01 · 常见误区
很多企业第一步就做错了：先买工具、先搞培训、先搭平台
企业开始做 AI 时，很容易被三个动作带偏：老板先买一批大模型账号，HR 先安排一场通用 AI 培训，IT 先研究要不要搭私有化平台。这些动作都不是错，但如果没有业务场景承接，最后往往变成“大家都知道 AI 很重要，但不知道明天怎么用”。
真正的问题不是企业缺少工具，而是没有把工作拆成 AI 可以接住的流程。比如销售团队到底是缺客户画像，还是缺拜访纪要整理？咨询团队到底是缺资料检索，还是缺报告初稿？制造团队到底是缺设备知识问答，还是缺异常记录归类？这些问题没讲清楚，工具买得越多，内部越混乱。
02 · 正确起点
第一步应该是找到一个可验证的业务场景
所谓可验证场景，不是一个漂亮的概念，而是一段能被描述、能被试用、能被验收的工作。它通常有明确的输入、固定的处理逻辑、可观察的输出物，以及一个愿意负责验收的人。
例如“让 AI 提升公司效率”太空；“每天自动整理 20 条行业动态，生成投研晨报，并附上来源链接”就可以落地。“搭建企业知识库”太大；“把售后团队最常问的 80 个问题做成可引用制度原文的问答助手”就能验证。
- 先选一个部门，不要全公司一起上。
- 先选一个高频任务，不要做万能助手。
- 先定义输出物，不要只说要智能化。
- 先安排验收人，不要让 AI 项目没人负责。
03 · 筛选标准
用五个条件判断这个场景值不值得先做
企业内部通常会同时冒出很多 AI 想法：客服机器人、销售助手、合同审核、知识库、报告生成、数据分析、流程自动化。要避免每个都浅尝辄止，就要用统一标准筛选优先级。
一个适合作为第一批试点的场景，最好同时满足五个条件：发生频率高、当前耗时明显、资料或数据能拿到、输出结果能被人工判断好坏、即使 AI 做错也能被人工拦住。
- 频率：每周是否至少发生数十次，或者影响多个关键岗位？
- 痛点：当前是否需要大量重复查找、整理、摘要、判断或通知？
- 资料：系统是否能读取相关文档、表格、历史记录或业务规则？
- 验收：输出结果能否被业务负责人用明确标准判断？
- 风险：错误输出是否能通过人工复核或灰度试用控制影响？
04 · 30 天路径
第一月只做一件事：跑通一个 MVP
如果企业第一次做 AI 项目，最稳的节奏不是立刻规划一年路线图，而是用 30 天跑通一个能用的最小版本。这个版本不追求功能完整，但必须能让真实用户在真实工作里试用。
第 1 周做场景诊断和流程拆解；第 2 周整理必要资料、定义提示词和输出模板；第 3 周搭建首版 Agent、知识库或自动化流程；第 4 周让一小组用户真实使用，收集日志和反馈，再决定是否扩大投入。
- 第 1 周：访谈业务负责人和一线用户，画出当前流程。
- 第 2 周：整理知识源、权限、输入输出和验收清单。
- 第 3 周：搭建可运行 MVP，不做过度功能。
- 第 4 周：小范围试用，用真实反馈决定下一轮迭代。