企业做 AI 工具前，先确认数据、流程和成本边界

关键判断一览

用人工基线判断 AI 是否有价值

选一个现有任务，记录目前输入、处理时间、产出与返工原因。例如把售后邮件整理为工单草稿，比较 AI 辅助前后的人工校正工作。

首个试点只改变一个清楚的环节，便于观察效果。知识查询、内容生成和系统操作应有不同成功标准，不能统一用“回答流畅”评价。

• 准备脱敏输入和期望结果，不使用只为演示编写的理想问题。
• 记录人工仍需处理的部分，决定是否值得扩展。

让资料权限和输出审核进入流程

模型需要的资料应按登录角色过滤，外部文档和用户输入作为待处理内容，不作为执行系统命令的依据。高影响操作由明确授权控制。

例如 AI 生成报价草稿时，可提供已授权的产品资料，但价格审批与对外发送仍走业务确认；缺少依据时允许停止并补问。

• 区分可生成、可查询与可执行的动作。
• 测试资料缺失、身份不匹配与接口不可用的情况。

把成本与持续评测作为试点产出

记录任务完成数量、调用次数、运行费用与人工返工。长上下文、重试、资料更新和模型替换可能改变效果，应保留可重跑的验收集。

试点结束不仅交付对话入口，还应交付任务边界、评测记录、失败样本与下一步建议。进入正式系统前确认日志、权限和人工接管方式。

• 保留未参与调试的验收样本。
• 设置调用预算与停止条件，比较单位有效任务成本。