> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-shi-er-bu-fen-can-kao-shou-ce/c-fan-mo-shi-mu-lu.md).

# C · 反模式目录

> 把全书的"坑"和三个失败案例的死因，汇成一张速查表。每条：症状 → 根因 → 解药 → 来源章。做项目前扫一遍，对号入座。

## 战略与认知类

* **把买工具当转型**：装了新工具而分工/流程/考核照旧。根因：以为转型的对象是工具箱，其实是经营方式。解药：先问"要改变哪块经营方式"。（第 1、7 章）
* **没目标的跟风**：因焦虑/对手而上马，去掉执行成本后不知要什么。根因：AI 是放大器，放大了"没想清"。解药：先答"执行变便宜后还剩什么值得做"。（第 7 章，定律 2）
* **只降成本**：几年下来账面只剩"省了几个人"。根因：把 AI 当更便宜的外包。解药：同时开增收入/造新能力方向。（第 6 章）
* **一步到位**：一个大项目一次性铺遍全公司。根因：把所有不确定性叠在一起。解药：分阶段、先回报后扩张。（第 15、26 章）
* **试点地狱**：一堆惊艳 demo 迟迟不上线。根因：不敢碰规模化的硬骨头。解药：敢从试点毕业，啃最后一公里。（第 15、31 章）

## ROI 与算账类

* **ROI 口径幻觉**：把成本规避当砍掉的现金。根因：分子口径含糊。解药：分子分口径、分母算全。（第 12 章；Klarna）
* **上线便宜、运营烧钱**：demo 没算单位成本，规模化后账单爆炸。根因：AI 是持续开支。解药：盯单位价值成本、设用量护栏。（第 13、35 章）

## 落地与技术类

* **数据地基不牢就上**：用过时/错误数据喂 AI。根因：GIGO，AI 自信放大错误。解药：核心数据必须对、必须权威。（第 27 章；IBM Watson）
* **为炫技上复杂技术**：先选酷技术再找场景。根因：复杂度当勋章。解药：按"干哪种活"选最简单够用的。（第 28 章）
* **卷底座 / 套壳**：去追大厂做通用模型，或只包一层薄壳。根因：站错了价值链的环。解药：扎在独家数据+深场景。（第 46、49 章）
* **永久外包核心判断**：把最关键的判断长期交给供应商。根因：短期省事。解药：借合作长出自己的能力。（第 14、30 章）

## 风险与担责类

* **把 AI 当无人值守自动机**：直接上线不设人核。根因：忘了它是"会猜的机器"。解药：AI 生成 + 人核 + 确定系统验证。（第 3、32 章）
* **高下注、低容错却自动决策**：让算法直接做大额、难回滚的决定。根因：把判断题当计算题。解药：大额人复核、厚护栏、看下行风险。（第 42 章；Zillow）
* **高风险场景冒进 + 过度承诺**：直扑最核心决策，营销跑在能力前。根因：在容错最低处求突破。解药：从低风险辅助起步，营销不超能力。（第 41、43 章；IBM Watson）
* **偏见被自动化**：用有偏历史数据训练影响人的决策。根因：AI 放大历史偏见、误以为算法=客观。解药：偏见检查、人在环、只做辅助。（第 39、44 章；Amazon）
* **把内部将就标准照搬到对外**：对外 AI 用内部的低护栏。根因：忽视对外容错阈值更低。解药：对外护栏做厚，担责边界钉死。（第 18 章；Air Canada）

## 组织与文化类

* **嘴上要判断、手上奖执行**：考核仍奖励"干得多干得快"。根因：激励与目标错配。解药：考核转向判断质量与结果。（第 25 章，定律 5）
* **把阻力当培训不足**：以为抵触是"不会用"。根因：真阻力是责任与权力的重分配。解药：当权力问题处理，重接责任链。（第 25 章，定律 4）
* **影子 AI**：员工私自把敏感数据喂进不受控工具。根因：没有轻量治理。解药：摸清并纳入治理，让合规用法最省事。（第 36、37 章）


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-shi-er-bu-fen-can-kao-shou-ce/c-fan-mo-shi-mu-lu.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.