给老系统加个 AI 对话框，为什么救不了它

很多企业的 AI 转型，落到最后就一个动作：在老系统右上角，贴一个聊天框。

上线那天全员尝鲜，截图发圈。三个月后，没人再打开它。

这不是个别现象。Randstad 2025 年的雇主品牌调研（覆盖全球数十万职场人）显示：员工的常规 AI 使用率从上一年的 25% 降到了 21%；最该拥抱技术的千禧一代，日常使用率直接砍半——从 13% 掉到 7%。尝鲜之后的回落，是普遍规律。

是模型不够强吗？不是。上一篇埋的钩子，今天兑现：在旧地基上改建，为什么行不通？

答案一句话：问题不在老，也不在 AI——在基因。两套世界观，装不进一个壳。

PART 01

基因冲突：两套世界观

传统企业软件，是一套确定性世界观：操作可预期——点哪个按钮，出哪个结果，五十年来分毫不差；权限写死——谁能干什么，入职那天就定好；流程画好——先 A 后 B 再 C，一步不许跳。你身边所有的 ERP、CRM、OA，全建在这三个“确定”上。

AI 是一套概率性世界观：听得懂人话，但可能听岔；会办事，但可能办错。它的能力边界是弹性的、跟着上下文走的——同一句话，两次执行可能有两种理解。

现在，把概率执行者塞进确定性系统的驾驶舱，会发生什么？

打个比方：**让一个聪明但不稳定的实习生，去操作一台不容出错的精密机床——而机床没有为他设计任何保护。**出事是必然，不出事是运气。

贴对话框式的“AI 化”，干的就是这件事。按钮还是那些按钮，权限还是那些权限，流程还是那些流程，什么都没改，只加了一个会说话的窗口。对话框只会“说”，系统只会“记”——上一篇讲过：只能查、不能办的，是外挂。

💡 不是 AI 不够聪明，是机床从来不知道实习生的存在。

PART 02

三个“救不了”

把“为什么救不了”拆开，是三件事，层层递进。

① 没有执行权，救不了。

对话框能告诉你“续约风险客户是这几家”——然后呢？数据你自己去导，清单你自己去拼，单据你自己去录。它会说话，不会办事。上一篇的三问，第一问就挂在墙上：它不能替你把事办完。

② 没有安全边界，救不了。

那真给它权限呢？更危险。概率系统拿着确定性系统的全量权限，一次“听岔”就是一次生产事故。所以很多企业的做法是一分权限都不给——于是回到①。

死循环：给权限怕出事，不给权限没有用。

破局不在“给不给”，在“怎么给”：先在哪类数据上、先办哪类事、错了怎么拦——先画跑道，再放跑车。这层受控环境，就是前几篇反复出现的那两个字：治理。

③ 没有沉淀，救不了。

就算办成了一次，下次呢？口径重新对齐，判断重新来过。老系统记录的是“人的操作”——谁在什么时候点了什么按钮；从来不记录“事怎么办成的”。于是每次从零开始，用一次亏一次，永远没有复利。

三个“救不了”，三重身份：没执行权，是摆设；有执行权没边界，是隐患；都有但没沉淀，是漏斗。

外挂式 AI，三个全占。

⚠️ 对话框能加在右上角。执行权、安全边界、沉淀——加不上去。

PART 03

“推倒重来”才是答案

先拆一个流行观点：“别推倒重来，在旧系统上改改就行。”

说这话的，一般是两类人。一类是旧系统的供应商——劝你换平台，他吃什么呢？一类是被旧系统伤过的团队——重写九死一生，赌不起了。都有道理。也都不对。

重写九死一生，那是老方法重写：把老需求原样搬一遍，用新技术再写一遍——等于把旧世界观重新浇筑一遍。那不叫换平台，那叫换壳。壳换了，基因没换：确定性还是确定性，翻译层还在，还是接不住意图。

AI Native 时代的换平台，不是“重写一遍”，是“换一套世界观”：围绕意图重组，而不是围绕功能堆砌；围绕执行设计，而不是围绕记录设计。上一篇那两个“帧”的对比——六个环节的翻译链，对三个动作的意图直达——就是两套平台的对比。这不是升级，是换代。

那存量业务怎么办？订单、库存、账目，总得有人管。

**数据可以搬家，世界观不能将就。**迁移是工程问题：可灰度、可并行、可回滚，今天已经有成熟的做法。将就是基因问题：将就一天，翻译层就多收一天税——这个账，一还就是十年。

💡 改良主义省下的迁移成本，会变成未来十年每天都要交的翻译税。

PART 04

三个问题，测穿一切“AI 化方案”

把三个“救不了”翻译成三个采购/立项时的问题：

一问：AI 能执行吗？——还是只能问答，事还得人办？

二问：执行有边界吗？——出过错能拦住吗？过程能审计吗？

三问：用完会沉淀吗？——第二次用，比第一次更快更好吗？

拿这三问去测一切方案：老板在群里转的爆款工具、供应商的 PPT、自己团队的立项书。三个都答不上，无论 PPT 多厚，本质上都是在贴对话框。

到这里，“为什么老系统救不了”讲完了。系列还剩最后一件事：看懂了趋势、看懂了为什么，开发者和企业，各该怎么站位。下一篇收口：AI Native 浪潮下的 5 个判断。

AI 转型没有中间路线： 要么换一套为 AI 重新设计的平台， 要么每天接着交翻译税。

AI 转型的第一课，不是把 AI 加进系统——是把“谁能执行、在哪执行、执行了什么”设计进系统。

你公司贴过“右上角的对话框”吗？三个月后还在用吗？评论区聊聊。

📚 系列前文 · 往期回顾

› 系列 1｜满大街都在说的 “AI Native”，大佬们到底在指什么

› 系列 2｜用户要结果，软件给过程

› 系列 3｜同一个需求，两种系统：AI Native 到底“原生”在哪（链接发布后补入）

› 前作 1｜AI 生成的代码没有架构：一个开源 SaaS 作者的 Vibe Coding 反思

› 前作 2｜Jev 不会说话，但它暴露了 Agent 落地最难的一关

› 前作 3｜Agent 一旦能执行，企业真正缺的就是一个治理平台

› 前作 4｜阿里抢着认证的 FDE，暴露了企业 Agent 落地最缺的根本不是模型

› 前作 5｜外包和 AI coding 都不是真 FDE：真正的 FDE，是“交付即沉淀”的平台飞轮

💬 一起聊 AI Native 落地

想深入交流「AI Native 软件系统」这个系列、 以及企业里怎么落地？扫码加我微信，我们一起把这件事聊透。

— 行者 / Jagger · 技术理想派