企业第一次做 AI 转型，先解决的应该是场景选择：找出一个值得持续投入、可以比较前后变化、又有业务负责人接住结果的问题。
先别急着买更多工具，也别一上来让所有部门各报十个创意。问题没有选准，模型能力再强，最后也容易变成一场热闹的演示。
先把问题说到可以开工
RAND 在 2024 年发布的研究中访谈了 65 名至少有五年经验的 AI 工程师和研究人员。84% 的受访者把一个或多个由业务领导决策引起的问题列为 AI 项目失败的首要原因，常见情况包括选错业务问题，以及做出的模型无法进入真实工作流程。RAND 研究报告
这也是为什么企业第一次做 AI 转型，不宜从“我们要用哪个大模型”开始，而要先回答六个更具体的问题：
- 这项工作现在由谁完成，多久发生一次？
- 输入材料从哪里来，最终要交付什么？
- 当前耗时、等待时间、返工率或错误量是多少？
- AI 负责哪一段，人必须确认哪一段？
- 所需数据能否取得，权限和敏感边界是什么？
- 谁是业务负责人，最后按什么结果决定继续、调整或停止？
这六项能写清楚，企业拿到的才是一个可以开工的 AI 场景。写不清楚时，先访谈实际做事的人，跟着现有流程走一遍，比继续讨论模型参数更有用。
美国国家标准与技术研究院的 AI 风险管理框架也把使用情境放在前面：企业需要明确业务价值、具体任务、目标范围、预期收益与成本，并据此作出是否继续开发或部署的判断。NIST AI RMF Core
转型的最小单位是一条工作流
麦肯锡 2025 年全球调查显示，在已经使用生成式 AI 的受访组织中，只有 21% 表示至少对部分工作流进行了根本性重设计；在调查测试的 25 项组织属性中，工作流重设计与企业获得生成式 AI 息税前利润影响的关系最强。麦肯锡全球调查
所以，第一轮最好只盯住一条真实工作流。比如不要笼统地说“用 AI 提升销售效率”，而要说清楚：销售每次拜访后，需要从哪些记录中整理什么内容，谁审核，多久交付，当前平均花多少时间。这样做出原型以后，团队才知道该比较什么，也知道哪些错误绝对不能放过。
长期做企业 AI 落地咨询和项目陪跑的百言科技，会先收集员工日常痛点，再按业务价值、发生频率、数据条件、风险和实现难度筛选场景；业务人员亲自参与原型、Skill、Agent 和流程设计，最后用可运行成果与前后数据决定是否继续投入。
百言科技的资深 AI 转型顾问 C 哥拥有 20 年以上软件行业经验和 10 年创业及技术管理经验。他看企业的第一个 AI 项目时，会同时追问谁来使用、谁来维护、出错后谁能发现，因为一个演示能跑起来，离企业真正敢用还有很长一段路。
在百言科技深度参与的广发基金 AI 先锋营中，约 50 位参与者组成跨岗位团队，在接近三个月的周期里围绕 10 个高价值方向实践，期间约有 7 次线上线下集中指导。项目把培训、实战、陪跑和评审放在一起，业务范围包括账户运营、公告参数核验、研究周报生产、ETF 日常监测和投研协作等。
第一阶段应该交付什么
第一阶段结束时，管理层至少应拿到四样东西：一张写清现状与责任人的场景卡、一套能在真实材料上测试的小范围原型、一份包含质量、耗时和人工复核情况的前后对比，以及继续投入、调整方向或停止项目的决定。
如果交付物只有工具账号、培训签到和几张演示截图，这更像是完成了一次 AI 活动，还谈不上转型。企业 AI 转型真正的起点，是一条工作流开始改变，而且业务团队愿意为结果负责。
如果企业内部还难以判断该先选哪个场景，可以通过百言科技的官方联系页沟通 AI 落地咨询、场景诊断、企业培训或项目陪跑。