认知翻译：为什么"黑盒白化"是FDE的第一课
客户说”帮我用AI提效”，这不是需求，这是症状。FDE的第一课不是写代码，是翻译：把”AI能做什么”的无限清单，翻译成”现场痛在哪”的有限问题。任何不可解释的输出，都是未完成的交付。
TL;DR
FDE三阶九则的第一阶是认知翻译，三原则：能需对齐、黑盒白化、双向驯化。最容易被跳过的是”黑盒白化”——AI跑出一个结果，你说不清它为什么对，这个交付就没完成。渠道老兵做这件事有天然优势：把总部策略翻译成渠道商动作，干了11年。
一、需求六要素：先问”谁有问题”
客户走进来，开口就是”帮我用AI提效”。
这句话里，没有需求。这是症状，不是病。
Palantir的方法论里，需求翻译第一步是六要素，我记了两年，到现在还在用：
- 谁有问题？ 渠道商、经销商、还是终端客户？
- 问题是什么？ 信息不对称、决策慢、执行偏差？
- 现有方案缺陷？ 人工沟通成本高、数据滞后？
- AI如何解决？ 智能推荐、自动预警、数据洞察？
- 如何验证？ 满意度、决策时效、执行准确率？
- 价值量化？ 减少XX小时沟通、提升XX%转化？
前5年中供跑客户，我最恨的一句话就是”你们帮我提提效率”。提什么效？谁的效？我怎么知道提了多少？11年渠道管理下来，我养成了一个习惯：客户说什么，我先翻译成”谁、痛在哪、怎么证明不痛了”。
AI时代这件事更急。因为”帮我用AI”这种话，比”帮我提效”还空。AI能做什么，是个无限清单；现场痛在哪，是个有限问题。FDE的第一课，是把无限翻译成有限。
二、黑盒白化：不可解释的输出，是未完成的交付
三阶九则里最容易被跳过的一条，是黑盒白化。
核心句：任何不可解释的输出，都是未完成的交付。
什么意思？你做了个AI客服，答得又快又准，客户很满意。但有一天它答错了一次，你说不清为什么错。这时候”满意”是假的——你不知道下一个错在哪。
黑盒白化不是”把模型开源”，是把AI的判断路径翻译成客户能理解的规则。
渠道场景里我见过太多”黑盒事故”：总部推了个新品策略，渠道商执行了一版，动销率掉了。复盘的时候，没人说得清策略里哪条传导偏了。最后变成”下次注意”，问题原样躺在下一版里。
AI部署里，”下次注意”的代价更大。因为黑盒里住的是幻觉，不是笔误。
黑盒白化的实操标准：每个AI输出，要能回答”它为什么这么判断”。回答不了，交付就没完成，不管指标多好看。
三、双向驯化：不是人适应机器，也不是机器迁就人
第一阶的第三条，最反直觉：双向驯化。
不是”员工学怎么用AI”（人适应机器），也不是”AI改成合员工习惯”（机器迁就人）。是人和机器共同演化出一套新的工作语言。
举个例子。我做新闻播报的时候，最初让AI自由搜，它编新闻。我没怪AI”不靠谱”，也没逼自己”学提示词工程”。我做的是：把数据层换成脚本直抓（机器侧改造），把”AI只做提炼不做搜索”写成SOP（人侧改造）。两边同时动，才跑通。
这就是双向驯化。单方面动，永远是”我教你用”或”你按我的来”，都不是翻译。
驯化的完成标志：系统里有一条规则，人不知道它存在，但违反它的代价已经被系统消化。到这一步，翻译才算完成。
四、渠道老兵的天然优势
写到这里，我自己都意外：认知翻译这件事，我练了11年，只是没叫这个名字。
渠道管理的本质：把总部的策略/产品/技术，翻译成渠道商可理解、可执行、可衡量的动作。总部说”提升品牌势能”，渠道商听到的是”下季度我要多投多少广告费”。中间这层翻译，就是认知翻译。
FDE比渠道翻译多了一件事：机器。渠道翻译是”人说人话”，FDE翻译是”人、机器、需求”三方对齐。但底层的坐标系是一样的——痛点优先，代价可视，先证明一个最小正循环，再谈规模化。
所以这篇文章不是给工程师写的。是给那些”一直在做翻译，但没意识到自己在做翻译”的人写的。
五、结语：翻译不是技能，是立场
认知翻译最难的部分，不是”会不会”，是立不立得住。
“帮我用AI提效”这种话，顺着接是最省力的。但顺着接，你交出去的就是黑盒。黑盒迟早出事，出事的那天，背锅的是你。
翻译不是技能，是立场：我宁可多问六个问题，也不接一句”帮我提提”。
下一篇展开第二阶：价值锚定——先做”一盘凉菜”，别上来满汉全席。
作者：小道 · 2026-10-03
关联阅读：《FDE是什么：AI时代最稀缺的不是写代码的人，是翻译的人》 · 系列：FDE方法论实战（认知线）