过去两年，几乎所有中型以上企业都做过至少一个 AI 试点。但能把试点推到全公司规模的比例并不高。复盘失败案例，问题通常不在模型能力，而在三个断点。

一、场景选择断点：很多项目选的是“看起来最酷”的场景，比如全自动客服、自动写代码。这类场景容错率极低，一旦出错代价很高，业务方很快就不敢用。更稳的做法是从“错了也不致命、但人工处理很耗时”的环节切入——会议纪要、工单归类、资料初筛、合同条款比对。

二、数据准备断点：模型不缺口才，缺的是企业自己的上下文。资料散落在网盘、ERP、邮件和聊天记录里，没有统一入口，模型就只能猜。落地前先把要用的资料收敛到一个可检索的库，并明确谁负责更新、多久复核一次。

三、组织流程断点：AI 的输出必须有人签字。如果流程里没有“谁复核、复核不过怎么办”的定义，一线会本能地绕过系统，用回原来的做法。把复核环节写进 SOP，比再调一版提示词有用得多。

一个可执行的检验方式是：给每个场景列出“输入从哪来、谁复核、出错怎么回滚”三栏，填不满就不算可上线。按这个标准筛，第一年通常只有两三个场景能真正跑起来，但这几个能带来可量化的节省，也更容易推广到下一个场景。