企业 AI 第一个场景怎么选?164 份问卷筛完,标准只剩 5 条

这篇先回答最前面那个问题：企业决定要用 AI，第一个场景到底怎么选。

因为在企业里待过几轮之后我发现，AI 项目最贵的成本不是工具，是选错第一个场景之后的一连串返工。

一、先说结论：五个条件，缺一个都别急着开工

判断一件事能不能当"第一个场景"，我只用五个条件：

高频、重复、耗时、判断标准相对清晰、出错风险可控。

五个都满足，才进第一批。

反过来还有一条硬要求：它必须能被验收。 原来做一次要多久、谁在做、做完交给谁——这三件事说不清，热情再高我也建议先放一放。

下面我按真实做过的事，把这个判断拆开讲。

二、我见过最贵的三次"选错"

选错一：选最痛的那件事

痛的地方往往跨部门、规则不清、责任不明。老板最想改，也最难改。

把它当第一个场景，等于让一个刚拿到驾照的人直接去跑山路——不是他不行，是这个选择本身不合理。

选错二：选最炫的那个

"要不要做个 AI 客服？""要不要上数字人？"

这类场景的共同特点是：投入大、链条长（模型、知识库、权限、系统对接一样都少不了），而且责任边界模糊——出了问题算谁的？

看起来最像"AI 项目"的场景，往往是最不应该第一个做的。

选错三：选老板最想看的那个

比如一个全公司经营大看板。方向没错，但真的做起来，第一关就卡住：数据散在几个系统里，口径不一致，没人能拍板哪个数字是对的。

看板不是一个场景，它是很多个场景跑通之后的结果。

顺便说一件事。在做课前调研的时候，我发现有两条问题被不同部门反复提到：

• "经营报表很多，但真正能指导行动的分析很少。"
• "不知道 AI 到底应该先用在哪个部门。"

第二句让我印象很深——连企业自己都不知道从哪儿开始，这不是能力问题，是方法问题。 所以第一个场景怎么选，不该靠感觉，该有一套筛法。

三、164 份问卷：我不问"你想学哪个工具"

给一家 2000 多家门店的连锁便利企业做内训前，我搭了一个需求调研网站，请各部门负责人扫码填写。

问卷有八个板块，但真正决定课程方向的，是其中三块。

第一块，问重复劳动

• 你所在部门最重复、最耗时的 3 项工作是什么？
• 这项工作现在谁在做？多久做一次？每次大概耗时多久？
• 需要用到哪些资料？最终输出给谁看？
• 现在最麻烦的地方是什么？
• 如果 AI 帮忙，你希望它输出什么？

第二块，问资料基础

• 你部门现在能提供哪些资料？（门店销售、巡店检查表、门店照片、顾客反馈、岗位 SOP、会议纪要……）
• 这些资料能不能导出 Excel？是否需要脱敏？有没有专人能配合提供？

第三块，问一个最想在现场解决的真实问题

• 这个问题是什么？
• 它每个月大概影响多少销售、成本、损耗或人力？
• 过去尝试过解决吗？效果如何？
• 如果能跑出一个初版结果，你希望看到什么？

为什么这么问？

因为"你想学哪个工具"这个问题的答案，对企业几乎没有价值——大家只会说出自己听过的名字。真正值钱的是：他每天在重复做什么，这件事的输入、输出和判断标准是什么。

最后收回 164 份答卷。我做了统计：

• 覆盖 15 个部门，其中营运部占比最高，为 20%；
• 覆盖 8 类岗位；
• 157 份（96%）写出了可识别的真实业务场景；
• 提得最集中的是营运、督导、商品采购、人力培训、财务和配送。

这 164 份问卷，最大的作用是帮我删东西

这一点很多人想不到：问卷不是用来告诉我"该讲什么"的，而是用来告诉我"该删掉什么"。

举两个真实的调整：

• 我原本准备了一个会员 CRM 的案例，问卷显示这不是最集中的诉求，后来换成了采购选品；
• 订货预测本来是主案例之一，但问卷和沟通里能看出来，这块的数据条件和业务规则还没到能在现场跑起来的程度，于是从主案例里移了出去。

这就是问卷真正的价值：它让课程按这家企业的实际条件设计，而不是把一份通用课件搬过来讲。

四、五个条件，翻译成老板能直接问的话

1. 高频：这件事每天发生，还是每季度一次？

每天发生的，做出来第二周就能看到变化；每季度一次的，做完就忘了，也没机会迭代。

2. 重复：同样的动作是不是一遍遍在做？

一个很实用的判断方法：这件事的规则，能不能写下来？

写得下来，说明它是有章法的，AI 接得住；写不下来，说明每次都在靠人现场判断，那现在还不是它上场的时候。

3. 耗时：一次多久？一个月加起来多少小时？

这个数字必须由业务负责人自己说，而且要写在成果卡上。没有这个基线，后面没办法验收——做得再好，也只能得到一句"好像是快了点"。

4. 标准相对清晰：什么样算做好，业务上有没有共识？

这一步最容易出事。

如果两个人对"这条数据算不算异常"的判断标准都不一样，那第一件该做的事不是上 AI，而是先把标准统一。AI 会把这个分歧原样放大。

5. 出错风险可控：如果 AI 做错了，会怎么样？

这是最该严肃对待的一条。

日报写错一个词，改一下就行；财务凭证、食品安全记录、人事判断错了，代价完全不同。

风险越高的地方，AI 越只能做初筛和提效，判断权和责任必须留在人手里。 这一条我在课堂上会反复讲，因为它直接决定企业敢不敢往下走。

五、一个可以照着打分的筛选表

如果你手上有五六个候选场景，不知道怎么排优先级，可以用这个算式：

总分 = 经营价值 + 高频重复 + 数据可得 + 负责人配合度 + 可复制性 − 风险复杂度

每一项按 1 到 5 分打分，总分最高的前 3 个进第一批。

这五类，我建议第一期优先做

1. 有现成的 Excel、照片、SOP、会议纪要或巡店记录；
2. 每周或每天重复发生；
3. 当前耗时明显；
4. 输出能被老板、区域经理、店长或部门负责人直接拿去用；
5. 做出模板之后，能复制到其他门店或部门。

这五类，我建议第一期先别碰

1. 需要打通复杂系统接口的；
2. 涉及大量敏感数据、又无法脱敏的；
3. 需要硬件改造或采购设备的；
4. 责任边界不清、没有业务负责人愿意认领的；
5. 只想看演示、拿不出真实资料的。

第 4 条我要多说一句：没有人认领的场景，做出来一定没人用。 这不是技术问题，是组织问题，技术解决不了。

六、鹤壁那家企业，我是用五个问题带着大家拆的

在另一家 200 多家门店的连锁便利企业做内训时，我没有先讲工具，而是先让各部门坐下来，回答五个问题：

1. 谁来使用？
2. 输入资料是什么？
3. 希望得到什么结果？
4. 什么样才算做好？
5. 哪些地方必须由人确认？

这五个问题答不清楚，AI 生成得越快，越容易产出一份"看起来很完整的废话"。

两天的课下来，那条方向上的事就清楚了：先把真实场景找对，再把流程和标准讲清楚，业务人员自己就能做出第一版工具。

也是这次之后，这家企业邀请我们继续做落地陪跑——从几个真实场景开始，用真实数据试跑。

七、选对了场景，也别把"做出工具"当成落地

这一点我必须说清楚，因为它决定了第一个场景值不值得继续投入。

企业 AI 的结果是分层的：

演示 只能证明工具能完成某个动作；
原型 证明输入、规则、输出和人工复核这条流程跑得起来；
试用 要换成真实、脱敏、经过授权的数据，在真实岗位里持续运行，记录使用次数、耗时、错误情况和人工修改；
稳定运行 才谈得上接进企业系统、复制到更多部门。

课堂上做出的大部分东西，都还停在第二层。

所以当我看到一个案例真的进了岗位，我会记得很清楚——那家连锁便利企业的营运部门，把每天要重复做的 3 份报表做成了自动生成，打开电脑 5 分钟就出结果，而且连续用了一个月。

这件事不炫，但它比任何一次漂亮的路演都更有说服力：它已经不在课堂里了，它在工作里。

八、如果你今天就想开始

给你一个不用花钱、今天就能做的动作：

把企业里"每天都在重复、判断标准已经比较清楚、出错也不至于出大事"的活，列一个清单。

每一条写清楚四件事：

1. 谁在做？
2. 多久做一次？
3. 一次要多久？
4. 做完交给谁？

列完你会发现，清单短了一半——剩下那一半，就是你们第一批该做的场景。

如果这份清单列出来了，想聊聊先切哪一个、怎么设计一场能出结果的培训，欢迎在公众号后台留言，或者加我微信单独聊。

我接着会写这两件事：那 164 条需求最后是怎么收敛成几个场景的，以及第一批跑起来的原型，后来哪些真的留在了岗位上。讲清楚过程，比讲结果更有用。

关于我

果妈（郭爱娟），企业 AI 落地顾问。15 年数据与 AI 从业经历，前 AI 架构师，带过 20 人团队。目前专注企业 AI 培训与落地陪跑：以两天企业内训为入口，带着业务负责人现场做出第一批可用的 AI 工具，再通过课后陪跑把原型推进到岗位试跑。

服务范围不限于零售连锁——凡是"高频、重复、耗时、标准相对清晰、出错风险可控"的岗位场景，都适合先做试点。