企业 AI 如何落地？从选场景到试运行验收

先选一件反复发生、能够验证的工作

准备做企业 AI 应用时，可以先把需求写成一句具体的话：谁收到什么资料，需要做出什么判断，最后交给谁、完成什么动作。例如，销售收到询价邮件后整理产品与数量，查找相关规格，交负责人确认回复。这样的描述能直接讨论资料和分工。

第一次选择的场景不必覆盖所有部门。更值得检查的是：这件事是否持续发生，原始资料能否取得，业务人员能否指出哪里算对、哪里必须重做，以及试错是否有可控制的范围。涉及最终定价、品质放行和对外承诺的决定，要先安排好确认人。

• 拿出最近处理过的一单，沿着实际操作走一遍。
• 找出反复找资料、重复抄写和等待确认的环节。
• 确认业务负责人、系统联系人和后续使用者。
• 把暂时拿不到的资料与权限列为前置条件。

区分 AI、固定规则和人的判断分别做什么

同一条流程里，不同工作适合不同处理方式。固定公式和明确字段校验，可以直接由程序完成；邮件、文档和图片中的信息整理，可以评估 AI 辅助；需要谈判、定价或承担业务责任的决定，仍由具备相应权限的人确认。

例如报价场景，系统可以准备询价摘要、历史记录和待确认草稿。成本公式仍按企业规则计算，适用哪个版本、是否接受特殊条款，需要对应岗位确认。把这些分工画清楚，才知道项目应该开发到哪里。

用历史样本写验收标准

验收样本应覆盖正常任务，也应包括字段缺失、同名产品、过期附件和互相冲突的记录。请业务人员先确认每个样本的正确处理方式，再检验系统的输出。开发时反复调整用的样本，与最终验收样本分开保留，避免只记住几个演示答案。

验收需要能定位错误。若答案有问题，应能分辨是没读到附件、找错版本、公式算错、引用不充分，还是越过了允许的处理范围。只统计一个总分，很难决定下一步改什么。

试运行时把人工复核接到真实工作里

演示之后，可以先让系统准备结果，由业务人员与现行做法核对。哪些结果被采用，哪些被退回，退回的原因是什么，都应留在具体任务上。这样积累的是可检查的使用记录。

上线范围应随验证结果逐步扩大。试运行中还要检查账号权限、重复提交、超时、附件缺失和中断恢复。是否允许某个动作自动执行，由业务风险、测试结果和企业授权共同决定。

交付时同时明确谁使用、谁维护

交付清单可以包括流程说明、系统配置、操作方法、异常处理方式和验证记录。企业需要知道日常问题找谁，资料或规则变化由谁确认，新需求怎样排入后续迭代。

如果你还处于选题阶段，第一次沟通可以带上一个具体流程、几份可用于讨论的样本，以及目前最费力的环节。先把这些信息说清楚，比一次列出很多 AI 功能更容易判断项目范围。