100个AI需求,怎么筛出真正值得做的10个?

不是给需求排队，而是在有限预算里决定：哪些事情值得先被验证。

做企业AI项目，有一个场景我见得越来越多：需求调研刚开始时，大家还只是想做一个知识库、一个智能问数，或者一个AI助手。等到把业务部门都叫进来开过几轮会，需求清单很快就会从十几个涨到几十个，甚至上百个。

销售希望AI帮忙写方案，财务希望自动分析经营数据，人力希望做员工问答，法务希望做合同审核，领导希望有一个AI驾驶舱，信息化部门又希望顺便把模型、知识库、Agent、权限、日志都统一管理起来。每个需求单独看都“有道理”，合在一起就会出现一个很现实的问题：第一年到底先做什么？

这时候最危险的做法，是开一场会，让各部门投票，或者按照“每个部门分两个名额”的方式做平衡。这样最后筛出来的，往往不是最值得做的10个，而是最会表达、领导最关注、或者最容易争取到资源的10个。

第一轮，我会先做一次“残酷淘汰”

100个需求不需要一上来就精细打分。真正有效的做法，是先设几条硬门槛，把明显不适合进入第一批的需求直接拿掉。因为一个连真实用户、数据来源和验收方式都说不清的需求，哪怕概念再漂亮，也不值得占用第一年的交付资源。

这一轮不是为了证明某个需求“永远不能做”，而是为了判断：它有没有资格进入第一批。很多需求不是没价值，只是还没成熟。第一年最稀缺的资源不是创意，而是交付团队、业务Owner和组织注意力。

第二轮，不投票，打分

通过硬门槛以后，剩下的需求通常还会有三四十个。这个时候我才会进入评分。评分的目的不是制造一个看起来很科学的小数点，而是逼着团队把争论从“我觉得重要”变成“它为什么重要”。

我比较喜欢用五个维度。不同企业权重可以调整，但思路基本一致：

实际评分时，每个维度用1—5分即可。最终得分可以换算成100分，但我不建议把“总分最高”直接等同于“第一批必做”。原因很简单：有些项目总分不低，却在某一个关键维度上存在致命短板。

例如，一个场景业务价值很高，但核心数据根本拿不到；或者模型效果不错，但错误一次就可能造成重大合规风险。这样的需求即使总分排进前十，我也会先拿出来单独处理。

第三轮，看排序，更要看“组合”

假设经过评分，前20名已经出来了。接下来我不会简单取前10名，因为企业第一批AI场景不能全是同一种类型。全部选“容易做”的，可能很快上线，但证明不了AI对核心业务的价值；全部选“战略级”的，又可能一年都交不出来。

所以我更倾向于把最后10个名额做成一个组合，而不是一条排行榜。一个比较稳妥的结构可以是：

这10个需求里，真正应该被管理层关注的，不只是“各自能不能成功”，还包括它们之间能不能形成递进关系。比如第一个知识问答场景沉淀的权限体系，能不能被第二个智能问数复用；第一个业务系统接口，能不能成为后续Agent调用的公共工具。

如果10个场景彼此完全独立，第一年做完以后仍然只是10个项目；如果其中有共性能力不断被复用，企业才开始从“做AI项目”走向“形成AI能力”。

我最担心的，不是分错，而是这三种“伪优先级”

如果让我在会上直接做，我会这样操作

我不会先让大家讨论“哪个最重要”，而是把100个需求先统一写成同一种格式：用户是谁、任务是什么、频次是多少、当前成本是什么、需要什么数据、结果如何验收、谁负责。很多模糊需求在写到这一步时，自己就会暴露问题。

然后做三轮：第一轮按硬门槛淘汰；第二轮由业务、IT、数据、项目团队共同打分；第三轮由决策层确认投资组合。整个过程最重要的不是算分，而是让每个入选场景都能回答一句话：为什么是现在做，而不是以后做？

注：上表只是示意，不代表固定评分。不同企业的权重和门槛应根据行业、风险、预算与年度目标调整。

最后，筛掉90个需求，不代表否定90个需求

企业AI建设最容易出现的一种误解，是把“没进第一批”理解成“这个需求没价值”。其实优先级只是资源配置顺序。一个需求今天没有数据，半年后数据条件成熟，它的排序就可能完全不同；一个低频场景，如果后来成为关键流程入口，也可能重新进入第一梯队。

所以我更建议企业保留一个持续更新的AI场景池。第一批10个场景跑起来以后，用真实数据重新评估剩下的90个，而不是把一次评审结果固化成三年规划。

如果是我来主持这场筛选，我最后只会问管理层一个问题：一年以后，我们希望证明什么？如果答案是“AI真的能给企业创造业务价值”，那第一批10个场景就应该围绕这个目标来选，而不是围绕技术热度、部门平衡或者功能数量来选。

关注「凯哥谈企业 AI」

用真实项目经验，聊透企业AI怎么选、怎么建、怎么落地。