一家营收过百亿的服装集团，十月做明年的 AI 预算。集团下面两个事业部，一个做正装，年年赚钱，一个做年轻线，连亏三年。预算会上，年轻线的总经理最积极，一口气提了六个场景，说这一年能不能翻身就看这个。正装线的人坐在对面，一句话没说。
会后董事长把两个人留下来，问了一个问题，如果只够做一条线，先做哪条。
多数人的直觉是先救亏钱的。理由很顺，亏钱的更需要改善。这个直觉错得挺贵。
麻省理工学院做过一项被反复引用的研究，全球企业在生成式 AI 上投入了三四百亿美元，约百分之九十五的项目没能产生可衡量的回报。这份数据经常被用来说明技术不成熟，其实它说明的是另一件事，多数项目做在了没有能力承接的地方。
亏钱的业务缺的通常不是效率。一家年轻线连亏三年，问题多半在定位、价格带、客群，或者在组织上没人对这个品牌负全责。这些事靠改流程解决不了。在这样的业务上做 FDE，最好的结果是省下一笔费用，最坏的结果是把一个错误的模式执行得更快，亏得更整齐。
赚钱的业务反着来。它有预算，有稳定的数据，有一批干了多年的熟手，也有容错空间。这三样凑齐，项目才跑得动。正装线的人不积极，往往是因为他没觉得自己需要，这种不积极可以用一个具体的数撬开，比如某个环节的返工率，比如某个决策要等几天。
判断该先做哪个，可以看三个数。
第一个数，这条业务的单位毛利是不是正的。为负，先解决商业模式，别碰流程。为正但很薄，说明效率有空间。
第二个数，这条线上有没有一个人能当场拍板改流程。没有，做到一半会停在一个签字上。
第三个数，三个月内有没有一个能被验证的指标。说不出来，这个场景就该往后放。
三个数里前两个不满足，这条线先别做。三个都满足，哪怕它不缺钱，也该先做它，因为它的成功会变成样板，样板能带动另一条线。
做错的样子见过两种。一种是把 AI 当救命稻草，在亏损业务上砸了一年，年底算账，省下的钱不够付项目费，团队也散了。另一种是只在最赚钱的业务上做，做到极致，三年后集团发现另一条线已经没救了，而这次连救的钱都没有。
可行的排法是两段。第一段在赚钱的业务上做两个场景，把方法、组件、人练出来，这一段的目标是建立能力，不是省钱。第二段拿这套能力去救亏损业务，但要先回答一个问题，这条业务值得救吗。不值得，就把钱花在别处，比如买一个已经跑通的品牌。
第二段开始之前，有一个问题必须先答，这条业务三年后还要不要存在。答案是要，就按能力缺口做；答案是不确定，就先做一个能验证去留的场景，比如定价，价定对了还有救，定不对就该卖。答案是否，就别做 AI，做退出。
这个顺序看起来保守，其实省时间。把一条该退出的业务救三年，损失的除了项目费，还有三年的管理注意力。 希纪在给服装企业做增长诊断时，会先把集团的业务按「该不该继续做」和「做得好不好」分成四格。落在该做但做得不好这一格的，才适合上 AI。落在不该做这一格的，上什么都是加速。
回到那间会议室。董事长最后定的是，明年七成的预算给正装线，三成给年轻线，年轻线那三成只做一个场景，就是定价。他自己挂名这个项目的验收人。
年轻线的总经理不太高兴。董事长说了一句，你先把这个场景做出来，做出来我再信你能翻身。
这个顺序不温情，但它符合一件事的规律，能力要在有土壤的地方长，长出来才能移栽。
一个可以带走的检验，把明年的场景清单按业务线分两栏，一栏赚钱，一栏亏钱。数一数亏钱那栏有几个场景的答案能写成一个数。写不出来的，先划掉。
希纪 · 服装产业观察