被问得最多的问题不是「AI 能做什么」，而是「我们现在该不该上、从哪上」。这篇文章给一张可以直接拿去开会用的决策清单。先说结论：
第一步不是选模型，是选场景。模型三个月一换代，选型焦虑毫无意义；而一个选错的场景，会消耗掉团队半年的信任。
任何一个候选场景，先让业务负责人（不是 IT 负责人）回答三个问题。三个都答得上来，才值得进入下一步：
答不上来说明基线没摸清。没有基线，未来就无法证明「有效」——验收会变成各说各话。
AI 项目最常见的死法是「IT 承接、业务旁观」。负责人不愿署名的场景，说明痛得还不够真。
「智能化水平提升」没法验收；「审厂材料准备从 3 周压到 1 周、8D 报告一次通过率」可以。
很多企业一上来就想做「AI 质量大脑」「设备预测性维护」——这两类恰恰是数据依赖最重的。按你现有的数据基础排优先级：
把投入分成能看到差值的小台阶，而不是一次性的「平台采购」。我们自己的交付分层是 L0 免费试用 → L1 单场景 → L2 链路 → L3 按结果付费——这个分层方式本身，就是给客户的预算保护：任何一层看不到价值，都可以停在上一步。行业里是否采用我们的产品不重要，重要的是别接受「一次性买断、效果后验」的采购结构。
二十二年里我复盘过的失败项目，九成不是死在模型能力，而是死在「没人算清这一步省谁的时间、谁签字、谁担责」。把这三问带进你的下一个立项会，比任何选型报告都有用。
先选场景，不是先选模型。选一个能被量化、能在一个季度内看到差值的业务动作；判断标准是「人天消耗、负责人、可验收输出」三问都能答上来。
可以，但要选对场景。文档类、知识检索类对结构化数据依赖低，通常 4–8 周可见效；依赖生产数据的场景，数据基础不足时应先补采集，而不是先买工具。