迈向AI社会落地的最前线／技术团队总管小村访谈

2025.11.16

从埃森哲的咨询职业开始，先后经历德勤Tohmatsu、野村综合研究所的AI团队组建以及AI企业的业务负责人，再到enableX。已在AI的社会落地领域深耕十余年、目前担任enableX技术团队总管的小村，将讲述AI时代业务开发的本质性课题，以及面向2030年所抱持的雄心愿景。

从咨询、SIer走向AI的世界。十年间对专业性与独到性的追求

——首先，请讲讲小村先生迄今为止的职业经历。

2012年作为新人加入埃森哲，承担全公司供应链、ERP、SRM、CRM、BPR等项目。之后又经历了几家咨询公司，颇具特色的一点是，我得以分别在从数千人规模到几人规模的不同环境中工作。
规模越大，垂直与横向等内部政治的划分就越明显，组织也就越不扁平。从过往的经历来看，从责任感与当事者意识的角度，规模较小的公司更契合我的性格。在小团队里我能够拥有较大的自主权，同时客户方也更容易作为当事者参与，便于我对定量与定性目标做出承诺。我一边介入自然语言、语音、图像、LLM等AI领域，一边希望能在发挥自身专业性与独到性的同时专注产出成果，于是来到enableX开展工作。

——您在2020年前后正式转向AI，契机是什么？

其实我与AI的初次相遇要追溯到2016至2017年前后。那时大型企业对内外部数据利用的需求已经在上升，我也有机会参与自然语言相关的项目。当时知识检索引擎、语义向量、本体论等概念正受到关注。然而，在持续以咨询的方式提供价值的过程中，我开始感到不对劲。顾问归根结底只是从咨询的视角推进事情，在RFP或技术选型阶段只是准备好选项，然后把判断权交给客户。这在某种意义上是一种引导，也是一种视野的窄化——我开始质疑：我们真的在以自己的力量提供价值吗？由此我并行开展了相关活动，去掌握AI工程、DeepTech的研究领域以及学术视角，以便能够自己实践。
在职期间，我在工作三到四年的阶段争取赴美攻读MBA，亲眼看到来自不同国家、立场与专业的同事们利用工作之外的时间，真正投入到共同课题之中。比起学术视角本身，更让我感到震撼的是这些全球同行因求知欲而迸发出的行动力——我从中获得了本质性的启示。
2017年前后，为了掌握AI工程，我把编程与论文研究当作兴趣坚持去做。因此当Transformer技术在2018年通过Google的BERT被发布并应用时，我就已经把握住了该技术。到2021年所谓的“自然语言革命”爆发时，对我而言在技术上更像是水到渠成。所以当ChatGPT登场时，我也已经具备从容看待潮流的基础——可以聚焦于让其迅速渗透到社会的业务侧原因，包括拉近距离的UI与技术提供方式等。

——之后您具体做出了怎样的职业选择？

我希望能更深地参与AI，同时也想孵化新业务。带着这样的想法，我加入了一家兼具智库职能的AI/SIer公司，负责面向政企公的项目开拓与交付、神经科学方向的新业务开拓。
但在这里我意识到，大型组织特有的约束非常多。要做想做的事，需要各种各样的协调，难以自由行动；开拓客户和新业务时还要事先确认内部联通等问题，加之我在主动调动人和业务方面也存在能力不足，于是经历了一段反复试错的过程。“想以业务当事者为前提、带着速度感行动”的想法变得越来越强烈。此时我第一次在职业上不是选择稳妥落脚，而是选择跳跃——开始作为AI公司业务开发与咨询业务的负责人、业务owner开展工作。
在这里我才真正深入AI的社会落地，与各家企业和团体合作，开展自然语言处理、LLM开发以及“0->1阶段”的大规模语言模型与微调模型开发等工作，在一线直面AI技术的社会落地。
回过头看，从在咨询公司对“视野窄化”的不安开始，到对以AI为核心的前沿技术的关注，再到能亲自动手投入社会落地的环境——能够真正确立可以称之为专业性的东西，正是在这一时期。

AI运用的本质性课题——业务·工程·研究者“三者之间出现的鸿沟”

——在您看来，现代AI运用中最大的课题是什么？

我一直以“业务”“工程”“研发”三个视角来审视AI运用。我感觉这三者之间各自存在着瓶颈，是非常重大的课题。
业务侧的视角容易偏向“能用、好用、出效果”，在技术理解与适用判断的要素上容易带有偏见。
另一方面，工程师往往把目的导向“做我想做的东西”，会把时间花在从业务视角看并不重要的事情上，有忽视易用性与用户需求的倾向。研发侧也容易被“研究本应如此”的执念所牵引，把精力投入到离社会落地很远的坚持上。
本来，业务侧的人应当向工程·研究侧靠拢，工程·研究方也应当向业务侧靠拢。然而，各方都在割裂的社区里自说自话，意思难以互通。在这种状态下，无论是公司内部还是对外，项目推进时目标都会不一致，自然就推不动。

——这一课题是知识层面的问题，还是态度层面的问题？

本质上，是面对陌生领域时是否愿意深入其中的态度和意义构建的问题。把这一点补上，本可以产生良性循环——我觉得很可惜。生成式AI的时代更是一个“边干边学”的世界，因此那种依靠第三方或资料制定方针、然后跟着走就能成功的时代已经结束了。

——人应当如何与AI产生关联？

前提是人参与到AI的判断过程之中：确认与修正结果，或者把正确范例教给AI。这通常被称为HITL（Human-in-the-Loop）。多数人确实会做到“评价产出结果”这一步。但他们并不理解其中的逻辑，反馈往往停留在“好”“不好”这样的表面层面，缺乏对具体如何改进的方法。
生成式AI本质上是推理模型，从候选中挑出靠前的若干个，再选出最契合的来输出下一个字符或文本。一旦你深入理解了这套机制，对数据、参数设置等“给予怎样的反馈会带来怎样的表现”就会建立起感性的理解。
此外，目标不能只停留在“让AI能用于业务”，“教什么”“怎样教”同样是人的责任。这就像备考一样：没复习过的内容怎么可能考好；不知道在学什么，又怎么可能改善。然而许多情形在到达这一步之前就停下了。便捷性以及让人能轻易上手实践的设计当然重要，但更关键的是，人需要带着主动“贴近AI”的视角去实践，这才是人与AI协同创造附加价值的路径。

——原来如此。另一方面，工程师与研究侧也存在课题。

是的。反过来说，未能贴近业务与客户的情况也很常见。仅止步于PoC（概念验证）的项目已经常态化。原因在于，“做出来”往往变成目的本身，已经费尽全力，结果就这样以未承诺评估与改进的方式收尾——这是一种很常见的表面化推进方式。许多项目是工程师或研究者从自己的视角解读客户的需求，做出原型，然后稍加试验就结束。然而，本来的做法应当是深入沉浸到客户的需求中，反复试验、反复失败，高速地把循环转起来，逐一攻克课题。

理解AI与IT差异的组织化方法是关键

——AI运用难以奏效的背后，似乎也存在组织层面的课题。

正如您所言。许多企业试图用与IT完全相同的框架来投入AI预算。然而，这两类技术根基上的机理本就不同。
IT是“能够确保做到指定之事的机制”，只要没有bug，基本上可以追求100%的精度。AI则是基于推理运作，并不会100%返回正确答案。但在IT成功体验根深蒂固的情况下，往往会对AI抱有同样的期待。
正因为此，AI项目也需要被赋予不同的目的。例如，把“通过实战环境挖掘内部AI人才”“以AI原生为前提进行组织建设”作为目标，也是非常有效的。
实际上，我们支持过的一些客户，会利用我们提供的资产，自行搭建AI并对外提供使用——这样的案例也存在。从本质上说，AI是较易推进内制化的事物。因为试验验证可以迅速进行，灵活设定项目目标，就能够取得更大的成果。

在enableX要实现的三项挑战——AI/DX Service、DeepTech Hub、Neuron AI Labo

——在enableX，小村先生希望实现些什么？

我希望大致开展三项活动。也有由我的AI进行介绍的视频，可以参考下方链接以便确认。
enableX Technology 活动介绍视频

第一项是AI/DX服务。
在运用迄今积累的经验与知识的同时，我们将提供深入到个性化、数字分身技术、情感分析，乃至多模态AI领域的服务。enableX汇聚了作为业务当事者紧密主导货币化与服务交付的成员。在拥有营销、销售、数据运用专家的环境中，我深信能产生协同效应。

第二项是构建DeepTech Hub。
日本企业开发的技术与设备中有许多堪称出色，但面对客户的课题与需求时，能否最恰当地提供价值，许多场景下能力都还不够。因此，我们希望与多家企业整合在一起，构建以最佳方式提供的体制，建立可以进行技术提供与业务转型的机制。仅靠一家公司难以做到的事，由两家公司组合便有可能完成项目交付与服务提供。通过拓宽这些选项，从而应对各种客户课题——这同样是加速社会落地的活动。

第三项是Neuron AI Labo。
这是面向Next AI的实践。许多企业都在做生成式AI，而我们着眼于更远的未来，关注“对人类的理解能否更深入”。我们观察人类的直觉反应，神经营销学和神经科技等领域则是入门方向。在脑波测量与神经科学的应用领域，分析人类直觉上聚焦于何处、被何种事物吸引，进而连接到消费者购买行为，或运用于广告内容与商品陈列等。它的高级应用方向多种多样，我们也会与AI相结合，追求扩展人类自身的功能与创造力，并推进研发。这些活动，我们都将在Neuron AI Labo展开。

人类与AI融合的、最有趣的20年

——您如何看待中长期未来的世界？

若以雷·库兹韦尔所言的奇点（Singularity）2045年为基准，那么自智人出现以来的20万年中，今后开始的这20年，必将成为人类史上最有趣的20年——这一点我深信不疑。正因如此，我希望站在最前线作出贡献。

比如，人类看到某物时会作何感想？现在Meta正在发布智能眼镜设备，而智能眼镜中具备眼动追踪功能。只要这个人活着，他在看什么都会被全部捕捉。如果设备能够测量脉搏与瞳孔的收缩，那么他在何时兴奋、何时被吸引、何时专注，也都能被识别。把这些起点作为输入，再以视觉内容进行介入，或者根据接收到的信息推送个性化商品，便能更直觉地形成促进消费行为与人类行为的触点——这样的常态时代就在眼前。

当然，隐私问题、安全等需要跨越的门槛还有很多。但在生成式技术日新月异的演进等背景下，营销与广告被优化的世界必将到来。作为基本立场，我希望肯定一个人类与AI、前沿技术融合并展现新价值的未来，并为打造一个能将这种潜力最大化的未来贡献力量。

实践本身即价值。以行动体现“先试一试”的文化

——请讲讲您选择enableX的背景，以及希望和怎样的人共事。

我特别重视的一点是：你是否会对“未知之识”感到兴奋，是否能从中找到动力？
我自己从咨询行业这种相对僵化的领域起步，曾在那样的环境中工作过相当一段时间。随着年资增长，专业性逐渐定型；与此同时，最契合的行业、课题与客户类型也固定下来。这固然有积极一面，但在自身公司与客户两方都对我抱有固定的期待之后，我被要求做的工作大多变成了“拿出自身的经验与见识”。我也开始自问：仅凭这一类环境所积累的经验，是否真的可以被称为专业性？带着这种说不清的烦躁与不协调感，年过三十之后我仍在切换职业方向。

因此，对当下的年轻人，我希望他们选择一个在30岁之后依然能感到成长的环境。反过来说，当你对当前的工作感到不够过瘾时，我希望传达：在enableX，存在一个可以挑战新事物的环境。在固定的环境中，存在“只能在那一个环境提供价值”的风险，这也会成为开启新事物或迎接挑战的门槛。

想要开拓新道路，想要冲进未曾涉足的领域，对自己未做过的事情怀有兴趣——我希望与这样的人一起共事。

——最后，请送上您想说的话。

enableX的行为准则里有一条是“成为当事者”。加上我个人的诠释：不要只说“我想做出这种东西”，而是先动手做。哪怕只是粗糙的版本也能先拿出来——我认为这样的人才合适。

另外，也请重视获取“独特的输入”。正因为身处AI时代，与他人雷同的大众化信息其价值正在减弱。要让自己的头脑与思考变得独特，就需要让输入变得独特。新的信息组合会创造价值。每当出版新的脑科学书籍，我都会反复吸收；最近我也在读类似《如何创作反派》这样的书（笑）。把各种发想与创造的素材转化为想法，不只是停留在嘴上，而是落到实践性的产出上。由独特输入所组合的产出，必然具备独特性。enableX里有许多人会把这视为有意思的事情，并认真对待。

当然，“破格也要建立在守格之上”，基础很重要。在此之上，对于AI这种基于推理的技术，重要的是带着实战式的好奇心：亲手去触碰、观察它的行为，并通过反复试验加以改良。

进入这种状态的人，仅靠知识是无法胜出的。在AI领域，我个人认为能够突破这堵墙的人、具有相应潜力的人才与之相称。不要在脑中过度纠结，手脚不停地践行“不气馁”“不达目的不停手”“先做出来”这样的态度。我认为那些主动为自己创造可开拓环境，或反过来积极寻求这种环境的人，最适合enableX。我自己也是凡人——希望与他人一起，把人类的潜力追究到底、最大限度地拓展。