企业做 AI 落地，先别急着选模型
很多企业在谈 AI 落地时，第一句话通常是“我们要不要上某个模型”。
我的经验是，先回答模型，往往会把问题带偏。真正该先想清楚的，通常是下面四件事。
一、先选场景，不先选模型
不是所有流程都适合 AI。真正值得先做的，通常具备几个特征：
- 结果可判断，不是纯主观工作；
- 业务频次足够高，有重复劳动；
- 输入信息相对稳定，能整理成规则或样本；
- 出错成本可控，能先做小范围验证。
如果场景本身不清楚，再强的模型也只是增加试错成本。
二、先看流程，再看能力
很多项目失败，不是模型不行，而是流程没整理好。
你需要先弄清楚：
- 这一步是谁在做；
- 这一步的输入是什么；
- 这一步输出给谁用；
- 这一步哪里最耗时、最容易错。
当流程图画清楚以后，AI 才知道应该插在哪一段，而不是一上来就追求“全自动”。
三、先准备数据，再谈效果
企业里最常见的问题不是“有没有模型”，而是“有没有能用的数据”。
数据不一定要很多，但至少要回答：
- 哪些信息能稳定拿到；
- 哪些内容是结构化的；
- 哪些历史结果可以作为参考；
- 哪些地方涉及敏感信息，需要先处理边界。
如果数据基础薄弱，最好的做法往往不是立刻上线，而是先把采集、整理和权限边界补起来。
四、先定义验证标准，再决定投入
AI 项目不能只看“感觉不错”，要看能不能验证。
我通常会建议团队先定义三个指标：
- 是否能节省时间；
- 是否能提升一致性；
- 是否能降低关键错误率。
只要这三个方向里有一个明显改善，项目就值得继续推进。反过来，如果连验证标准都没有，后面很容易变成演示型项目。
结语
企业做 AI 落地，最重要的不是“先上什么”，而是“先把问题定义对”。
如果你把场景、流程、数据和验证标准先理顺，模型选择反而会简单很多。
我后面会继续写一些更偏企业实战的内容：怎么判断场景、怎么组织试点、怎么把 AI 方案写给业务团队看。