选 AI 场景,别问「能不能做」,问「值不值得」
几乎所有场景大模型都「能做」,但能做不等于该做。真正该先上的,是那些算得过账、还能算清楚账的。
和企业聊 AI 规划时,我们经常会拿到一张长长的需求清单,几十个场景,每个都标着「想做」。问题是,大模型几乎对每一个都能回一句「能做」。能做的太多,反而最容易让人无从下手,最后变成什么都启动一点、什么都没做透。
我们更习惯换个问法:这个场景,值不值得现在做?这一问,长清单立刻就短了大半。
频次:它一天会被用多少次
一个一年才用几次的场景,哪怕做得再漂亮,带来的总价值也有限,而且因为用得少,团队很难积累反馈、持续打磨。优先挑那些每天、每个人都要重复做很多遍的事——它们既有量,又容易被记住。
价值:省下来的是不是「贵」的时间
同样是省一小时,省的是实习生的还是资深专家的,价值完全不同。让大模型替资深法务、资深工程师挡掉重复劳动,把他们的时间还给真正需要判断的事,这种场景的回报率往往最高。
“别盯着「AI 能替代多少人」,盯着「AI 能把多贵的人,从多便宜的活里解放出来」。
可衡量:做完之后,你说得清好在哪吗
这是最容易被忽略、却最关键的一条。如果一个场景做完之后,连「好了多少」都说不清楚,那它既难验收,也难争取下一笔预算。优先选那些结果能用数字说话的场景:审一份合同从三天到三小时,出一份报告从两小时到十分钟。数字一摆,所有人都信。
一个简单的打分
我们常和客户一起,给清单上每个场景按这三个维度各打个分,再排序。打完你会发现,排在最前面的,往往不是当初大家最兴奋的那个炫酷场景,而是某个不起眼、但天天发生、又能算清账的「苦活」。
还有个隐藏维度:数据现不现成
前面说的频次、价值、可衡量,是从「业务上值不值」看。还有一个从「做起来难不难」的角度,容易被忽略:这个场景需要的数据,现在拿得到吗、干净吗?两个业务价值差不多的场景,一个数据现成、一个散落在五个系统里还得清洗三个月,显然该先做前者。早期最忌讳挑一个数据黑洞当起点——光是把数据弄顺,就能耗光团队的耐心和老板的预算。
所以我们打分时,常常会再加一栏:数据可得性。一个频次高、价值大、能量化、数据又现成的场景,就是教科书级的第一站。把它做漂亮,后面再谈第二个、第三个,整件事就有了往前滚的动力。
「不值得现在做」不等于「永远不做」
用「值不值得」筛场景,会刷掉一批暂时不划算的需求,但别把它们一笔勾销。有些场景现在数据不齐、频次不高,但等公司数据治理跟上了、业务量起来了,就值得重做评估。我们建议把这些「暂缓」的场景单独记一张清单,定期回看——优先级不是一锤定音的,它会随着数据、业务、技术的变化而变。
还有一类场景,单看不起眼,但它是别的场景的「地基」,比如先把某块业务的数据打通、把知识库建起来。这种基础性的事,哪怕短期算不出漂亮的账,也值得早做,因为它能让后面一连串场景都变得「值得做」。评估时,别只看单点回报,也看它能不能撬动后面更大的盘子。
先把那个苦活做漂亮,让业务真切地感受到省了时间、出了价值,后面就好推了。AI 落地不怕起点小,怕的是起点选错。
