准备启动 AI 项目时，最有用的第一份材料是一页业务说明：现在什么工作做得慢、容易出错，谁受影响，现有方法为什么没有解决，以及准备怎样判断这次尝试是否值得继续。
有了这些信息，团队才知道该选什么能力、接哪些资料、做到什么程度。否则，功能越做越多，验收时反而说不清究竟改善了什么。
下面这条路线适合企业推进首轮 AI 试点。每一步都留下可检查的结果，完成后再进入下一步。
第一步：确认问题，也检查更简单的办法
先看真实任务。找几位实际使用者，了解他们最近一次如何完成工作，花时间最多的是哪里，失败后怎样补救。不要只收集“希望有个智能助手”这类愿望。
接着区分问题来源。如果信息分散，可能先整理资料就有帮助；如果审批层级过多，先改流程；如果规则明确且输入固定，传统自动化也可能足够。涉及非结构化材料整理、内容生成或复杂信息检索时，再验证 AI 是否带来额外价值。
这一步的交付物是一段场景描述：谁在什么环节，使用什么输入，完成什么动作，把结果交给谁。再补一句：为什么现有方法不够，为什么值得尝试 AI。
如果目标用户不愿意试用，也找不到持续发生的任务，先别进入开发。优先核实需求，避免把一次演示的好感当成长期使用意愿。
第二步：选一个能看清结果的场景
把候选场景放在一起，分别检查价值、条件和错误后果。
价值看任务频率、投入时间、返工和对后续业务的影响。条件看资料是否拿得到、规则是否基本一致、结果是否容易检查，以及有没有人负责。错误后果看能否及时发现、撤回或人工接管。
优先选择价值明确、条件具备、风险可控制的任务。价值高但资料缺失的，先补基础；容易演示却很少发生的，不应挤占重要任务的资源。
可以用一个假设情境做比较：销售团队想自动生成完整客户方案，也想整理访谈记录。前者涉及判断和承诺较多，后者的输入和验收可能更清楚。首轮可以只验证记录整理，保留需求确认和方案决策给销售人员。
每个场景都要说明取舍理由。打分表可以辅助讨论，但涉及权限、资料来源和重大风险的缺口，不能靠其他项目的高分抵消。
第三步：在开发前确定怎么验收
用一段时间记录现有表现，建立基线。至少包含任务量、处理总时长、返工情况和重要错误。统计口径、样本范围与数据来源要留存，后面才能比较。
目标可以写成：在约定观察期内，针对某类任务，减少完整处理投入，同时保持既定质量要求；由指定业务负责人确认结果。
其中有几个细节值得提前说清：
- “处理时间”是否包括准备资料、审核、修改和异常处理
- 哪些错误属于一般返工，哪些属于必须停止的严重问题
- 什么状态算完成，谁来确认
- 样本要覆盖哪些输入类型，何时才有足够证据作决定
收益难以直接量化时，可以先设可观察的变化，例如减少重复询问、缩短等待、提高资料完整性，并说明它与最终目标的关系。不要为了让报表好看，给无法证明的收入改善强行填数字。
第四步：安排一个能运转的小团队
业务负责人确定规则和验收；技术负责人落实接入、权限、记录和故障处理；运营负责人组织试用、收集反馈和维护资料。资源批准人负责决定预算与下一阶段范围。小团队可以一人兼任，但每项责任都要有人承担。
把正常路径和异常路径一起画出来：任务进入、AI 处理、人工确认、结果被后续业务采用；缺资料或执行失败时，转给哪个岗位，多久回应，超时如何升级。
第一轮只开放必要的数据与动作。结果可以先放在草稿区，高风险操作保留人工确认。也要保留原有工作方式，出现故障时能继续办事，而不是被新系统卡住。
第五步：在真实任务里验证完整投入
离线样本通过后，进入小范围试用。先限定用户、任务类型和操作权限，再逐步增加任务量。观察周期依据任务频率确定，要覆盖常见情况和必要异常，不必机械套用固定周数。
比较前后结果时，尽量选同类任务，并记录人员、工作量、政策变化等因素。有条件可同时保留一组原流程任务；如果无法做严格对照，就明确比较的限制，避免把全部改善都归因于 AI。
每条失败记录至少包括输入类型、问题出现的步骤、人工如何修正和修正耗时。这样才能判断究竟是资料、流程、工具还是模型需要调整。
模型调用次数和生成数量可以帮助排查运行情况，但业务验收仍要看结果是否被采用，工作总量有没有减少，新的审核负担是否合理。
第六步：给出明确的阶段结论
试点结束后，结论可以有四种。
扩大。 质量达到要求、完整投入有改善、实际用户持续使用，而且异常接管有效。下一轮只增加一个主要变量，例如用户数量或任务范围，重新验证。
调整。 已看到价值，但问题集中在可以修复的资料或流程环节。写明待修内容、负责人、投入上限和重新验收条件，再继续。
证据不足。 样本太少、观察期不完整，或者任务类型变化过大。此时可以补充验证，但要说明还缺哪项证据，不能无限期“再看看”。
停止。 关键假设不成立，人工修正抵消收益，或风险无法控制。保留已确认的结论，关闭不必要的运行成本，恢复可用流程。
扩展前还应记录试点成立的条件：用户经验、资料质量、任务种类和审核配置。换团队后，这些条件可能改变，不能直接复制收益预测。
首轮项目做完，团队应能讲清楚一件事：这项能力适用于什么工作，付出什么代价，遇到什么情况必须交给人。这份判断，才是下一轮投入的依据。