养龙虾的风，从个人玩家，吹到了企业管理层。

最近帮企业落地养虾方案，踩了不少坑，有了3个切身感受。

第一，管理层的安全焦虑：如果真在乎安全，就别碰原版龙虾

原版龙虾权限过高，在企业的安全合规要求面前，几乎就是裸奔。

他能绕开公司现有的文件管控体系，泄露或误删核心数据。年初有安全审计报告称，龙虾存在数十项安全漏洞。

原版龙虾不方便做企业级的管控，他像是个黑盒，公司并不知道团队用他干了什么，事后审计也难以入手。

原版龙虾的代码，AI生成的代码较多，龙虾的新版本和旧版本之间，连兼容都做不到，更别说安全了。

所以但凡你在乎安全，就一定远离原版龙虾。

退一步讲，就算弃用原版龙虾，用互联网大厂的龙虾产品，也做不到全面的安全防护。

这些龙虾产品，先冲出来卖了几周，投诉和客户反馈不断增加，安全补丁才会姗姗来迟的打上。

有企业会有很矛盾的心态，一边想推，一边又疯狂的希望供应商能做出安全承诺。

说句心里话，不能接受风险，就别养龙虾；养了龙虾，就别指望百分百安全。

第二，把用好龙虾的希望，寄托于外部培训，那一定用不好

一些心态开放的企业，暂时搁置安全问题，把龙虾养了起来。

紧接着掉进了另一个大坑：指望统一采购，全员培训，让别人教会自己。

这个思路，在面对传统的数字化工具时，是管用的，那些工具迭代慢，用法都是固定的，培训一轮就能上手。

同样的思路用在龙虾身上，完全行不通。

龙虾这种智能体工具，应用场景是高度碎片化的。指望供应商手把手给你塞，注定是用不起来的。他只能依靠员工，在自己的业务痛点中摸索出来用法。

龙虾概念走红，到大厂推出产品，再到让企业用户真的用起来，沉淀出好的案例，大厂回收案例，向外营销推广，整个过程很耗时。

你拿到值得参考的案例时，已经是几个月之后了。

说到底，龙虾现在是AI极客的玩具，不是全员的生产力工具。

作为企业工具来审视他，他的稳定性堪忧，对生产场景挑剔。

他需要使用者，有极强的探索精神、试错能力和好奇心。

第三，企业如何养好龙虾？

上面是在劝退，但如何真的想养好龙虾，我会给出下面4个建议。

做好AI预算增加的心理建设

龙虾自主完成任务时，会反复调用AI模型。他对AI额度的消耗，远超普通对话式AI工具。

为了让龙虾更聪明，还要用好的AI模型，好的模型又不便宜。

如果真心打算推动养虾，就要对AI额度的上涨，有心理预期。

不要在企业电脑上本地安装龙虾

这不仅是安全风险的问题，更是运维成本的无底洞。

普通用户拿到手，常常把它当聊天机器人用，遇到报错，完全懵圈。

接着就会问出下面的问题：“虾怎么死了？”、“token咋用完了？”、“回复咋比豆包慢这么多？”

整个运维团队，每天陷入无休止的救急当中。

AI公司和互联网大厂，都有自己的龙虾产品，比如字节的“aily智能伙伴”、Kimi的“Kimi Claw”。这些产品都比本地部署更有优势。

先在少数AI积极分子中推行

别在全公司强推龙虾，可以先把权限，开放给基层管理者和跃跃欲试的AI积极分子。

让他们探索出一些有用的场景，再去全员推广。

对龙虾之外的传统方案保持开放心态

很多场景下，AI工作流、传统的软件代码，这些方式依然锋利好使。

龙虾能啃下很多问题，但他未必是每个场景下的最优解。

别觉得工作流或传统编码，这些方式不够高级。能解决问题的方案，就是好方案。

结语

AI的新热点，总是让企业在恐惧和错过之间反复横跳。

越是体量庞大的企业，在拥抱新技术时，就越是要小步快跑。

在安全问题上过度谨慎，或者全员all in一拥而上，都不是理性的态度。

小步快跑，让少数人趟出一条路，多数人再稳步跟上，这可能才是企业养虾的正确姿势。

{{userData.name}}已认证

帮企业落地“龙虾”后，我总结了3条经验