工廠、說(shuō)服用戶。

一整套臟活累活，都不是發(fā)明家的事。

互聯(lián)網(wǎng)也是一樣。TCP/IP協(xié)議解決了連接問(wèn)題，但沒(méi)有直接創(chuàng)造商業(yè)。真正改變世界的，是后來(lái)那些把互聯(lián)網(wǎng)接進(jìn)廣告、零售、社交、媒體的人。

每一輪，都會(huì)分成兩類人：

一類人造出馬，一類人學(xué)會(huì)騎。而最后定義時(shí)代的，往往不是前者。

原因很簡(jiǎn)單，技術(shù)只是潛力，連接才是現(xiàn)實(shí)。

放到今天，英偉達(dá)在造算力，OpenAI在造模型，Anthropic在優(yōu)化安全。它們都在造馬。但問(wèn)題是，馬有了，誰(shuí)在騎？騎到哪里？騎出了什么？

2、第一批騎手，已經(jīng)拉開(kāi)差距

很多人以為Harness還是概念。

但它已經(jīng)變成結(jié)果了。只是這些結(jié)果，看起來(lái)不像AI，而像業(yè)務(wù)變化。

Salesforce是一個(gè)值得細(xì)看的例子。

過(guò)去，它賣(mài)的是CRM系統(tǒng)，本質(zhì)是記錄工具。銷(xiāo)售填數(shù)據(jù)，管理層看報(bào)表。

但在把自己定位于AI CRM，推出Agentforce之后，它開(kāi)始做一件不同的事：讓AI直接參與銷(xiāo)售動(dòng)作本身。

比如自動(dòng)生成客戶溝通策略，根據(jù)歷史成交概率調(diào)整報(bào)價(jià)，在銷(xiāo)售還沒(méi)行動(dòng)前，給出優(yōu)先級(jí)排序。一個(gè)銷(xiāo)售在系統(tǒng)里看到的，不再是數(shù)據(jù)，而是下一步該干什么。

這不是功能升級(jí)，是角色變化。Salesforce沒(méi)有造模型，但它做了一件更難的事：把AI嵌進(jìn)了決策環(huán)節(jié)。

微軟的路徑也值得關(guān)注。它沒(méi)有強(qiáng)調(diào)自己有最強(qiáng)模型，而是強(qiáng)調(diào)AI會(huì)出現(xiàn)在你每天打開(kāi)的地方。

于是Copilot進(jìn)了Word、Excel、Outlook、Teams。一個(gè)普通員工，不需要理解模型，也不需要改變流程，只是在寫(xiě)郵件時(shí)多了一個(gè)幫你寫(xiě)的入口。背后的邏輯是：Harness不只是連接能力，更是控制入口。誰(shuí)控制入口，誰(shuí)決定AI在哪里發(fā)生。

歐洲金融支付平臺(tái)，來(lái)自瑞典Klarna案例幾乎是反直覺(jué)的。沒(méi)有模型，沒(méi)有研究團(tuán)隊(duì)，也沒(méi)有復(fù)雜的戰(zhàn)略。

只是把AI一段一段塞進(jìn)客服流程，先替代FAQ，再處理簡(jiǎn)單咨詢，再接管復(fù)雜問(wèn)題的一部分。最后的結(jié)果是，AI完成了相當(dāng)于700個(gè)客服的工作量。關(guān)鍵不是模型多強(qiáng)，而是它把一個(gè)復(fù)雜流程，拆成了AI能接手的顆粒度。

在中國(guó)市場(chǎng)，騰訊的思路不太一樣，喊出了Harness工程化，解決的是一個(gè)更深的問(wèn)題：怎么讓會(huì)騎的人變多？

前面那些公司，多少都依賴少數(shù)團(tuán)隊(duì)的能力。一旦要規(guī)模化，就會(huì)撞上一個(gè)現(xiàn)實(shí)，不是每個(gè)團(tuán)隊(duì)都懂AI，不是每個(gè)業(yè)務(wù)都能從頭設(shè)計(jì)。

所以騰訊做的，不是給你一個(gè)AI產(chǎn)品，而是把接入AI的過(guò)程標(biāo)準(zhǔn)化，把能力封裝成組件，讓不同業(yè)務(wù)線可以直接復(fù)用。換句話說(shuō)，它不是在騎馬，而是在修路，讓更多人能騎上去。

3、真正的門(mén)檻，不在AI，在企業(yè)自己

看到這些案例，很容易產(chǎn)生一個(gè)錯(cuò)覺(jué)：只要愿意做，遲早能跟上。

但現(xiàn)實(shí)是，大多數(shù)企業(yè)卡住的地方，完全不在AI。

先說(shuō)數(shù)據(jù)。AI像馬，但你得知道去哪。Salesforce之所以跑得快，不是模型更強(qiáng)，而是它有幾十年的銷(xiāo)售數(shù)據(jù)。這些數(shù)據(jù)的價(jià)值不在量，在結(jié)構(gòu)。

誰(shuí)什么時(shí)候成交，為什么成交，哪種客戶轉(zhuǎn)化率更高。這些才是AI判斷的依據(jù)，沒(méi)有這些，模型只能猜。 很多企業(yè)的問(wèn)題是，數(shù)據(jù)存在，但不能用。分散在不同系統(tǒng)，格式不統(tǒng)一，沒(méi)有標(biāo)簽，沒(méi)有歷史邏輯。

馬可以選很多匹，但沒(méi)有路。

再說(shuō)場(chǎng)景。AI不理解戰(zhàn)略，只理解任務(wù)。真正的門(mén)檻是你能不能把業(yè)務(wù)問(wèn)題拆成機(jī)器能執(zhí)行的步驟。提升轉(zhuǎn)化率，太抽象。"對(duì)過(guò)去30天未成交客戶，生成三種跟進(jìn)策略"，AI立馬能做。這中間的差別不是技術(shù)，是理解。

很多項(xiàng)目失敗，不是AI不行，是問(wèn)題從一開(kāi)始就沒(méi)定義清楚。

最后是組織，也是最容易被忽略的一層。AI接入之后，決策速度變快，結(jié)果不再完全可控。這會(huì)直接沖擊原有的管理方式。

典型表現(xiàn)是員工不知道該不該信AI，管理層不知道責(zé)任怎么劃分，流程反而變得更亂。很多公司導(dǎo)入AI后效率下降，不是技術(shù)問(wèn)題，是組織沒(méi)有為"部分決策交給機(jī)器"這件事做好準(zhǔn)備。

4、Harness真正難的，是那些臟活累活

如果把前面那些成功案例拆開(kāi)看，會(huì)發(fā)現(xiàn)它們都做了幾件很不性感的事。

第一件，把隱性知識(shí)變成資產(chǎn)。公司真正有價(jià)值的東西，往往不在文檔里，而在老員工的判斷、項(xiàng)目中的經(jīng)驗(yàn)、沒(méi)寫(xiě)下來(lái)的規(guī)矩里。這些東西決定了業(yè)務(wù)怎么運(yùn)轉(zhuǎn)，但對(duì)AI來(lái)說(shuō)，它們不存在。

Harness的第一步，是把這些東西寫(xiě)下來(lái)、結(jié)構(gòu)化、讓AI可以調(diào)用。這件事很慢，很枯燥，但不做，就沒(méi)有放大的基礎(chǔ)。

第二件，讓知識(shí)從人的腦子里搬到系統(tǒng)里。過(guò)去是人承載系統(tǒng)，現(xiàn)在要反過(guò)來(lái)，讓系統(tǒng)承載人。不是為了替代誰(shuí)，而是為了讓能力沉淀下來(lái)，不跟著人走。否則AI找不到支點(diǎn)。

第三件，選AI的時(shí)候，別只看跑分。很多公司選AI的方式，像在選考試第一名。但真正重要的是匹配度，能不能接你現(xiàn)有系統(tǒng)？能不能理解你的數(shù)據(jù)？在你的行業(yè)里有沒(méi)有被驗(yàn)證過(guò)？一匹賽馬，不一定適合拉車(chē)。

實(shí)際上，這已經(jīng)不是趨勢(shì)了。當(dāng)OpenAI在推崇，當(dāng)微軟、SalesForce、騰訊這些巨頭們爭(zhēng)先騎馬的時(shí)候，它已經(jīng)變成了一道分水嶺。

歷史上，每一次連接能力的革命，窗口期都很短。蒸汽機(jī)用了二十年拉開(kāi)差距。電力和互聯(lián)網(wǎng)更快。AI，可能是最短的一次。

【版面之外】的話：

每一次技術(shù)浪潮，最后都只剩兩種人：那些重建了連接方式的，和那些沒(méi)有的。

這一次也不例外。

今天的差距，還能靠人補(bǔ)。 明天的差距，可能已經(jīng)變成系統(tǒng)差距。

Harness這個(gè)詞，看起來(lái)只是一個(gè)新表達(dá)。但它真正意味著的，是從"有沒(méi)有AI"到"會(huì)不會(huì)用AI"。這兩者之間，不是漸變，是斷層。

這一次，慢一點(diǎn)，不是落后，是直接被甩出賽道。