企业 AI 落地的六道坎：从场景定义到业务采用
简要回答
企业 AI 从演示走到生产，通常要跨过六道坎：场景没定义、数据是烟囱、老系统接不上、验收口径错、业务不采用、边界不清。对应的对策分别是：先用工作坊写出成功指标；接入原生系统并让权限随人走；用连接器和确定性写回、不改核心系统；用真实资料建评测集；把 AI 放进员工已经在用的 IM；让大模型只提案，计算、校验和写库交给程序与人工审批。
为什么要专门谈“坎”
大模型的能力每隔几个月就有明显提升，但企业里真正跑在生产环境、天天有人用的 AI 应用，并没有同样快地增长。差距往往不在模型，而在模型和业务之间的那一段：数据、系统、流程、人。
下面六道坎，是我们在制造、集团办公、信创平台等项目中反复遇到的。每一道都附上具体做法，而不是“加强管理”之类的口号。
第一道坎：场景没定义
表现：立项时只有“用 AI 提效”“打造智能工厂”这样的目标，说不清具体是哪个岗位、哪个环节、提升多少。
后果：开发团队只能猜需求，做出来的东西演示好看，但业务方说“不是我要的”。
对策：先开工作坊，和业务负责人一起把成功指标写下来。好的指标有三个特点：业务能看懂、可以测量、有基线。例如“技术员查找某类工艺资料的时间”“BOM 录入 ERP 的人工步骤数”。指标写不出来，就不进入 PoC。场景筛选方法见《企业 AI 从哪里切入》。
第二道坎：数据是烟囱
表现：资料散落在共享盘、图纸库、OA、邮件和个人电脑里；格式有 Office、PDF、扫描件、CAD 图纸；不少企业还部署了终端加密，文件拷出来就是乱码。
后果：知识库建起来了，但能检索的只是一小部分，员工问三次没找到答案就不再用了。
对策：
- 直接接入原生系统，而不是让员工手工上传；
- 针对加密文件，与企业的加密体系对接，经授权的程序“穿透加密入库”，解不开的文件记录状态，不把乱码当正文；
- 权限随人走：沿用原系统的权限，谁原来看不到的，问 AI 也看不到。
更多知识库的技术细节见《什么是 RAG》。
第三道坎：老系统接不上
表现：ERP、MES、CAD 等系统没有开放接口，或者接口不全，只能导出表格、人工录入。
后果：AI 生成了结果，还得人手工搬到业务系统里，省下的时间又花回去了。
对策：用连接器加确定性写回，不改客户核心系统。连接器负责读取和写入，写入动作由规则明确的程序执行，并带有校验、互斥和回滚机制：一张单据要么完整写入，要么整单回滚，不留半截数据。这样既不需要改造核心系统，也不需要让大模型直接操作数据库。
第四道坎：验收口径错
表现：用公开题库或厂商的演示样例来评估效果，或者只凭几次试用的主观感受下结论。
后果：上线后发现真实问题的准确率远低于预期，信任一次性透支。
对策：用企业自己的真实资料建评测集，把准确率、引用率等指标写进验收门槛。评测集应覆盖常见问题和易错问题，并由业务专家确认标准答案。详见《企业 AI PoC 怎么验收》。
第五道坎：业务不采用
表现：系统上线了，但员工要另外装客户端、记新网址、学新界面，用了几天就回到老办法。
后果：前期投入无法转化为效果，项目被认为“AI 没用”。
对策：把 AI 放进员工每天已经在用的地方，比如企业微信、飞书、钉钉，或者嵌进既有的 OA、ERP、CAD 软件，做到零安装、零培训。具体做法见《在企业微信、飞书、钉钉里用 AI》。
第六道坎：边界不清
表现：让大模型直接计算报价、直接改参数、直接写数据库。
后果：大模型偶尔会“一本正经地出错”，在关键数字和写库操作上，一次错误就可能造成实际损失。
对策：明确分工——大模型只提案。理解意图、检索知识、起草内容交给大模型；数值计算、参数校验、写入系统由确定性程序执行，高风险动作进入人工审批。原因见《大模型为什么会幻觉》。
六道坎一览
| 坎 | 典型表现 | 对策 |
|---|---|---|
| 场景没定义 | 只有口号，没有指标 | 工作坊先写成功指标 |
| 数据是烟囱 | 资料分散、加密、格式杂 | 接入原生系统、穿透加密入库、权限随人走 |
| 老系统接不上 | 只能导表、人工录入 | 连接器 + 确定性写回，不改核心系统 |
| 验收口径错 | 用通用题库或主观感受 | 真实资料建评测集，准确率写进门槛 |
| 业务不采用 | 要装客户端、要培训 | 进企业 IM，零安装零培训 |
| 边界不清 | 大模型直接算数、写库 | 大模型只提案，程序与人工审批决定 |
业务采用这道坎，在 Stanley Team 由负责 FDE 业务诊断与企业转型陪跑的 Ming（国际教练联盟认证大师级教练 · 企业 AI 转型顾问）重点跟进：通过管理层沟通、培训与持续陪跑，推动应用进入日常工作，并把使用反馈带回迭代。
常见问题
六道坎必须全部解决才能上线吗？
不需要一次全部解决，但每一道都要有明确的处理方式。比如数据只接了一部分，就要在验收时说明覆盖范围，而不是默认全量可用。
最容易被忽视的是哪一道？
经验上是“验收口径”。很多项目直到上线后才发现评估方式和真实使用不一致。尽早用真实资料建评测集，能避免大部分返工。
这些对策需要企业改造现有系统吗？
原则上不改核心系统。通过连接器读取和写回，权限沿用原系统，入口放进现有 IM 或业务软件。
延伸阅读
参考资料
- Building effective agentsAnthropic，关于工作流与智能体的工程实践
- Why language models hallucinateOpenAI，关于大模型幻觉成因
- OWASP Top 10 for LLM ApplicationsOWASP，大模型应用的主要安全风险
- Artificial Intelligence Risk Management Framework (AI RMF 1.0)NIST
- Role-based access controlWikipedia