2026 年 10 月 1 日，The Interline 那篇讨论时尚行业与 AI 的长文里，有一段采访值得单独拎出来。受访者是 Bamboo Rose 的首席战略与 AI 官 Rupert Schiessl。他说，AI 解决不了价值观层面的冲突。如果毛利、交期、可持续三个方向拉扯到完全相反的方向，这已经不属于数据问题，而属于优先级问题，归领导层管。他还加了一句，2026 年还说 AI 能替你做这个决定的人，是在骗你。
这段话点破了很多企业在 AI 项目上的一个误会。大家以为 AI 落地难，难的地方在数据质量、系统集成，还有员工不会用。这些确实难，但它们都是技术问题，投钱投人能解决。卡住的往往是另一类问题，一件事同时有两个正确方向，选哪个要有人承担后果。
服装企业里这种冲突每天都在发生。一个季度要不要多做两个系列，多做的理由是覆盖更多客群，少做的理由是每个系列的投入会被摊薄。一个爆款要不要提前追单，追的理由是错过窗口就没有第二次，不追的理由是一旦判断错了，钱就压在那里。一个大客户要不要接，接的理由是规模，不接的理由是价格已经压到没有利润。这些决定没有标准答案，只有取舍。
AI 在这些问题上的作用是有限的，而且是有边界的。它能把每种选择的后果算清楚，比如多做两个系列会增加多少投入、会摊薄多少单款资源、历史上类似动作的成功率是多少。它算不出「这家公司更愿意承担哪一种风险」。这个问题只有老板能回答。
所以 AI 项目做到深处，一定会撞上一个组织问题。谁有权定义优先级。如果这件事没有答案，AI 给出的所有方案都会被搁置，因为每个方案都有一半是对的，没有人能拍板选哪一半。
做对的样子是把优先级显性化，写下来。一家企业一年要做的取舍其实只有几类，新客户还是老客户，规模还是毛利，快还是稳，国内还是海外。每一类定一条红线，比如毛利率不低于某个水平，超过这条线的单子不接，哪怕规模很大。红线定完，AI 的作用就清楚了，它在红线之内做优化，红线之外的事不用它算。
做错的样子是把 AI 当成裁判。让系统给一个推荐分数，然后按分数执行，出了问题和系统无关。这种用法在前两年看着很先进，第三年会出现两个后果。一是团队不再练习判断，遇到系统没见过的情形就停住。二是所有决定都趋同，因为大家用的是同一个模型、同一批数据，最后做出来的选择越来越像。
还有一种做错的方式，把优先级冲突藏起来。开会时讨论的是数据，散会后各自按自己的理解执行。销售按规模走，财务按毛利卡，两边在月度会上吵架，老板每次都要当裁判。这种公司上 AI，只会让吵架变得更频繁，因为数据变多了，各自的依据都更硬。
可以带走的是一张冲突裁决表，三列。第一列写冲突类型，比如规模与毛利、速度与稳定、新客与老客、国内与海外。第二列写红线，每类冲突定一条不可越过的边界，写清数字。第三列写拍板人，每类冲突指定一个人，不能是「集体讨论」。
三列填完，还要做一件事，把这张表放进季度经营会的固定议程。每次开会先看有没有触碰红线的事，有就当场定，没有就过。这个动作看起来简单，做一年，企业的判断速度会明显变化，因为大部分争论在红线层面已经解决了。
AI 在这个框架里的位置很清楚，它是把选项算清楚的工具，不是替人选选项的人。把这两件事分开，AI 项目反而推得更快，因为团队不用再等一个「系统说怎么办」的答案。
希纪在 AI 经营改革项目里，会先和董事长把这张冲突裁决表填一遍。填的过程中通常会发现，公司内部对红线的理解并不一致，这件事本身就是最值得先解决的部分。