企业上 AI,先回答两个问题:你有什么数据?你要什么规则?

先说一个在企业里反复出现的现象。

很多 AI 项目启动时，需求描述都相当宏大：要精细化管理、要搭一个业务平台、要对外提供增值服务。

但真正进入推进阶段，卡住的地方往往非常朴素：手里没有可用的数据，也没有人说得清"到底要 AI 干什么"。

这不是个别项目的运气问题。大多数"想上 AI 却推不动"的项目，都停在这两个问题上。

一、别急着找方法：问题没搞清，方法一定找不到

项目推进到中途，最常见的内耗是："先上产品，还是先摸需求？"

• 先上产品：能快速看到演示，但大概率落不到业务里，变成一次性展示；
• 先摸需求：方向更准，但推进节奏慢，容易在等待中凉掉。

更稳的顺序，其实是一句很朴素的话：

当我们对一件事还不了解、却急着找解决办法的时候，说明我们对这个问题本身的理解还不够。

为什么？ 因为"找方法"这个动作，本质上是在已有认知里做搜索。你对问题理解得越浅，搜到的方法就越偏。这时候无论买多贵的产品，都是在给一个还没定义清楚的问题乱开药方。

所以合理的顺序是：

先把问题摸清（数据 + 规则 + 结果）

↓

再定方案（哪些部门、哪些场景先做）

↓

最后才选产品与部署方式

`

本质上：前期调研不是销售的"铺垫环节"，它就是项目的第一期交付物。 调研一启动，正式的立项、预算和落地路径才会跟着浮出来。

二、调研到底问什么：只问三件事

很多需求调研会开成"功能许愿会"——各部门轮流讲"我想要什么功能"。这种会开十次也没有结论。

真正有效的调研，只问三件事：

翻译一下：数据是原材料，规则是判断标准，结果是交付内容。 三者齐全，AI 才能干活；缺一个，它就只能原地打转。

所以有一条判断标准很实用：如果一件事的数据来源说不清，就先不要把它放进方案范围。 因为功能本身也是"数据 + 规则"——客户说"我要一个智能排班功能"，那排班依据的班次数据在哪？调休规则谁定的？这些不落地，所谓智能排班就只是一个按钮。

三、最常见的偏差：只讲规则，不讲数据

做调研时有个非常稳定的规律：企业方大部分时间在讲规则，很少讲数据。

• "我们要按标准来考核。"
• "这个流程必须走审批。"
• "异常情况要自动预警。"

这些都对，但它们都是规则。规则要跑起来，必须落到数据上：

为什么企业总是回避数据？ 因为在多数组织里，数据的归属是模糊的：A 部门的数据在 B 部门的系统里，C 部门的数据只有纸质记录。讲规则不用担责，讲数据要担责。

因此调研时最需要做的动作，是把"这是谁的数据"这件事逼出来。一个具体做法是：先摸清哪些部门人最多、最需要提效，然后直接对接这些部门的负责人，不要只跟接口人谈。

四、方案结构：一个底座 + 一个执行端

数据摸清之后，方案结构通常很清晰——这是两层，不是一套东西：

为什么必须是两层？ 因为只做上层，AI 就是一个"聪明但不了解公司"的助手；只做底层，AI 就是一个"存了很多资料但不会干活"的仓库。

这两层的价值，都建立在数据打通之后。举个通用例子：同一个物料在设计部门叫"杯子"、车间叫"茶杯"、供应商报价单叫"水杯"，散在三个系统里。不打通，任何统计都对不上；打通之后，系统才能跨部门归因。

五、先分清："数字化台账"和"运营大脑"不是一回事

企业常常把两件事混为一谈，值得单独说明：

判断标准很简单：如果一套方案只做"数据填报、报表汇总"，那它是数字化台账；只有当它开始帮业务回答"为什么"和"接下来怎么办"，它才称得上"大脑"。 两者的目标不同，不能互相替代。

六、调研阶段的四个动作

动作一：划重点，别把所有需求都当重点

需求里一定有一部分是"真正优先"的，也有一部分本身不是重点。先分清优先级——特别留意哪些能力可以被多个部门复用，能复用的能力，才值得先做。

动作二：先要数据，再谈方案

不要等方案定稿才去要数据。摸数据的过程本身就在修正需求——很多"想要的功能"，拿到数据之后自己就消失了。

动作三：先做一个小而能跑通的场景

落地建议采用"叠加"的思路：先在一个具体场景里跑通、能被验证，再逐步扩展。 不要等一个"完整的大方案"，那通常意味着永远等不到。

动作四：信息同步要主动

项目最常见的内伤，是不同角色各自对接、信息不同步。需求结论必须在相关角色之间主动同步，否则调研结论会在传递中被改写成另一件事。

落到具体：不同角色现在该做什么

如果你是决策层：

• 少问"你们能做哪些功能"，多问一句："公司里哪些数据是真实的、可以拿出来的？" 这个答案基本决定了项目能走多远。
• 立项时给项目一个明确的定位——没有明确定位的项目，在组织里天然推不动。

如果你是业务负责人：

• 用"数据 + 规则 + 结果"三栏，把你要做的事写成一页纸。写不满三栏的，先不要进入开发。

如果你是项目推进者 / 售前：

• 第一轮沟通的目标不是签单，而是拿到一份数据清单和一份关键部门负责人名单。
• 记住那条判断标准：数据来源说不清的事，先放进方案范围之外。 这一条过滤掉的坑，比任何方法论都多。

最后

企业建 AI 能力，最贵的从来不是算力，而是前期把问题问清楚的那几周。

本质上，做 AI 落地和做其他难事一样：先把问题本身搞清楚，方法会自己浮出来。 反过来，跳过这一步急着找工具的组织，最后手里往往只剩下一套没人用的系统。

文章就到这里，如果对你有一点点启发，欢迎你 点赞、转发、收藏，也可以转发给正在推进 AI 项目的同事。

如果你正在考虑把 AI 真正落地到业务场景中，欢迎了解我们的「积墨AI智能体平台」，需要试用咨询。

也欢迎持续关注 积墨AI实验室，我们会继续把项目一线的方法复盘写出来。