AI 在传统互联网公司存在诸多乱象，观察出四种：

一、各BU各自为战，数据壁垒高筑
公司高层意识到 AI 的价值后，各 BU 事业部纷纷布局 AI 领域，涵盖降本、提效、内容生成、模型应用套壳等方向。尤其是像 Manus 这类产品出现后，模型套壳备受推崇，甚至被视为技术实力的体现。在此过程中，大厂不同 BU 间展开激烈的资源与市场争夺，涉及硬件、软件、中间层、To C 及 To B 应用等领域。各部门手握不同用户画像与场景行为数据，却因担心被其他部门抢先邀功，拒绝共享数据。表面上宣称协同发展，实则相互提防，严重阻碍 AI 业务在集团层面的整体推进。

二、业务负责人借 AI 噱头谋求晋升
部分小业务负责人为实现晋升目标，将 AI 作为宣传噱头。他们频繁参与行业活动、与专家交流，却在沟通中刻意调整 AI 项目的收益呈现方式。例如，将原本一周内可达成的 30% 甚至翻倍的收益，拆解到未来 3 - 6 个月逐步体现。这样既能在述职和晋升答辩中展示工作成果，又避免因收益兑现过快被公司认定为“低垂的果实”，同时也防止因进度过慢被质疑工作能力。

三、技术与业务部门矛盾频发
算法团队耗时一年优化，效果却不尽人意，而人工仅用一周就能达到类似成果的情况时有发生。有时，新推出的模型能迅速超越人工团队一年的优化成果，但也存在人肉凭借经验和审美搓出prompt，在一周内调出模型数月都无法实现的效果。这种技术、算法与业务、产品、运营部门间成果产出效率与质量的差异，导致部门间矛盾不断，难以形成高效协作。AI专项砍掉500个审核和客服，人力成本不如背后的50个产研。

四、团队为存续过度包装数据
在 AI 项目实现降本增效，取得阶段性收益后，庞大的 AI 团队面临发展困境。由于缺乏新业务承接，且担心转岗后失去原有支持，团队成员通过对数据进行各种包装组合，如调整相对值、绝对值，改变横纵坐标轴类型和刻度等方式，制造项目持续推进、效益增长的假象，以此延缓团队解散时间。当同行曝出高收益成果时，又会以场景差异、统计口径不同等理由进行辩解，试图掩盖自身项目发展停滞的问题 。