这一年持续记录和拆解企业级 AI 的真实落地过程。
回头看，这些内容并不围绕某一个模型、某一个产品，也不急着总结“成功经验”。更多是在记录一些并不性感、却反复出现的现实问题：权限卡住了，数据口径不统一，流程兜不住，组织不知道该把 AI 放在什么位置。
慢慢地，我越来越清楚一件事：
AI 在企业里的难点，并不在“会不会”，而在“放不放得下”。
放不放得进现有的数据体系，
放不放得进既有的流程结构，
放不放得进真实的组织心智模型。
过去一年，“AI 能做到什么程度”并不让人担心。
决定 AI 能否产生价值的，往往不是模型能力，而是：
数据是否被真正理解和信任，
权限和责任是否清晰，
流程是否允许非线性的探索，
组织是否接受结果的不确定性。
很多 AI 项目失败时，看起来像是“效果不好”，但本质上，是组织从一开始就没有准备好接受一个不确定性更高的工具。
AI 并没有把事情变得更确定，它只是更早、更清晰地暴露了原本被掩盖的问题。
最近做了一个很小的尝试：用 antigravity 抓取了在即刻上的内容，并生成了一个只给自己看的 H5。
这个过程花了不少时间，但它并不是“折腾工具”的消耗。
我是在创造一份我自己真正想要的内容，而这些内容在生成的同时，又立刻被我自己反复查看、理解和使用。
在这个过程中，工具的形态变得很不一样。
它更像是一个临时搭建起来的 IDE：数据来自我自己，结构为我所用，没有预设的流程，也没有标准的产品形态。
当我回看最近三年的输出和记录时，会发现一个非常稳定的关键词始终存在——AI。
那一刻我意识到，我并不是在某一年“开始使用 AI”，而是已经不知不觉把它变成了一种持续工作的方式。
2026 真的是更贴近了 「创造即消费」。
在传统工具体系里，创造与消费往往是分离的：
有人生产内容、数据和分析，
另一些人负责阅读、使用和执行。
但 AI 正在改变这种结构——
越来越多时候，使用的过程本身，就在持续生成新的内容、新的结构和新的判断。
2026 年，这个账号会继续记录这些变化：
AI 如何真正嵌入工作过程，而不只是一个结果工具；
数据、知识与判断如何在使用中被不断重写；
个体与组织，如何在 AI 时代重新分配“思考的边界”。
写 AI，本质上是在写人如何面对不确定性。
2025 如此，2026 亦然。