企业 AI 转型的 30 天准备清单

01 / 第一周：从经营问题出发

第一周只做场景盘点，不急着选择技术。访谈管理层和一线员工，收集重复劳动、等待、返工、信息查找和判断困难。每个问题都要描述发生频率、涉及角色、平均耗时和业务影响。

随后筛选出十个候选场景，用价值、可行性、数据基础和风险进行评分。不要用“是否热门”作为标准，也不要把所有问题都归结为需要一个聊天机器人。

02 / 第二周：画流程并建立基线

对前三个候选场景画出当前流程，标记输入、输出、系统、等待时间、异常和责任人。基线必须在试点前记录，否则上线后无法判断变化来自 AI 还是业务波动。

基线可以包括平均处理时间、一次通过率、人工步骤数、错误率和客户等待时间。指标不需要很多，但计算口径必须一致。

• 01明确流程起点和结束条件
• 02收集至少一组真实任务样本
• 03记录正常流程与主要异常
• 04确认业务负责人和一线参与者

03 / 第三周：检查数据与风险

盘点完成任务所需的数据、知识和工具。确认数据是否可访问、是否允许用于模型、多久更新、谁对准确性负责。把样本分成训练参考、开发测试和验收评测，避免只用少量漂亮案例演示。

同时进行风险分级。涉及个人信息、商业秘密、价格、合同、资金和客户权益的场景，需要更严格的权限、审计和人工确认。无法解释数据来源或无法安全退出的场景，不应直接进入生产试点。

04 / 第四周：设计一个最小闭环

选择一个高价值、边界清楚、结果可验证的场景，设计最小闭环。明确系统读取什么、生成什么、调用哪些工具、在哪一步需要人、什么条件算成功。把试点范围限制在一个团队和一类任务，保证反馈足够集中。

制定四周试点计划：第一周影子运行，只观察不执行；第二周由少数用户使用；第三周扩大样本并修复异常；第四周比较基线，决定继续、调整或停止。

05 / 第 30 天应该得到什么

一个月结束时，企业应拥有场景优先级清单、三张真实流程图、一组基线指标、数据与风险清单、一个最小闭环方案，以及明确的业务负责人。此时再选择模型和供应商，决策会具体得多。

AI 转型不以采购完成为起点，也不以演示成功为终点。最好的准备，是让组织知道为什么做、从哪里开始、如何判断有效，以及出现问题时如何停下来。