我很早之前就说，
- 不存在万能的算法
- 极端少有一个很牛逼能直接照亮业务的算法
解决一个问题，都是靠大量分析和尝试，最后落地成工程，才能解决。算法（AI）只是其中的在特定场景必不可少的一个环节。只是一个环节，如此而已，但是有可能确实没有AI又是难以进行的。
所以AI要成为柴米油盐，必须放下身段，融入到业务的每个环节里，通过每个环节的提效，降低业务成本，最终达到自己的价值。至少现阶段，AI的成本还太高，体现在三方面：
- 人工成本
- 研发运维支持成本
- 服务硬件成本
当然，随着AI的发展，这些其实都在一降再降，这些都不是问题，因为这是一个技术发展的过程，是跳不过去的。
那么现在AI落地最大的难点在哪呢？AI落地的最大成本在于”人们的不信任“。这种不信任可能来源于之前过大的夸大的了AI，而自己真实见到的AI感觉太弱智，也可能是AI对很多人工作的冲击，这种冲击包括对其原有工作流程的冲击，也包括触及了大部分人因循守旧的保守特性。
当我们投入AI去解决一个问题的时候，首先领导对于某个问题应该投入多少”AI“资源并没有太多概念，其次，被解决的问题其实会触及到很多人，改变了这些人的原有的工作模式，冲击了他们的保守特性。所以这些人会天然的不信任AI，因为不信任AI，就等着AI出洋相，从而不自觉的去拔高对AI的期待，一旦AI（预测）发生错误，他们就会大呼，你看，这个AI不行而无视最后的实际概率，只看到自己看到的偏差。虽然我们通过AI努力帮助他们解决低效的问题，当时”工人“们并不喜欢提效，正如马车夫并不想去当司机。一个可以比照的例子是自动驾驶，其实人的事故率如此之高，但是人们还是觉得自己现有的模式最靠谱，而对自动驾驶的心生抵触，并且对自动驾驶出故障的容忍度极低。
加之，现有的AI产品在迭代流程上仍然成本是比较高的，第一版往往只是能跑起来，达到一个初级效果，只有不断的迭代才能变得更好，而在迭代的过程中，需要配合的研发，运维资源目前来看都颇高，在当前环境下，解决一个似乎”比较小“的问题，似乎有点成本大于收益。而这依然是平台工具还不够好引起的，但是人们往往意识不到这一点。
对于人们天生的抵触，加上AI自身的迭代特性，使得很多尝试都不了了之。不过终究，随着AI的成本降低，人才供应的工业化，产品平台的成熟，人们对于AI的接受，我们未来的享受的每个服务，大概率都会有AI参与其中。AI必须是水电，让人不觉得他有什么特殊之处时，也是他成功的时候了。
最后的话：
当前AI在一些大单项目上取的不错的成就，比如帮助工业部门降低成本提高效益。这是当前AI的成本决定的。随着AI的成本持续降低，必然而然会在企业的每个环节得到应用。
