企业做 AI，第一步不是买工具，而是整理流程

先说结论。

企业做 AI 的第一步不是比较模型和平台，而是把一个真实流程整理清楚。流程决定数据从哪里来、谁作判断、哪些动作有权限、错误由谁承担。

如果这些问题答不清，工具越强，项目边界反而越模糊。

发生了什么：工具采购常常早于场景定义

很多团队先看到聊天、知识库或 Agent 演示，再回内部寻找使用场景。于是需求被写成“建设智能助手”，没有具体输入、责任和验收。

工具能快速做出 Demo，让这种顺序看起来有效。但进入业务后，文档权限、系统写回、人工审批和维护责任开始出现。

这不是模型突然变差，而是演示没有覆盖完整流程。

真正变化是流程多了一个不确定判断者

传统自动化依赖明确规则，大模型能处理模糊文本和开放输入。它扩大了可自动化范围，也引入不稳定输出和新的审核需求。

因此不能只问“这一步能否生成”，还要问错误如何被发现、低置信如何转人、版本变化如何回归。

AI 不是替换一个按钮，而是改变输入、判断和责任的连接方式。

先画出现状，不要先画理想流程

现状图至少包括触发条件、输入来源、参与角色、判断点、系统动作、等待、返工和输出。把聊天和表格里的隐性步骤也画出来。

具体场景是销售跟进。表面流程是记录后写 CRM，真实流程可能包括补客户背景、识别承诺、问主管、生成邮件和设置提醒。

只有画出现状，才能知道 AI 应该处理摘要，还是先修复记录缺失。

用六个问题收住 AI 场景

要解决什么业务问题；输入是否可获得；模型处理哪一个判断；输出由谁审核；结果写到哪里；如何知道比原流程更好。

再补两个边界：哪些情况必须拒绝，哪些动作必须人工批准。答完后，需求应能缩成一个具体动作，例如“生成带证据的客服回复草稿”。

如果需求仍是“提升整体效率”，说明场景没有被收住。

数据问题通常比模型选择更早出现

流程梳理会暴露文档过期、字段缺失、权限不一致和系统 ID 无法关联。这些问题不因更换模型而消失。

企业应先确定权威数据源、负责人、更新和访问规则。AI 只使用经过授权的必要数据。

判断准备度时，抽样检查真实输入。演示资料干净不能代表生产数据可用。

责任和权限必须在原型前明确

谁确认输出，谁有权发送，谁处理投诉，谁维护 Prompt 和知识库。角色可以兼职，但不能缺失。

高风险动作采用最小权限和人工审批。模型可以提出建议，执行系统仍要独立校验。

若项目负责人无法指定业务 owner，通常不适合进入生产试点。

验收要比较流程，而不是只看模型答案

验收指标来自原流程：处理时间、漏项、返工、升级、错误恢复和使用意愿。模型质量指标只是其中一部分。

第一版可以影子运行，让 AI 输出与人工流程并行，不自动写回。这样能观察修改原因，不把风险直接交给客户。

阈值应由业务风险和基线确定，不照搬行业数字。

常见误区：买了平台就认为完成基础建设

平台可以提供编排、模型接入和日志，却不能定义业务规则和文档责任。另一个误区是把流程整理理解成画一张漂亮图，没有真实样本和异常分支。

还有一种失败是范围过大，同时改销售、客服和知识管理。跨部门依赖让任何一个问题都难以定位。

第一轮应只选一个团队、一个流程、一个明确输出。

可验证的判断与观察信号

我的判断是：流程清晰度会比模型差异更早决定企业 AI 试点能否持续。

接下来四周只看四个信号。信号一是业务 owner 是否每周参与异常复盘；信号二是异常输入能否归到稳定类别；信号三是人工修改是否从整段重写收敛到少数字段；信号四是更换模型后，流程、权限和验收是否仍然成立。若换模型就要重做全部业务设计，架构仍过度绑定能力演示。

一个反例：流程清楚也未必值得上 AI

有些流程高频且规则完全确定，例如字段格式转换、固定阈值提醒和简单系统同步。它们流程很清楚，却更适合普通代码或自动化规则。

另一些流程频率很低，人工处理只需几分钟。即使模型能完成，接入、审核和维护成本也可能更高。

因此流程整理不是为了证明必须使用 AI，而是为了允许团队得出“不用 AI”“只用规则”或“只做辅助”的结论。这种否定结论同样是有效诊断。

真正适合模型的节点，通常包含文本理解或动态判断，同时错误可被发现并有人工出口。

流程诊断还要计算改变成本

有些节点理论上适合 AI，却连接多个旧系统、跨部门审批和长期合同。技术原型很快，组织改造却很慢。

诊断时要记录需要改动的系统、角色、制度和培训。若一个小收益要求四个部门同时改变流程，优先级通常应降低。

相反，一个现有表单后增加摘要草稿，只改变一名员工的确认步骤，更适合先试。场景价值与改变成本要一起比较，不能只看模型能否完成。

流程图本身也要进入变更管理

流程诊断不是项目启动时画完就封存的图。数据字段、审批规则、外部接口或负责人变化后，原先的 AI 边界可能已经失效。至少要记录流程版本、变更原因和受影响的评估样本，让团队知道哪一次业务变化要求重新验收。

如果线上异常只能靠翻聊天记录理解，而流程图长期没人更新，它就没有成为工程资产。更实用的做法是把高频异常直接关联到流程节点，在每次复盘时决定修数据、改规则、调模型，还是把动作退回人工。

下一步：做一张一页流程诊断表

选择一个每周重复发生的流程，记录触发、输入、判断、动作、负责人、系统、异常和验收。再用十条真实脱敏样本走一遍。

只有当团队能指出 AI 进入哪一步、退出哪一步、失败后交给谁，才进入工具选型。