企业 AI 第一阶段：如何选择一个值得做的流程

企业第一次做 AI，最容易被“看起来先进”带偏：先选一个模型、买一套账号，再去寻找能展示的场景。更稳妥的顺序是先找到一个已经存在、可以观察、有人负责的工作问题。

OpenAI Academy 的工作流准备度资源建议从真实流程摩擦出发，比较潜在价值、复杂度和准备度，并允许得出“现在试、继续验证、以后再做或暂时不做”四种不同结论。本文把这一思路翻译成中小企业可执行的现场筛选步骤；它不是通用标准，也不自动证明某个项目值得投资。

先找问题，不先找 AI

值得进入候选池的问题通常能被直接观察：重复等待、反复录入、多人交接、材料遗漏、输出不一致、员工经常求助，或者信息存在却无法及时用于决定。

“大家都在用 AI”“这个场景适合演示”“可能节省很多时间”都不是充分证据。至少要记录当前操作人、发生频率、主要步骤、失败方式和一项可核对的摩擦证据。

五道筛选门

1. 问题是否具体

把“提高效率”改写成一个有触发、有输入、有输出的流程。例如：收到一组材料后，谁在什么系统中核对哪些字段，结果交给谁复核。

如果流程边界说不清，先观察和访谈，不急着做原型。

2. 价值是否有证据

• 发生频率和受影响人数是多少。
• 当前有哪些等待、返工、错误、风险或体验问题。
• 改善后能否被同一团队重复使用。
• 是否连接一个明确的业务优先级。

价值可以先用低、中、高分级，但不要在数据不足时编造精确 ROI。

3. 复杂度是否可控

统计流程中涉及的系统、数据、审批、团队和人工例外。一个看似简单的摘要任务，如果需要跨多个系统取数、处理敏感材料并自动发出结果，就不是低复杂度场景。

4. 准备度是否足够

至少应具备一名流程负责人、一组真实用户、可授权的代表性样本、人工基线和明确的首次测试结果。缺少其中任何一项，都可能需要先补准备，而不是直接开发。

5. 出错是否能被拦住

首个场景应允许人在外部影响发生前发现错误。正式提交、付款、删除、权限变更、对外承诺和高影响专业判断不应作为无人复核的第一步。

四种正确结论

1. 现在试：问题有证据、范围可控、负责人和测试用户明确，数据与审批足以支持有限测试。
2. 继续验证：价值可能存在，但关键事实、样本、用户意愿或技术路径仍需补证。
3. 以后再做：场景可能有价值，但依赖系统改造、权限审批、流程稳定或责任重划。
4. 暂时不做：问题不清、价值太低、代价不成比例，或 AI 解决不了真正瓶颈。

“暂时不做”不是项目失败，而是避免把资源消耗在错误问题上。

一次 60 分钟筛选会

会前

• 选择不超过三个候选流程。
• 每个流程准备一名实际操作人和一名结果负责人。
• 带来当前步骤、样本、失败记录或时间数据，不用演示稿代替。

会中

1. 用一句话定义触发、操作人、输入和结果。
2. 把已知事实、合理推断和未知项分开。
3. 分别判断价值、复杂度、准备度和风险。
4. 为每个流程选择四种结论之一。
5. 只为最高优先级流程写一个最小下一步。

会后

把结论交给流程负责人、信息化、安全或其他相关责任人复核。若建议测试，明确测试用户、样本范围、人工门禁、成功信号和停止信号。

检查点

• 候选项是否描述了真实流程，而不是预设技术方案。
• 价值判断是否至少有一项直接证据。
• 隐藏的系统、审批、数据和人员依赖是否被列出。
• 是否存在愿意测试的真实用户和当前流程负责人。
• 推荐结论是否允许“不做”或“以后再做”。

失败信号

• 领导先指定模型和结论，再要求评分表证明它正确。
• 把高频但无明确责任人的流程叫作“快速收益”。
• 用一次演示代替用户准备度和系统依赖核验。
• 没有停止信号，任何结果都被解释为试点成功。

可下载模板

使用《企业 AI 首个流程筛选卡》记录证据、假设、未知项和四类结论。模板用于形成下一步，不替代安全、合规或采购审批。