AI 战略7 MIN READ
企业 AI 到底该自研还是采购：不要从模型所有权开始判断
企业 AI 的自研与采购不是简单二选一。真正需要判断的是：业务规则、数据、评测和运营能力由谁掌握，通用模型与平台能力如何组合。
阅读全文 ↗观点与文章 / ARTICLES
在真实实践中，
持续形成判断
潘旭光关于企业 AI、数字化转型、未来工作、数据智能与产业教育的文章归档。
AI 实践7 MIN READ
AI 上线后员工为什么不用：真正要改的是工作入口和责任机制
企业 AI 上线后使用率不高，问题常常不是员工抵触，而是入口分散、重复操作、责任模糊和反馈无处进入。推动采用，需要重新设计工作方式。
阅读全文 ↗AI 战略7 MIN READ
选择企业 AI 供应商，先问清楚“以后怎么退出”
选择企业 AI 产品不能只看演示和上线速度，还要提前设计退出路径：数据如何导出、模型能否替换、流程配置归谁、服务中断时业务如何继续。
阅读全文 ↗创业思考7 MIN READ
技术型企业家判断 AI 机会，先回答五个经营问题
面对不断出现的 AI 新能力，技术型企业家需要把兴奋感转化为经营判断：它解决谁的高频任务，谁为结果负责，数据如何回流，交付能否复制，谁愿意付费。
阅读全文 ↗数字化转型7 MIN READ
数字化项目为什么越做越重：先分开标准流程与例外流程
数字化系统变得复杂，往往不是主流程本身复杂，而是历史例外不断进入标准功能。把标准流程与例外流程分开治理，才能兼顾效率与现实弹性。
阅读全文 ↗AI 产品化7 MIN READ
AI 产品的评测集怎么建：从真实失败样本开始
AI 产品需要一套持续维护的评测集。它不只是准确率测试，而是把真实任务、异常输入、业务规则和风险边界变成发布前可重复检查的质量门。
阅读全文 ↗智能体7 MIN READ
企业智能体的“记忆”应该记什么：先分清事实、状态、偏好与权限
企业智能体的记忆不能只是不断累积聊天记录，而要区分事实、任务状态、使用偏好与权限边界，并建立写入、修正和失效机制。
阅读全文 ↗产业教育7 MIN READ
AI 产业教育，不能只教工具：课程要围绕真实任务设计
AI 课程的长期价值，不在于展示多少工具，而在于能否帮助学习者把一个真实任务拆清楚、做完整，并沉淀为可复用的人机工作流。
阅读全文 ↗知识工程8 MIN READ
企业知识库为什么越建越乱？缺的不是模型，是内容责任制
知识库效果差通常不是向量数据库的问题，而是知识没有所有者、版本和失效机制，模型只能把原有混乱更快地呈现出来。
阅读全文 ↗AI 实践8 MIN READ
AI 项目从 POC 到生产：必须跨过的五道门
很多 AI 项目停在演示阶段，不是模型不够强，而是没有同时解决业务价值、数据质量、系统集成、风险治理和组织责任。
阅读全文 ↗