最近一年多的时间老杨从数字化一直谈到AI，用亲身经历的项目经验来告诉大家如何避坑，以前谈AI在企业落地相对来说比较零散，不成体系，在接下来的这段时间老杨将系统性的为大家分享企业AI从意识到落地的全过程实战指南。
老杨的公众号写AI不是为了所谓的流量去证明AI有多先进，而是为了帮助企业把AI变成能落地、能运营、能复盘、能持续创造价值的管理能力。老杨认为当前企业真正需要的不是更多工具介绍，而是一套从认知到组织、从项目到运营、从成本到治理的完整方法。
当前大部分企业推进AI项目落地的问题是:购买了办公AI、客服AI、知识库产品，也让员工参加了几次培训，但没有统一入口、没有业务Owner、没有知识Owner、也没有评测集、更没有运营看板，最后导致这些工具变成了零散试用。所以说企业AI建设的难点不是“有没有”，而是“能不能进入业务流程并被持续使用”。
之前企业做数字化，习惯买软件、建系统、做集成，AI项目看似也是系统项目，但在本质上还是不同的：传统的数字化系统更多是把确定性流程固化下来，AI系统则是在不确定性场景中辅助判断、生成内容、调用知识、执行任务。因此AI落地不能只靠采购买软件，也不能只靠技术团队闭门开发做模型。
所以企业AI建设的主线应该是：围绕业务价值，建立数据与知识底座，选择合适模型和平台，把AI能力嵌入岗位与流程，再通过运营、治理和复盘持续改进。所以AI项目不是上线即结束，而是上线才开始。
如果用一个公式概况企业AI落地那就是：
企业AI落地= 战略牵引 × AI领导力 × 场景突破 × 数据知识 × 技术平台 × 组织文化 × 安全治理 × 运营价值。如果公式中任何一个乘数为零，那么最终效果都会大打折扣，甚至导致项目失败。
不难看出AI项目在企业落地是一个复杂的工程，那么应该从哪里开始呢？老杨认为企业应该有一个正确的认知，今天主要来讲认知方面的相关内容。
企业AI建设的四个基本判断
这四个判断不是理念口号，而是企业做AI之前必须统一的管理前提。如果这四个判断没有被高层、业务和信息部门共同理解，后面的立项、采购、实施和运营都会出现方向偏差。这也是大部分企业AI建设经常犯的四个错误，比如对于大部分企业领导而言，他们认为上AI项目就是单纯的技术采购，只要购买了先进的模型就可以实现AI智能化，要知道的是企业买到模型或平台，只是获得了一种能力入口，真正决定成败的是业务是否提供真实场景、真实样本和真实验收标准。以AI合同审查项目为例，如果法务部门不提供历史合同、风险规则以及判定标准，信息部门再如何努力也只能交付一个“看起来能问答”的工具。
建议企业把这四个判断做在AI项目启动会的第一页，今后每启动一个项目，就让业务Owner、IT、安全和供应商共同确认：这个项目的业务价值是什么、为什么选这个技术、上线后谁运营、风险边界在哪里。
企业AI建设的“三不做”和“三必须”
“三不做”和“三必须”作用不是增加流程，而是避免AI项目从一开始就带病运行，建议作为企业AI立项的硬门槛。比如AI项目建设业务不参与，那就不要做了，为什么这么说？那是因为对于大部分传统企业而言AI项目的价值只能由业务确认。没有业务Owner，项目最终就会变成信息部门或供应商自证价值，然后业务轻飘飘的一句“不符合实际工作”或者“不好用”，就会推翻前期所有的努力，让前期的投入打水漂。这个问题也是大部分传统企业经常遇到的。
企业AI建设的六个底层逻辑
除了“四个基本判断”和“三不做三必须”，企业还需要掌握一套更底层的判断框架。它帮助管理者在面对各种AI工具、供应商和场景时，不被热词带偏，而是始终清醒的回到业务价值和组织能力。
从以上我们不难看出：价值决定方向，场景决定入口，数据知识决定质量，人机协同决定责任，运营决定持续，治理决定规模化。
很多时候，一家企业如果先建平台后找场景，往往会陷入“平台有了但没人用”；如果先找场景但没有知识治理，会陷入“试点好看但上线不好用”；如果上线后没有运营，会陷入“第一月热闹、第三月沉寂”。这六个逻辑实际上对应AI项目全生命周期的六个关键风险，可以作为企业AI项目的“总开关”。任何项目只要违背其中两三条，就应当暂停扩张，回到场景、价值、数据或治理层面重新校准。
最后总结一下企业在AI项目建设过程中最容易踩的三个坑：
所以从以上我们就不难看出AI项目建设初始的认知很重要，认知决定了方向，但很多企业从一开始路就走错了，问题是错了还不知道如何去复盘与修正，在错误的路上越走越远，最终钱投了，AI项目做成了想象中的美好。
那么你的企业AI认知如何？欢迎评论区留言。
本文来自微信公众号“湘江数评”（ID：benpaoshuzi），作者：老杨，36氪经授权发布。
