R

G01 企业技术采纳代际谱系总图

创建 2026-06-07 更新 2026-06-11 0 条双链 组织采纳 专题 AI 整理

G01 企业技术采纳代际谱系总图

一个 PM 在 AI 选型会上最容易被问倒的问题不是”这个模型多强”，而是”我们上一次企业级技术升级（上云）花了几年、踩了哪些坑、为什么这次会不一样”。本节要解决的问题是：从 IT 时代到 Agent 时代，企业采纳一项底层技术的”摩擦结构”如何随代际变化？ 视角是把 Rogers 扩散曲线与 Kuhn 范式革命叠加在五代企业技术上，得到一张反线性的代际谱系——它要挡掉的最大错误叙事是”技术越先进、采纳越快、组织越省事”。

§0 为什么是”采纳摩擦代际谱系”，而不是”技术成熟度时间轴”

业界谈技术演化默认两种框架，本节都不用，先辨析掉：

  • 错误框架 A：Gartner Hype Cycle 时间轴。它画的是”单项技术从期望膨胀到生产力高原”的舆论曲线，横轴是单一技术的生命周期，看不见跨代的结构对比——它无法回答”为什么 SaaS 的采纳比 ERP 快、Agent 的采纳又比 SaaS 慢”。Hype Cycle 是单技术的心电图，不是代际的进化树。本专题用它定位单代位置（见 G02），但不用它做代际骨架。
  • 错误框架 B：摩尔定律式线性进步史。“算力翻倍 → 能力翻倍 → 采纳翻倍”是技术供给侧叙事，它系统性地忽略了 Rogers 早就讲透的事实：采纳速度由社会系统决定，不由技术性能决定。一项技术再强，若 compatibility（兼容性）低、complexity（复杂度）高、trialability（可试用性）差，扩散就慢。

本节用的是第三个框架——采纳摩擦的代际谱系：横轴是企业技术的五个代际（IT/ERP → SaaS → 移动 → 云 → AI/Agent），每一代用同一组维度（采纳主体、摩擦源、周期、失败模式、组织重心）做结构对照，再叠加 Rogers 的”采纳决定因素”与 Kuhn 的”范式不可通约性”两把跨域标尺。这样得到的不是进步史，而是一张能回答”这次哪里像、哪里根本不像”的谱系图。

[!note] 本节的赌注 我赌的是：AI/Agent 这一代的采纳摩擦，主体不在技术，而在组织——这是本专题（0428）的总命题。但这个赌注有边界：它在”基础设施类技术”（数据库、云）上最成立，在”消费级倒灌型技术”（被 ChatGPT 这种 B2C 现象倒逼的 B2B 采纳）上会部分失效（见 §4 反例）。

§1 五代谱系总图：一张表锁定结构差异

先给全景，再逐代拆。下表是本节的承重结构，建议打印贴墙。

代际大致主战期采纳主体（谁拍板）主要摩擦源典型采纳周期主导失败模式组织重心
G1 IT/ERP1990s–2000sCIO / IT 部门（自上而下）流程重造 + 定制化泥潭18–36 个月单次上线上线即僵化、超预算IT 中心化
G2 SaaS2005–2015业务部门（绕过 IT，PLG 雏形）数据孤岛 + Shadow IT数周–数月工具泛滥、治理失控业务自助
G3 移动2008–2016员工 + 业务（BYOD 倒逼）安全边界 + 设备碎片数月安全/合规缺口IT 重新收口
G4 云2010–2022CIO + CFO（成本驱动）迁移复杂度 + 技能缺口 + 锁定2–5 年迁移工程迁移停滞、成本失控平台工程团队
G5 AI/Agent2022–C-suite 推 + 员工 PLG 倒灌（双向夹击）组织能力 + 数据治理 + 信任试点易、规模化极难试点地狱（pilot purgatory）跨职能 + AI literacy

读这张表的方式不是看”周期越来越短”（那是错觉，G4 云迁移恰恰是最长的工程之一），而是看摩擦源那一列的迁移轨迹：从”流程”（G1）→“数据”（G2）→“安全”（G3）→“技能与成本”（G4）→“组织能力与信任”（G5）。摩擦在逐代向”软”的方向移动——越来越不是技术能解决的，越来越是组织必须解决的。这正是 BCG 的”10-20-70 原则”在历史维度上的投影：到 G5，70% 的成败决定因素落在人、流程、文化（BCG, Where’s the Value in AI?, 2024，n=1000 CxO，59 国）。

§2 逐代拆解：每一代的反共识判断 + 反例

G1 IT/ERP——“自上而下”不是优势，是第一种试点地狱

ERP 上线是企业第一次大规模”权威指令式采纳”（Rogers 区分的两类组织采纳路径之一）。共识叙事是”集中决策、统一上线、规范流程”。反共识判断：ERP 的高失败率（业界长期流传的”ERP 项目超预算/超期/未达目标”高比例，具体数字来源分散、定义不一〔待核实，常被引向 Standish CHAOS 报告与 Panorama Consulting 年度 ERP 报告，建议引用时标注口径〕）恰恰证明，自上而下 ≠ 采纳成功——它只解决了”决策”，没解决”个体过渡”（ADKAR 的 D/K/A，见 m207 - Agent 产品化：场景推演与失败模式 对失败模式的拆法）。 反例（破线性进步史）：很多人以为 G1 是”原始落后”的一代，但 ERP 在流程标准化上的强制力，反而是后面几代缺失的纪律。Agent 时代”流程没定义好就硬上自动化”的乱象，恰是 G1 纪律的退化。代际不是单调进步。

G2 SaaS——绕过 IT 的胜利，埋下治理的雷

SaaS 用信用卡订阅绕过了 CIO 审批，把采纳主体下沉到业务部门——这是 PLG（产品驱动增长）的史前史。反共识判断：SaaS 采纳”快”的代价是Shadow IT 与数据孤岛，它把 G1 的”上线难”换成了 G2 的”治理难”。摩擦没消失，只是换了形态并延后爆发。 反例：SaaS 常被讲成”民主化 IT”的英雄叙事，但企业平均运行的 SaaS 数量在 2010s 后期失控（数百个工具），集成度低，这与今天”企业平均运行约 200 个 AI 工具却无端到端方案”的窘境是同构的。Moore 的”whole product（整体产品）“缺失，在 G2 和 G5 是同一个病（Moore, Crossing the Chasm, 1991/2014）。

G3 移动——BYOD 倒逼，IT 第一次被”消费级”反向夹击

iPhone（2007）之后，员工自带设备进入职场，企业被迫支持移动办公。反共识判断：移动是第一次”消费级体验倒灌企业”的代际，它预演了 G5 的”ChatGPT 效应”——技术不是由企业引入的，是被员工带进来的。这打破了 Rogers/Moore 以”企业作为采纳决策单元”的预设。 反例：移动常被算作”顺滑采纳”的样板（人人都会用手机），但企业为它付出的隐性成本——MDM（移动设备管理）、安全合规收口——巨大且持续多年。表面采纳快，组织摩擦只是从”前端培训”转移到了”后端治理”。

G4 云——最长的迁移工程，证明”采纳周期单调缩短”是伪命题

上云不是订阅个工具，而是把存量系统搬家，常是 2–5 年的工程，且伴随严重技能缺口与供应商锁定焦虑。反共识判断：G4 直接证伪”代际越新采纳越快”——云迁移比 SaaS 采纳慢得多，因为它动的是基础设施根基。技术越底层，采纳越是组织工程而非购买行为。 反例：云被讲成”弹性、降本”的胜利，但大量企业经历了”云成本失控”的反向叙事（lift-and-shift 后账单暴涨、FinOps 兴起就是对此的应激反应）。降本是结果，不是默认；中间隔着一整套新的组织能力（平台工程团队）。这与 G5”AI 投入大、价值难兑现”（BCG 2024：74% 企业难以规模化 AI 价值）是同一种”基础设施债”。

G5 AI/Agent——双向夹击 + 试点地狱，摩擦彻底”组织化”

G5 的独特之处是采纳主体的双向夹击：C-suite 自上而下推（McKinsey 2025：约 88% 企业在至少一项职能常规使用 AI），同时员工通过个人订阅 PLG 倒灌（延续 G3 的 BYOD 逻辑）。但两股力都撞上同一堵墙——从试点到生产的鸿沟（pilot purgatory）。 反共识判断：G5 的失败主因被广泛误判为技术（人才、模型质量、算力），实则是组织（问题定义失准、数据治理、变更管理）。RAND（Ryseff et al., The Root Causes of Failure for AI Projects, 2024）基于 65 名资深从业者深访，归纳的五大失败根因全是组织性的：问题定义失准、训练数据不足、技术优先心态、基础设施缺口、问题超出 AI 能力边界。这是把”摩擦逐代软化”推到极致的一代。 反例（破自身 confirmation bias）：本专题反复用”AI 采纳慢、组织拖后腿”做叙事，但要补一个反例——代码辅助、营销自动化、客服机器人这三类 AI 已经跨越鸿沟、采纳极快（Nielsen, UX Tigers, 2025）。“AI 采纳慢”是个被平均数掩盖的判断：不是 AI 慢，是”高自治、高风险、需深度集成”的 AI 慢。把所有 AI 一锅烩说”组织拖后腿”，本身是 bias。

§3 判断主轴：90% 的 PM 在代际类比上会犯的三个错

这一节是本节点区别于”技术编年史博客”的命门。代际谱系最大的用途是做类比推理（“这次像不像上次上云”），而类比最容易翻车。三个致命错位：

错位一：把”采纳周期”当单调递减量

  • 症状：PM 在选型会说”SaaS 几个月就铺开了，AI 工具应该更快”。
  • 为什么会错：把”工具采购速度”误当”能力规模化速度”。SaaS 的”快”是单点工具的快，云迁移的”慢”才是基础设施级技术的真相，而 AI/Agent 既有工具级的快（个人订阅秒级）又有基础设施级的慢（企业级规模化以年计）。同一代内两种速度并存。
  • 正确做法：区分”个体试用扩散”（Rogers 曲线适用）与”组织级生产部署”（Moore 鸿沟适用）两条独立曲线，分别评估。
  • 真实反例：Menlo Ventures（2025）报告 AI 商业谈判到生产部署的转化率约 47%，高于传统 SaaS 的约 25%——单看像”AI 采纳更顺”；但这与”95% 试点未兑现 P&L”（MIT NANDA, The GenAI Divide, 2025，方法论有争议，见 §C）并存且看似矛盾，因为两者测的是不同曲线（商业化产品采纳 vs 内部项目成功率）。混用就会得出荒谬结论。

错位二：把”权威采纳”和”共识采纳”当成可替换的开关

  • 症状：“这次 CEO 拍板全员用 AI，肯定比 SaaS 时代业务部门各自为政强。”
  • 为什么会错：Rogers 早指出组织采纳有”权威指令式”与”集体共识式”两条路，各有失效模式。G1 ERP 证明权威式能上线但难内化（员工不会用、不愿用）；G2 SaaS 证明共识式能扩散但难治理。AI 时代两者同时出现（C-suite 推 + 员工倒灌），叠加的不是优点，是两套失效模式同时上演。
  • 正确做法：把 Kotter（组织该做什么，自上而下）与 ADKAR（个体该经历什么，自下而上）配套用，而不是赌单边。
  • 真实反例：高管推 AI 但员工不具备使用能力——据 WalkMe/行业调查，仅约 28% 员工知道如何使用公司的 AI 工具〔来源为业主方调查，待一手核实〕。权威拍板填不上个体 ability 的洞。

错位三：把代际类比当”机制相同”，忽略 Kuhn 式不可通约

  • 症状：“AI 治理照搬上云时的 FinOps/安全框架就行。”
  • 为什么会错：每次代际跃迁是 Kuhn 意义上的范式转移——新范式带来旧范式里不存在的问题类型。云没有”幻觉”问题（见 幻觉），SaaS 没有”模型行为不可预测”问题，ERP 没有”自治体越界”问题。把旧框架平移过来，会系统性漏掉新范式的原生风险。
  • 正确做法：类比用于”组织摩擦的结构相似性”（这层确实跨代守恒），但对”技术风险的内容”必须假定不可通约、重新枚举。
  • 真实反例：传统 IT 安全审计假设系统行为确定可复现；Agent 的非确定性输出让”可解释性/可审计性”成为全新合规命题——这是上云经验完全覆盖不到的盲区。

§4 产品 PM 视角补盲：代际谱系里被工程视角漏掉的三件事

  1. 用户心理模型的代际错位：每一代技术都在重置”谁该为学习成本买单”。G1 ERP 是”员工被迫适应系统”；G5 AI 反过来宣称”系统适应人”，但这制造了过度信任陷阱——用户因为对话式交互”像人”，会把 Agent 的能力外推到它不具备的领域。PM 做 GTM 时若不主动管理这个心理预期，采纳曲线会先冲高再崩盘（信任透支）。这是 G1–G4 都没有的心理动力学。
  2. 商业模式的代际倒灌：G2 SaaS 发明了订阅制绕过采购，G5 把它推到极致——个人信用卡购买 AI 工具渗入职场（PLG 路径）使传统”整体产品 + 参考客户”的 B2B 销售剧本部分失效。PM 若还用”先搞定 CIO 再铺开”的 G1 打法，会错过自下而上的采纳入口。
  3. 合规边界的代际跃升：G3 移动带来 MDM，G4 云带来数据驻留，G5 AI 带来 EU AI Act Article 4 的”AI literacy 法定义务”（Article 4 义务自 2025-02-02 生效；AI Act 主体义务总应用日 2026-08-02，治理/罚则自 2025-08-02 起；最高罚则与营业额挂钩。来源：EU AI Act Article 113 官方文本，ai-act-service-desk.ec.europa.eu/en/ai-act/article-113）。采纳一项技术第一次变成法律强制的组织能力建设——这是前四代都没有的合规形态，PM 必须把它纳入采纳路线图，而非事后补救。

§5 对手框架回应（接受 + 边界，不是反驳）

对手立场一：Nielsen（UX Tigers, 2025）——“AI 正在跨越鸿沟，别唱衰”。 接受：他对的部分很硬——代码辅助、营销自动化、聊天机器人确已跨越鸿沟，用”AI 采纳整体失败”做叙事是平均数骗局。本节的 §2 G5 反例正是采纳了他的纠偏。 边界：但他的乐观限定在”低风险、可自动验证、弱集成”的 AI 用途；自动驾驶、企业级 Agent、医疗诊断仍困在早期采纳区。本专题坚持的赌注是：这些”高自治”用途的鸿沟本质是组织鸿沟，不会被模型变强自动填平——这恰是 Nielsen 评论文章（非同行评审）没有展开的层面。

对手立场二：Burnes（2020 等）的”涌现变革（emergent change）“学派——“计划变革模型（Lewin/Kotter）整套都过时了”。 接受：他对的部分是，AI 变革是持续而非一次性的，Lewin 的”refreeze（再冻结）“在模型迭代、数据漂移的世界里根本不成立——你永远无法”冻结”。 边界：但完全弃用计划变革框架会让 PM 失去可操作的脚手架。本节的立场是 Lewin/Kotter 用于”代际摩擦的结构诊断”仍有效，只是不能当”一次性施工图”用。这是 Rick 此前未深读的对手框架（emergent change vs planned change 之争），引入它正是为了逼问本专题”用经典变革模型类比 AI”的盲点。

对手立场三：对”70% 变革失败率”的同行评审驳斥（Hughes, 2011, Journal of Change Management）。 接受：Hughes 逐一追溯五个引用源，证明”70% 失败率”无有效实证证据、是咨询业循环引用的”活性神话”。本节因此拒绝引用任何笼统的”X% 失败率”做论据，只用有明确口径与样本的数字（RAND n=65、BCG n=1000、McKinsey n≈2000）。 边界：但”失败率不可信”不等于”失败不普遍”——BCG 的 74% 难规模化、McKinsey 的仅 6% 达高绩效，是有样本有口径的；它们支撑”组织摩擦真实存在”，只是不支撑某个精确百分比。

§6 跨域呼应：Rogers 的扩散社会学 × Kuhn 的范式不可通约

这张代际谱系图是两把跨域标尺叠出来的，必须具体展开它们如何改变了技术判断，而非装饰性点名。

Rogers（《创新扩散》, 1962/2003）改变了什么：它把”采纳”从技术问题重定义为社会系统问题。五个采纳决定因素（相对优势、兼容性、复杂度、可试用性、可观察性）让本节能解释一个纯技术视角无法解释的现象——为什么 SaaS（高可试用、可观察）扩散快，而企业级 Agent（低可试用、复杂度高、可观察性差，因为价值藏在工作流深处）扩散慢。判断升级：PM 评估一项 AI 能否快速采纳，不该问”它多强”，该问”它的可试用性和可观察性有多高”——这直接来自 Rogers，且可操作。链入 0117社会学 的扩散/社会系统视角。

Kuhn（范式/不可通约性）改变了什么：它阻止本节把代际谱系写成线性进步史。每次代际跃迁若是 Kuhn 式范式转移，则新范式的问题集与旧范式不可通约——这就是 §3 错位三的理论根。判断升级：PM 做代际类比时，“组织摩擦结构”可跨代守恒（Rogers 层面），但”技术风险内容”必须假定不可通约、重新枚举（Kuhn 层面）。两把尺子分管两层，混用就翻车。链入 0117社会学 与 Kuhn 范式 概念。

[!note] 两把尺子的分工 Rogers 管”采纳为什么快/慢”（社会系统的守恒律）；Kuhn 管”为什么不能照搬上一代经验”（范式的断裂律）。守恒与断裂同时成立，正是”反线性谱系”的理论骨架。

§7 PM 决策启示：面试 / 选型 / 复现三类落地

  • 面试桌：被问”AI 采纳和上云有什么不同”时，不要答”AI 更智能”。答：“摩擦源从技能/成本（云）迁移到了组织能力/数据治理/信任（AI），且 AI 同时存在工具级的快与基础设施级的慢两条曲线——按 Rogers 区分个体试用与组织生产部署，按 Kuhn 假定技术风险不可通约。“30 秒展示代际结构感。
  • 选型会：拿 §1 总表做尺子，对候选 AI 方案逐列打分——它的可试用性/可观察性（Rogers）如何？它把摩擦解决在了哪一层、还是只是延后？（SaaS 教训：快采纳常以延后治理为代价。）
  • 复现台：做内部 AI 落地路线图时，强制配 Kotter（组织动作）+ ADKAR（个体过渡）双轨，并把 EU AI Act Article 4 的 literacy 义务前置进路线图，而非事后补。

§8 与已有节点的关系（不复述其事实基础）

  • 对照 m207 - Agent 产品化：场景推演与失败模式：m207 在单个 Agent 产品层面拆失败模式（六类失败 + HITL 断点）；本节点做的是纵向升维——把”失败”放到五代采纳史里看，指出 Agent 的失败模式中”组织性根因”占比是代际趋势的终点，而非孤例。属”深化 + 拉远景深”。
  • 对照 m208 - AI 基础设施与中间件选型：m208 是技术选型视角（选什么栈）；本节点是采纳摩擦视角（选对了为什么还会部署失败）。属”补缺”——RAND 五根因里”技术选型对、部署失败”正是 m208 覆盖不到的组织盲区。
  • 对照 p307 - Copilot 到 Autopilot 光谱：p307 讲单产品的自治度光谱（L0–L4 与升降级）；本节点用它解释 §2 G5 反例——“低自治 AI 已跨鸿沟、高自治 AI 仍困早期采纳区”正是 p307 光谱在采纳维度上的投影。属”对话 + 互证”。
  • 对照 幻觉：本节点借它说明 Kuhn 式不可通约——幻觉是 AI 范式独有、上云经验无法覆盖的原生风险。属”调用”。

§9 关联节点

核心（必读）

延伸（可选）

  • 范式

修订日志

  • R1 (2026-06-07)：首稿。建立五代谱系总表（§1），逐代反共识判断 + 反例（§2），三个代际类比错位（§3），Rogers×Kuhn 双标尺跨域呼应（§6），接入 Nielsen/Burnes/Hughes 三个对手立场（§5）。数字均标口径与样本；笼统”X% 失败率”按 Hughes(2011) 结论拒用，仅采有样本口径数据（BCG n=1000、McKinsey n≈2000、RAND n=65）。待核实项：ERP 历史失败率口径、WalkMe 28% 员工数字（业主方调查）。
  • 2026-06-11 P3.1 接地修复：EU AI Act 日期口径按官方 Article 113 改精确——明确 2026-08-02 为 AI Act 主体义务总应用日（而非 Article 4 专属执法日），补 Article 4 义务 2025-02-02 / 治理罚则 2025-08-02 分层；来源升级为官方 Article 113（ai-act-service-desk.ec.europa.eu/en/ai-act/article-113）。全专题日期已统一为 2026-08-02，官方文本无 “2026-08-03”。