先给结论：AI失败，通常不是模型不够聪明
更常见的原因，是业务问题没有说清、数据和知识不可用、AI没有嵌入岗位流程、风险边界不明确，以及上线后没人持续运营。
用友发布的《企业AI应用落地白皮书》将企业AI落地挑战归纳为数据治理、存量系统融合、业务流程嵌入、人才和战略成本等方面。这说明企业不能把AI当成一次性的工具采购，而应把它视为业务改造、数据治理和运营机制共同参与的小型变革项目。
企业AI项目最常见的五种失败方式
一开始就提出“建设企业大脑”，却说不清具体用户、操作动作、输入和输出。
同一指标口径不一，文档版本混乱，权限缺失，回答无法追溯到原始依据。
AI给出建议后仍需人工跨系统查找、复制和填单，实际工作量没有减少。
合同、付款、定价等高风险输出没有引用依据、权限隔离和最终责任人。
缺少问题样本、反馈入口、知识更新、效果复盘和下一阶段负责人。
怎样选出第一个值得做的AI场景
建议先把候选场景放进同一张评分表。首个试点不一定选择收益想象最大的，而应选择价值明确、数据可得、风险可控、周期较短的场景。
| 评估维度 | 优先特征 | 需要警惕 |
|---|---|---|
| 任务频率 | 每天或每周重复发生，覆盖稳定用户群 | 一年只发生几次的特殊任务 |
| 人工耗时 | 查找、核对、归纳、填写占用大量时间 | 原任务只需数秒，改善空间很小 |
| 数据条件 | 数据有权威来源，能授权、能追溯 | 依赖个人经验或散落在私人设备 |
| 结果衡量 | 能比较时长、准确率、采用率或业务指标 | 只以“感觉更智能”作为验收 |
| 业务风险 | 允许人工复核，错误影响可以及时纠正 | 直接付款、定价或作出不可逆决定 |
| 集成复杂度 | 先读后写、接口清晰，可在小范围闭环 | 首期就改造多个核心系统 |
更适合作为首批试点的五类任务
- 企业知识检索：让员工基于制度、产品资料、项目文档和服务手册问答，并显示引用来源。
- 单据与合同初审：提取关键字段，按规则提示缺失、冲突和风险，由业务人员最终确认。
- 经营问数与报表解读：用自然语言查询已治理指标，生成趋势、差异和待核实原因。
- 客服与内部服务助手：归纳问题、推荐答案、生成回复草稿，并把复杂事项转交责任人。
- 异常摘要与处置建议：围绕逾期订单、库存异常或质量问题汇总线索，推动人员处理。
这些任务的共同点是：原始依据可获得、结果可以人工核验、价值可以量化。若企业基础数据尚不稳定，应先做知识与只读分析，再逐步进入自动写单和执行。
一个可执行的六步试点方法
定义用户与具体任务
写清谁使用、何时使用、当前怎样完成、最痛的环节在哪里，以及AI输出如何被采用。
记录改造前基线
测量当前处理时长、错误率、返工率、响应周期和业务量，避免上线后无法证明价值。
准备数据、知识与权限
确定权威数据源、更新责任人、可见范围、敏感字段和答案引用规则。
用真实样本做原型
覆盖正常、边界和异常案例，不用精心挑选的演示数据代替真实业务测试。
小范围人机协同试运行
保留人工确认和回退机制，记录错误、拒绝原因和未覆盖问题，持续调整。
按指标决定扩展或停止
达到验收线再扩大部门、数据和自动化程度；未达到则定位场景、数据或流程问题。
验收时不要只看回答是否“像人”
| 指标类别 | 示例指标 | 验收关注点 |
|---|---|---|
| 结果质量 | 关键字段准确率、引用命中率、错误答案率 | 按真实样本和高风险样本分别测试 |
| 效率改善 | 平均处理时长、等待时长、单人日处理量 | 与试点前基线对比，而非估算 |
| 用户采用 | 周活跃率、建议采纳率、人工改写率 | 区分“打开过”与“真正用于工作” |
| 风险控制 | 越权次数、敏感信息泄露、人工拦截率 | 验证权限、日志、引用和回退机制 |
| 业务结果 | 响应周期、逾期率、返工率、客户满意度 | 确认改善与AI应用之间的实际关联 |
四类角色缺一不可
- 业务负责人：定义问题、提供样本、确认规则，对最终业务结果负责。
- 数据负责人：确定数据口径、质量、权限、更新周期和可追溯来源。
- IT与安全人员：负责身份、接口、日志、环境隔离、模型使用边界和应急回退。
- 实施与运营团队：把AI嵌入流程，组织测试培训，持续收集问题并迭代。
首个试点尽量不要这样做
- 不要把“全员都能用”作为首期目标，应先服务一个明确岗位和任务。
- 不要直接把未分类的共享盘全部接入知识库，应先清理版本、权限和有效期。
- 不要让模型在无审批的情况下修改财务、合同、价格和付款等关键数据。
- 不要只准备成功案例，必须测试模糊问题、冲突资料、缺失数据和越权请求。
- 不要以演示效果代替验收，应保存试点前基线、测试集、问题台账和使用数据。
蓝和建议：先做“小闭环”，再谈“大平台”
一个合格的AI试点，应能说清四件事：减少了谁的什么工作、依据来自哪里、错误由谁发现、价值如何计算。
蓝和可结合企业现有用友ERP、MES、WMS、OA及定制系统，梳理候选场景、数据条件和集成边界，先用真实业务样本验证，再决定平台与推广范围。
资料来源与说明
本文依据2026年8月可获取的用友官方公开资料及企业信息化项目经验整理，用于提供试点方法。具体产品能力、准确率、投入与收益应以企业数据、业务测试和正式项目范围为准。