怎么办好一场企业 AI 应用创新大赛?别让它停在 PPT 上

越来越多的企业开始办内部 AI 应用创新大赛——这是好事,说明大家都意识到了 AI 场景应该从一线长出来。但我们观察到一个普遍的问题:很多大赛评的是 PPT,不是能跑的东西。参赛团队做一份精美的方案汇报,讲愿景、讲价值、讲蓝图,评委打分、颁奖、合影,然后一切照旧。这是典型的为了比赛而比赛。办好一场 AI 应用创新大赛,核心只有两条:第一,评审的标准必须从"讲得好"换成"跑得通"——每一组都要用自己的真实数据,现场搭出一个能演示的智能体;第二,比赛必须在一个 all in one 的行业智能体平台上办,否则赛后的成果只是一堆散落在各处、彼此断开的 demo,永远长不成系统。

一场好的 AI 大赛,评的不是谁讲得动人,而是谁跑得通。

一、大多数 AI 大赛的问题:停在 PPT 上

大多数企业 AI 大赛的问题,是它评的东西错了——评的是方案的"讲述质量",而不是成果的"运行质量"。

看一看现在市面上大量的 AI 创新比赛,不管是企业内部的还是行业性的,一个常见的赛制是:团队报名、提交方案、路演答辩、评委打分。整个流程里,真正被评审的载体是什么?是 PPT。是那份把痛点分析、技术架构、预期收益讲得头头是道的汇报材料。

这样办下来,会发生什么?擅长做汇报的人赢了,真正想解决问题的人陪跑了。获奖方案里的"预期收益"永远停在预期,因为它从头到尾没有真的跑过一次。比赛结束,奖发了,气氛有了,但公司的任何一件具体工作,都没有因此被改变。

业界对传统黑客松和创新赛的反思也指向同一个结构性缺口:成果常沦为一次性的概念秀,缺乏一条从问题洞察到解决方案再到落地的主线。热闹过后,什么都没有留下。

这不是说方案汇报没有价值——而是说,当"讲"取代了"做"成为评审对象,大赛就从一个发现场景的机制,退化成了一场表达能力的竞赛。为了比赛而比赛,恰恰是从这里开始的。

二、把评审标准换掉:从"讲得好"到"跑得通"

解决办法说起来很简单:把评审的载体从 PPT 换成能现场运行的智能体。每一组参赛成员,用自己业务里的真实数据,亲手搭出一个 agent,向评委和领导现场演示——它真的在跑,真的在处理数据,真的在产出结果。

这一个改动,会连锁改变整场比赛的性质。

第一,参赛的门槛变成了"动手",淘汰了纯表演。要现场演示,就没法只靠嘴。团队必须真的把数据接进去、把流程搭起来、把输出调出来。这个过程本身,就是一次微型的 AI 落地实战——比任何培训课都有效。

第二,评委的判断从主观变成了客观。PPT 好不好,见仁见智;东西跑没跑通,一目了然。演示现场,输入一条真实的业务数据,看它输出什么——这比任何评分表都诚实。

第三,也是最重要的:赛后留下来的是资产,不是纸面。一份获奖 PPT,比赛结束就归档了;一个跑通了的智能体,比赛结束后第二天还能继续用。参赛团队自己搭的东西,自己天天在用——这才是"以赛促用"四个字的本义。

我们把这种赛制理解为一个加强版的加速营:有现场指导(导师帮每一组把数据接进来、把 agent 搭起来),有真实数据(不用演示数据集,用团队自己业务里的数),有强制的成果检验(向领导现场演示)。竞赛的张力让大家全力以赴,实战的赛制保证全力以赴的方向是"做出来",而不是"讲出来"。这样一场比赛办完,统一思想、体验产品能力、发现真实场景,三件事同时完成。(为什么场景必须从一线长出来,我们在《AI 转型的动力,为什么应该从一线长出来》里讲透了。)

三、在什么平台上办比赛,决定了成果的命运

评审标准之外,还有一个更容易被忽视、但同样决定成败的问题:比赛在什么平台上办。它决定了赛后的成果是能继续长大,还是只能就地报废。

现在很多 AI 创新比赛,用的是通用的智能体搭建平台,或者干脆让参赛者在各家通用对话产品上自由发挥。这些工具做一个演示没问题,但它们和行业智能体平台有一个本质差异:它们不是 all in one 的。

什么是 all in one?我们的定义包含四层:

模型 all in one——不同任务需要不同的模型能力,平台在底层统一调度,使用者不需要关心这一步该调哪个模型;软件 all in one——工单、排班、巡检、对账这些业务系统的操作,智能体在平台内直接完成,不需要人切出去操作另一个软件;数据 all in one——业务数据在平台内治理、存储、流转,智能体取数不需要人从别处导出再导入;技能(skill)all in one——行业沉淀下来的任务能力(怎么写巡检报告、怎么算一笔物业账)是平台内置的积木,搭场景时直接取用,不需要每个团队从零教起。

只有所有东西都 all in one 了,场景才能真的落地——否则断开的每一处,都要靠人去搬。

为什么这四层如此重要?反过来想就明白了。如果模型、软件、数据、技能分散在不同的地方,那么在真实的工作流里,每一个断点都需要一个人来充当"搬运工":把数据从 A 系统导出来喂给 B 工具,把 B 工具的输出复制到 C 软件里执行。智能体本身可能很聪明,但整条流程的自动化程度,取决于断点最多的那一段。人肉搬运一多,所谓的智能化就名存实亡——你只是把几个孤立的工具用人串了起来,和真正的自动化是两回事。

放到大赛的语境里,这个差异会在赛后显形:在通用平台上搭出来的获奖作品,要接入公司真实的业务系统和数据,几乎等于推倒重来;而在 all in one 的行业平台上搭出来的作品,数据本来就在平台里、软件本来就接通着、技能本来就是内置的——它从第一天起就长在离生产系统最近的地方。这就是我们坚持在 FMClaw™ 平台上办比赛的原因:比赛用的底座和未来生产用的底座是同一个,赛后的成果不需要"迁移",只需要"长大"。(行业级智能体平台与通用平台的差异,值得单独展开,我们会另写一篇细讲。)

四、一场办得好的大赛,长什么样

把上面两条原则落成流程,一场办得好的企业 AI 应用创新大赛大致是这样的:

赛前:征集真痛点,不出命题作文。题目从一线征集——你最想用 AI 解决自己工作里的哪件事?让最痛的人来指认最该被解决的事,而不是由组织者预设几道"看起来很 AI"的赛题。

赛中:分组实战,现场指导,用真实数据。每组配导师,在统一的平台上把各组自己的业务数据接进来,搭出能跑的 agent。这个阶段的本质是一场高强度的实训——参赛者在做的过程中,真实地体验到 AI 能干什么、不能干什么,这比十场宣讲会更能统一思想。

赛末:向领导现场演示,以运行结果论英雄。不放 PPT,直接演示:输入真实数据,看输出。评审的核心问题只有一个——这个东西明天能不能继续用?

赛后:获奖场景进入落地通道。大赛筛出来的是"被验证过值得做"的场景清单。轻的场景,团队自己继续用、继续改;重的场景——要接系统接口、要做数据治理的——进入工程化通道,由 FDE(前置部署工程师)接手做成生产系统。大赛管发现和验证,FDE 管做成真的,两段接起来才是完整的闭环。

这套流程里,大赛不再是一场孤立的活动,而是企业 AI 转型机制里的一个环节:它往前接住一线的痛点,往后接通落地的通道。比赛只是形式,让真实场景涌现、被验证、被做成——才是目的。