企业 AI 从哪里切入？用四个问题筛选第一个场景
简要回答
企业做 AI 的第一个场景，应该同时满足四个条件：痛点真实且高频、成功指标能写清楚、数据可以拿到、出错的代价可控。符合条件的典型起步场景是企业知识库问答、办公文稿辅助、单据自动录入，以及在现有摄像头上叠加的安全识别。先用一个小场景证明价值，再横向复制。
不要从“最大的问题”开始
很多企业的第一反应，是让 AI 去解决最核心、最复杂的问题：自动排产、全面质量预测、智能决策。这些方向有价值，但作为第一个项目往往风险最高，因为它们牵涉的数据最多、系统最复杂、出错代价最大。
更稳妥的做法，是找一个“小而真”的场景：业务痛点真实存在，规模足以让人感受到变化，同时出错不会造成严重后果。用它跑通数据接入、权限、评测、入口这一整套能力，再扩展到更复杂的场景。
四个筛选问题
一、痛点是否真实且高频？
问一线员工，而不是只问管理层：每天在哪些事情上花时间最多？哪些事情要反复问老师傅？哪些环节最容易出错？高频的痛点，改善后效果更容易被感知。
二、成功指标能不能写清楚？
能被量化的场景才适合做 PoC。例如“技术员查找资料的平均时间”“BOM 录入的人工步骤”“违规行为从发生到被发现的时间”。如果只能说“提升体验”，就还需要继续拆解。指标的写法见《企业 AI PoC 怎么验收》。
三、数据能不能拿到？
AI 的效果取决于数据。要确认：资料在哪里、什么格式、有没有加密、IT 能否开通读取权限、有没有足够的历史样本。数据暂时拿不到的场景，可以先放到第二批。
四、出错的代价是否可控？
第一个场景最好让 AI 处于“辅助”位置：提供答案和出处，由人判断；生成草稿，由人修改；发现异常，由人确认。涉及资金、安全和对外承诺的决策，不要一开始就交给 AI。即使在成熟阶段，关键数字也应该由程序计算，原因见《大模型为什么会幻觉》。
一张打分表
可以把候选场景列出来，按四个维度各打 1–5 分：
| 候选场景 | 痛点频率 | 指标清晰度 | 数据可得性 | 风险可控性 | 合计 |
|---|---|---|---|---|---|
| 示例：工艺资料问答 | |||||
| 示例：BOM 自动录入 ERP | |||||
| 示例：会议纪要与公文起草 |
分数只是讨论工具，重要的是让业务、IT 和管理层在同一张表上对齐。这张表通常在半天工作坊里就能完成。
常见的起步场景
企业知识库问答
员工在企业微信或飞书里直接提问，答案来自企业自己的工艺文件、扫描件、图纸和台账，每句话带出处。它的优点是适用面广、风险低、效果容易感知。技术原理见《什么是 RAG》。
智能办公助手
会议纪要、制度起草、公文、PPT 等文稿工作，用一个统一的私有化工作台完成，同时带有部门额度、敏感信息过滤和审计。它还能解决员工私用外部 AI 带来的泄密风险。
单据与数据录入自动化
例如设计 BOM 经校验后自动写入 ERP，异常时整单回滚。这类场景规则明确，适合用确定性程序完成写库，大模型只负责理解和校验辅助。
安全生产视觉识别
在现有摄像头和录像机上叠加 AI，实时识别未戴安全帽、危险区域闯入等行为，自动警示并留存证据。它不需要更换前端硬件，投入可控。详见《安全生产视觉 AI》。
第一个场景之后
第一个场景跑通后，企业已经拥有了一套可复用的底座：私有化模型服务、资料接入与解析、权限同步、模型网关、IM 入口、评测框架。第二个场景的成本会明显低于第一个，因为大部分基础工作不用重做。
这也是为什么第一个场景的选择如此重要：它不只是一个项目，也是在为企业的 AI 底座打地基。完整的推进流程见《FDE 交付四步法》。
在 Stanley Team，场景初筛通常由 Stanley 和 Ming 一起参与：前者侧重需求沟通与合作推进，后者侧重梳理业务流程、岗位痛点与场景优先级。制造企业还可以对照《制造业 FDE 全景痛点地图》里的 167 个场景做初筛。
常见问题
管理层想做大项目，怎么说服先做小场景？
可以把小场景定位为大项目的“第一期”：它验证的是数据、权限、评测和入口这些基础能力，后续大场景都会复用。分阶段推进还可以按指标决定是否追加投入。
没有专门的 IT 团队，能做 AI 项目吗？
可以，但需要有人负责开通账号、网络和数据权限。FDE 团队可以承担大部分工程工作，企业方主要提供业务判断和真实样本。
需要先买 GPU 服务器吗？
不一定。可以先按场景评估算力需求，很多 PoC 从消费级显卡起步就够用，验证效果后再按需扩容。
延伸阅读
参考资料
- Building effective agentsAnthropic，建议从最简单的方案开始，必要时再增加复杂度
- Proof of conceptWikipedia
- AI Index ReportStanford HAI，人工智能年度指数报告
- Artificial Intelligence Risk Management Framework (AI RMF 1.0)NIST