你可能有過這種經驗:
看了 demo 覺得超讚,刷卡買了一套 SaaS,或興沖沖導入了某個 AI 工具。結果三個月後——團隊還是用回 Excel,流程還是卡在原地,當初想解決的問題一個都沒真的解決。
不是你選錯工具,也不是你不夠努力。你只是撞上了幾乎每家公司都會撞上的那道牆:最後一哩。
買到「能力」,不等於拿到「成果」
現在的軟體和 AI 工具都很強,但它們賣給你的是通用能力——一個「所有人都能用」的功能。問題是,你要的從來不是通用能力,而是你這家公司、這個流程、這群人的成果。
中間這段差距,就是最後一哩:
- 工具能存客戶資料,但它不知道你的業務怎麼分類客戶、哪種客戶要優先跟進。
- AI 能寫文案,但它不知道你的品牌語氣、你的客人吃哪一套、什麼話術會被客訴。
- 系統能串接,但你現有的資料格式、權限、例外狀況,沒人幫你一個個接乾淨。
工具負責「通用」,而通用的東西,永遠差你那獨特的最後一哩。這一哩沒人走,前面那 90% 花的錢就等於卡在半空中。
為什麼最後一哩最難、也最沒人做?
因為它不能量產。
軟體公司要服務成千上萬個客戶,商業模式決定了它只能做「對所有人都適用」的功能;你的特殊流程、你的眉角,它做不了、也不划算做。顧問能給你一份漂亮的建議書,但通常不會親手把程式碼寫出來、部署上線。於是最會賺錢的那 90%(賣工具、給建議)大家搶著做,最難卻最關鍵的那 10%(讓它在你家真的動起來)反而沒人接。
這也是為什麼矽谷今年瘋搶一種工程師——Forward Deployed Engineer(FDE),專門住進客戶端、把通用能力翻譯成這一家公司的解法。我在〈矽谷今年最搶手的工程師:FDE〉裡整理過,這種人年薪喊到三、四十萬美金還不夠用,原因就是:決定一套系統到底能不能真的用起來的,正是最後一哩。
最後一哩,是「翻譯」不是「安裝」
很多人以為最後一哩是技術問題——把 API 接一接、設定跑一跑。其實它更像翻譯:
把「工具能做什麼」,翻譯成「你的生意需要什麼」。
而要翻譯,得先真的聽得懂兩邊的語言:一邊是技術(這個工具的能力邊界、怎麼接、怎麼接得穩),一邊是你的生意(你怎麼賺錢、哪一步最痛、哪裡絕對不能出錯)。這正是我一直在講的兩件事——領域知識負責決定「要做什麼」,工程負責「做得對、撐得住」,而模型和工具只是引擎,不是整台車。
少了翻譯這一步,再貴的工具都只是躺在架上的「能力」,不是你帳上的「成果」。
你今天可以帶走的三件事
- 評估工具前,先問「最後一哩誰走?」——別只看功能清單。買之前先想清楚:接上我的資料、我的流程、我的例外狀況這段,由誰負責?沒答案的話,那 90% 的錢很可能會卡住。
- 把預算留一塊給「落地」——很多人把錢全花在買工具/訂閱,卻沒留預算給真正讓它動起來的人。順序常常該反過來。
- 找聽得懂你生意的人,不是只會裝工具的人——最後一哩是翻譯,不是安裝。對方願不願意先花時間搞懂你怎麼賺錢,比他會用幾種工具更重要。
如果你手上正好有一套「買了卻沒真的用起來」的工具,或一個「一直想導入卻不知道怎麼落地」的念頭——最後一哩這段,剛好就是我在做的事。一句嗨,我們來看看你卡在哪。
這篇是經驗談,不引用外部數據;文中提到的 FDE 招募與薪酬數字,詳見前文〈矽谷今年最搶手的工程師:FDE〉的來源整理。