“一小时内完成了三年战略规划”——谷歌云生态公司CEO谈AI落地

2026年2月，Big Technology播客邀请到Promevo CEO Karthik Kripapuri，围绕企业AI落地展开了一场坦率对话。主持人Alex Kantrowitz向来以尖锐著称，这次他把焦点对准了一个所有人都在问却鲜有人能回答的问题：企业AI，到底在哪里真正赚到了钱？

Promevo是谷歌云的顶级合作伙伴（Google Cloud Premier Partner），专注于帮助企业在Workspace、Chrome和GCP生态中落地AI。公司旗下有自研产品gPanel，用于Google Workspace的自动化管理，员工规模约90人，由成长型私募Cohere Capital支持。Kripapuri此前曾任Selligent Marketing Cloud CEO，是个典型的"COO心态"运营者——他在访谈中多次强调：不要效率，要效果；不要宏大叙事，要量化KPI。

"新奇玩具"阶段已经过去

回到2023年底，ChatGPT横空出世，整个商界为之震动。Kripapuri对这段历史有自己的判断："那时候对终端用户来说确实是新鲜事，但我们也看到谷歌当时有点措手不及。"

他并不回避这个判断，但随即话锋一转。过去两年，他亲历了谷歌在AI赛道上的大幅追赶——Gemini模型迭代提速、Vertex AI开放更多调参空间、Agent框架（A2K）向合作伙伴开放。在他看来，整个行业正从"回答问题的聊天机器人"跨越到真正能自主行动的"智能体流水线"（agent assembly lines）阶段。

这个判断有数字支撑：Promevo过去18个月间，协助谷歌为企业客户举办了约250到300场Gemini for Workspace采用培训工作坊，亲眼目睹了从管理层试点到全员渗透的完整曲线。

最大的拦路虎不是模型，是数据孤岛

大多数人以为瓶颈在算力或模型能力，但Kripapuri指向了另一个方向。

"这和1990年代数字化转型遇到的问题是同一个问题。"他说，语气里带着一种"历史重演"的感慨。在他看来，当前制约AI智能体发挥全部潜力的核心障碍，是企业内部的数据完整性问题：数据高度孤立，分散在不同系统；组织内部没有公认的"单一事实来源"（single source of truth）；各部门对同一数据的定义可能截然不同。

"只有把这些对齐，模型才能真正'接地气'，才能给出可供智能体采取行动的洞察。"他的逻辑很清晰：AI不缺智能，缺的是干净、统一、可信赖的数据土壤。

谷歌模型为什么更受企业信任？

Kripapuri被问到：为什么选谷歌而不是开源模型？

他的回答分两层。第一层是托管服务逻辑："99%的企业需要的是消费托管服务，而不是自己搭基础设施。"谷歌在基础设施、模型、开放性上的全栈投入，让企业可以拿来即用，避免了大量重复建设。

第二层是企业最关心的"灰盒子"特性。通过Vertex AI，企业可以调节模型的开放程度——想要更广泛的推断？还是更严格的约束？这个可调参数背后，对应的是两个企业级需求：一是数据主权，"你输入的数据不会被用来训练全局模型"；二是IP保护，谷歌提供的知识产权赔偿条款（IP indemnity），让那些担心自家代码被泄露的CTO大大松了一口气。

"模型不是黑盒，而是灰盒——你能看到它在想什么，能干预它的决策边界。"Kripapuri把这一点视为与CTOs建立信任的核心基础。

Gold Bond案例：AI落地的"教科书"路径

对话进行到一半，Kripapuri抛出了一个具体案例。

Gold Bond是Promevo帮助推进AI转型的客户之一。起点是Gemini for Google Workspace的全员推广，结果70%的员工实现了真实采用——这个数字在他看来才是文化层面真正落地的信号。随后，双方把AI应用场景拓展到产品可视化（释放销售时间）、再到订单处理自动化。

"这个路径，才是2026年大多数企业应该复制的样板。"他说。关键动作有三：从小处起步、设定可量化的KPI、让业务负责人真正卷入（不只是技术部门）。

与此相对，他也点名了失败模式："我最不知道怎么执行的，就是'我们要成为AI优先的公司'这种口号。这在董事会说说好听，但在我看来根本不知道从哪落地。"

Promevo内部：财务团队第一次可以在月初休假了

谈到Promevo自身的AI应用，Kripapuri直接拿公司财务团队举例。

以前每月头一周是财务关账期，CFO、财务控制和FP&A团队不可能休假。现在，Promevo正在构建一个坐落在Looker和BigQuery之上的智能体，目标是把这些"每月一次的繁琐操作"全部自动化——让财务团队真正能在月初申请年假。

另一个案例来自员工自发提案。一位同事负责Chromebook售后，发现设备出问题时的退货处理（RMA流程）耗时极高。她自己考取了Gemini认证，写了提示词，和技术团队合作构建了一个自动化智能体，目标是每周省回8小时工时，即将上线。

这两个案例有一个共同特点：从下往上生长，而不是自上而下强推。Kripapuri把这视为AI内化成组织能力的真实信号。

他还提到，公司在Friday下午固定留出"学习时间块"，不排会议。目前全员大多已完成谷歌Gemini相关认证，公司还在奥斯汀举办了一场内部黑客马拉松，用了半天时间跑通了三个内部用例原型，后续20多个用例排队等待落地。

一小时完成三年战略规划

访谈临近尾声，Kripapuri分享了一个让主持人下巴掉了又提起来的例子。

Promevo在Q4做2026年战略规划。通常情况下，从董事会层面的战略目标到各部门OKR的拆解，再到与三年时间跨度的对齐，是一个耗费数周的文字游戏（他原话叫"word smithing"，即反复斟酌措辞）。这次，他们把战略文件输入Gemini，让模型按部门拆解OKR，并与整体三年目标对齐。

"我们一小时内完成了这件事。"他说，随即补充："我们还把这个过程演示给了董事会看。"

Takeaway

这场对话最有价值的地方，不在于Promevo比别人更懂AI，而在于它展示了一家体量不大的咨询公司如何把自己变成"活的样板间"——先在内部跑通，再向客户输出。Kripapuri的逻辑一以贯之：从小开始，锁定KPI，让真正使用的人来提需求，把无聊的重复劳动交给机器，把省下来的时间还给人。

这个逻辑并不新鲜，但能持续执行的公司，依然稀少。