企业上AI,别从零开始想需求

上一篇最后讲到，不同公司的 AI 落地卡点，并不一样。

有的公司卡在客户响应，有的卡在项目交付，有的卡在销售线索，有的卡在人员管理，有的卡在制度和知识沉淀。

所以，真问题被看见、流程能不能接住之后，下一步还要继续问：

你的公司，最像哪一类 AI 需求？

这件事听起来像是一个很简单的问题。

但在真实沟通里，它往往很难。

因为很多企业一谈 AI，很容易从一张空白纸开始想：我们公司能不能上 AI？哪些地方能用 AI？员工要不要学 AI？系统要不要接 AI？有没有别人已经做过的案例？

这些问题都可以问。

但如果每一次都从零开始想 AI 需求，讨论很容易发散。

最后，企业往往会直接进入“方案语言”：

我要做一个知识库。

我要做一个智能客服。

我要做一个销售助手。

我要做一个管理驾驶舱。

我要买一个平台。

我要接一个模型。

我要定制一个智能体。

这些想法都可能是对的。

但它们多数还不是问题本身。

它们更像是企业已经想到的某种解决方案。

如果一上来就围绕这些方案继续聊，很快就会变成：

这个功能要不要？

那个字段有没有？

能不能接系统？

能不能本地部署？

能不能用现成平台？

要不要做一个企业智能体？

这些都不是不能谈。

只是它们不应该太靠前。

在工具形态被确定之前，企业更应该先看清的是：

自己的公司到底属于哪一类 AI 需求场景。

比如一家公司说，想做 AI 知识库。

听起来很合理。

但继续问下去，可能会发现，真正卡住的不是知识库，而是客户问题回复不一致。

再往下看，问题也许不是“没有知识”，而是标准答案没人维护，例外情况没人判断，新问题没人沉淀。

这时候，AI 知识库只是一个工具形态。

真正的需求原型，可能是“客户响应”。

它要优化的不是文档检索，而是客户问题进入组织以后，能不能被分类、回复、升级、复核和沉淀。

再比如一家公司说，想做管理驾驶舱。

听起来也很合理。

但继续问下去，可能会发现，老板真正想要的不是一堆图表，而是每周能更快看清：

收入有没有异常？

回款有没有风险？

项目有没有延期？

客户有没有投诉苗头？

关键人员状态有没有变化？

这时候，真正的需求原型就不是“报表系统”，而是“经营管理”。

它要优化的是老板和高管对经营状态的判断效率。

所以，企业 AI 需求不能每次都从零开始想。

也不能简单照搬别人的案例。

更好的方式，是先拿一张需求地图，对照自己最真实的卡点。

不是为了替企业拍板。

而是先把模糊想法放到一张可对照的地图上：

自己的公司更像哪类问题？

哪个问题最痛？

哪个场景数据最容易拿到？

哪个责任人最清楚？

哪个场景 30 天内最可能看到一个小结果？

这张地图，可以先粗略分成 6 类原型。

第一类，经营管理。

比如老板周报、经营摘要、异常提醒、管理驾驶舱。

它要解决的是老板和高管如何更快看清公司真实状态。

第二类，客户响应。

比如客服知识库、问题分流、标准回复、风险升级。

它要解决的是客户问题来了以后，组织能不能稳定、统一、有边界地响应。

第三类，销售增长。

比如高信任线索推进、客户分层、异议归类、跟进建议。

它要解决的是有价值的线索能不能被持续判断、跟进和复盘。

第四类，项目交付。

比如进度风险、回款提醒、交付归档、异常预警。

它要解决的是项目过程中的风险能不能提前被看见，责任能不能及时归位。

第五类，人员管理。

比如人员画像、绩效风险、辅导建议、人才分层。

它要解决的是 AI 生成的判断能不能进入真实管理动作，而不是停在一份漂亮分析里。

第六类，制度流程。

比如 SOP 沉淀、知识库、新人培训、流程检查清单。

它要解决的是组织经验能不能从人脑、群聊和零散文档里，变成可复用的规则。

如果是研发型、技术型或制造型企业，还可能会出现“产品研发 / 技术研发”这类需求。

它通常会和项目交付、制度流程、知识沉淀交叉在一起，比如研发资料沉淀、技术问题复盘、测试缺陷归因、工程经验复用。

这类场景可以单独拆，也可以先放到项目交付和制度流程里看。

这 6 类原型不是标准答案，也不是说所有公司只能选一个。

它的价值，是把“我想上 AI”往前推一步：

• 我现在最像哪类问题？

• 哪类问题最有痛感？

• 哪类问题最适合先跑小闭环？

一旦进入这个层面，后面再谈智能体、平台、模型和系统，就不容易发散。

可以用几个问题来判断：

这件事有没有老板或高管痛感？

现在有没有真实数据可以拿到？

AI 输出以后，谁接住？

接住以后，谁行动？

行动以后，怎么复盘？

30 天内，能不能看到一个小结果？

如果这些问题回答不出来，就算功能做得再多，也很容易变成一个没人稳定使用的系统。

如果这些问题回答得出来，一个很小的 AI 场景，也可能变成组织能力的入口。

所以，企业 AI 落地不能停在一张空白纸上，也不能一上来就讨论智能体怎么搭、平台怎么接、模型怎么选。

中间需要一张更轻的判断地图：

需求原型地图。

先用它判断自己是哪类问题，再谈工具、平台、模型和企业智能体。

因为 AI 真正有价值的地方，不是把一个智能体做出来。

而是让一个真实管理问题，被看见、被承接、被行动、被复盘。

这样，AI 才不容易变成一场很贵的试错。

它才有机会变成组织真正能驾驭的一种能力。

但找到需求原型，还只是第一步。

因为就算你知道公司最像哪类 AI 问题，也还要继续问：

这个问题由谁定义？

数据由谁提供？

AI 的输出由谁复核？

复核以后，谁采取行动？

行动以后，谁负责复盘？

如果这些角色没有说清楚，AI 很容易停留在少数人的个人使用里，而不是变成组织能力。

下一篇，我想继续聊：

一个人会用 AI，不等于组织会用 AI。

---

我是老徐，正在探索一套面向企业 AI 落地的可驾驭能力体系。如果你也在思考企业 AI 怎么真正落地，欢迎和老徐一起继续走着瞧。