传统体育团队不会在新对手进入赛场时就把所有行之有效的东西全部推翻重建。法拉利依然在赢得比赛——不是靠放弃几十年的工程经验，而是在成熟的基础上添加新鲜的人才、技术和更精准的分析。那么为什么硅谷要把企业传承当作一个贬义词来看待？
在多个技术周期中，我都见过同样的推销套路反复上演：你那些用了几十年的核心系统，正是你数字化野心受阻的原因。给出的建议永远是：拆掉它们，替换掉，从头开始。
这种思路本身就是倒退的。传统系统中蕴藏着多年的交易历史、边缘案例处理经验和合规逻辑，这些是任何初创公司都无法凭空合成的，也是任何供应商都难以轻易复制的。你积累的经验才是新对手无法购买到的竞争优势，而不是拖累你的锚。
关键在于在AI战略中善用这些资产，赋予它们新的生命，而不是把它们全部抛弃。
通用大语言模型无法解决的最后一公里问题
挑战在于，这些有价值的传统资产往往还没有被优化到可以在AI流程中使用的状态。企业流水线中尚未实现自动化的最后一段，正是决定AI项目成败的关键差异点：非结构化数据。几十年积累的合同、理赔单、发票、医疗记录和往来信函，构成了企业运营方式的历史记录。但这些数据存在于扫描版PDF、传真件以及为人类阅读而设计的格式中，而不是为AI模型设计的。
接下来还有从试点阶段迈向规模化生产的难题。在试点阶段，分析师可能只审查几千份精心挑选的文档；而在这一阶段，实验室中不明显的问题往往会暴露出来。提取结果可能在每次运行中出现差异，也可能缺乏置信度信号，无法将不确定的案例分流给人工处理。单独集成大语言模型会产生看起来自信、合理，但实际上经常出错的输出，而合规团队又缺乏审计轨迹来追溯这些输出是如何得出的。由此产生的试点与生产之间的差距，可能带来灾难性后果。
正是在这里，经过验证的企业级AI架构变得至关重要。企业并不需要让大语言模型逐字阅读每份文档；很可能已经存在专门构建的AI应用，早已解决了这个难题，能够从复杂文档中提取含义，保留上下文和结构，并让这些信息可供AI系统使用。换言之，对于已经整理好传统数据的企业，大语言模型可以作为一个增强层，对已经提取和结构化的数据进行加工。
这样我们就得到了一种更高效的混合AI应用场景：准确性得到提升，Token使用量和处理成本降低，并且为合适的任务选择了合适的技术。
拆除重建背后的投资回报率迷思
同样值得关注的，是“拆除重建”这种应对传统技术的常见策略背后的经济账。
Publicis Sapient近期的一项研究显示，在接受调查的1550家企业中，75%的企业目前已经常规使用AI，但只有10%的企业表示AI真正成为了其核心运营的一部分。这表明存在一个执行层面的落差：企业已经拥有了工具，但却难以让自己已有的系统和信息发挥更大作用。
替换一个经过长期实战验证的核心系统，是一笔动辄数百万美元的赌注，回报周期长、运营风险真实存在。这不仅仅是更换软件，还意味着要重新培训员工、重建系统集成，并承担赌注——新系统未来不会成为新的问题源头。
正因如此，我更推荐采用渐进式AI集成的方式。这种方式反其道而行之，将有针对性的智能能力逐层叠加到已经支撑业务运行的系统之上，从而在数月而非数年内捕获价值。这不是在传统技术与AI之间做选择，而是要把两者结合起来，发挥出最佳效果。AI可以减少理赔处理中的人工审核工作量，通过自动化文档处理加快客户入职流程，并在财务部门中简化合同分析和发票处理。这些应用场景都能带来可衡量的投资回报，同时保留传统流程原有的可靠性和可预测的成本。
发挥传统优势的实用方法
传承并不意味着陈旧的思维或能力。传承意味着经过考验的技术——能够经受审计、需求激增、监管审查，并服务真实客户多年的技术。
要获得优势，需要五个战术性步骤。
从流程入手，而非从产品入手。我们总是喜欢购买技术来解决问题，但真正的障碍几乎总是流程和人本身。在对任何环节进行自动化之前，先在任务层面理解当前的运营方式。
先打好数据基础。有意识地对非结构化数据进行结构化处理。这是在扩展AI应用之前，你能做出的投资回报率最高的单项投入。
在工作真正发生的地方叠加能力，而不是在演示效果最好的地方叠加。瞄准那些AI能带来最大价值的工作流程，并在那里进行集成，同时保留已经行之有效的系统。
以被替代的流程为基准进行衡量。分层叠加的AI能够与原有工作流程建立实时基准，用于评估单次交易成本、周期时长和异常率。如果无法衡量，就无法预测，也无法为其正当性辩护——可预测的成本至关重要。
要清楚什么时候真正需要替换。如果平台已不再获得支持，供应商已经不复存在，或者在核心系统之上无论叠加多少层都无法满足某项监管要求，那就是该放手的时候了。保持技术中立，用最适合任务的工具来搭建你的技术栈，而不是被某个供应商锁定在它的平台上。
不要再为行之有效的东西道歉
那些领先一步的企业，并不是那些追逐每一个新模型的企业。它们是那些明白了模型从来都不是问题所在，并选择让现有系统运转得更努力、更快、更智能的企业。
你的传承，证明了你已经建成了某种经久耐用的东西。将这个基础与专注、治理良好的AI结合起来，你就能以那些推倒重建的竞争对手根本无法匹敌的速度，获得精准的优势。
Q&A
Q1：企业为什么不应该直接淘汰传统核心系统？
A：传统系统中积累了多年的交易历史、边缘案例处理经验和合规逻辑，这些是初创公司无法凭空合成、供应商也难以复制的宝贵资产，是企业的竞争优势而非负担。
Q2：为什么大语言模型单独处理企业文档容易出问题？
A：大语言模型逐字阅读复杂文档时，容易产生看起来自信合理但实际错误的输出，且缺乏审计轨迹，难以满足合规要求，导致从试点到规模化生产出现较大落差。
Q3：企业应该如何在传统系统上应用AI才更有效？
A：建议采用渐进式AI集成，将AI作为增强层叠加到已有系统上，优先打好非结构化数据的结构化基础，并聚焦在真正产生工作价值的流程环节，而不是替换整个核心系统。
