「ChatGPT 自学者」为何拖垮企业智能体落地

近日，Substack 专栏「AI Realist」作者 Maria Sukhareva 发表长文《ChatGPT-Taught Experts Are Crippling Agentic AI》，尖锐批评当前企业 AI 落地中「外行指挥内行」的现象。文章指出，大量管理者与咨询顾问并未真正使用过大模型，仅凭 ChatGPT 生成的幻灯片与战略话术，便主导了企业内部 AI 项目方向，导致所谓「自研企业大模型」、RAG 问答机器人、客服助手等场景普遍失败。

现象：缺乏实操的「ChatGPT 自学者」

作者将这类人群称为「ChatGPT-taught experts」（ChatGPT 自学者）。他们从未亲手训练或调试过模型，却因 GPT-3.5 的流畅输出而产生「AI 已变得简单、谁都能做」的错觉，进而在企业内推动各种 AI 战略。文章援引 BloombergGPT 作为典型反例——后者基于四十年金融数据从零训练，却在发布数周内被通用 GPT-4 在几乎所有金融任务上超越。

落差：技术进步与员工体验之间的鸿沟

作者观察到，过去四年大模型能力确有飞跃，但员工实际接触的只有 Microsoft Copilot 和各类自建聊天机器人，普遍被认为「愚蠢、幻觉频出、危险」。一边是新闻里渲染的「白领大屠杀」与 AI 裁员潮，另一边却是普通员工对 AI 工具的抵触与失望。这一落差并非技术本身造成，而是决策者从未亲自试用过产品所致。

病灶：管理者不做「将军」只做「幻灯片读者」

文章以将军与普通经理的对比做类比：将军曾是一线士兵，深谙战场；而企业管理者通常从未接触过 LLM 与智能体，其全部认知往往来自咨询公司那些「外表精美、内容空洞」（作者戏称为 slop）的 PPT。文中举例某汽车能力评估框架，质疑其既不区分车型也不衡量成本，毫无参考价值——这正是当下 AI 决策常见的写照。

核心主张：不懂就不能决策

作者的核心论点是：「除非亲自上手尝试，否则你根本无法理解大模型尤其是智能体能做什么，也就不可能对相关项目做出明智决策。」文章同时提示，文末附有作者付费订阅、慕尼黑线下工作坊及系列课程的推广信息。