夜雨聆风
hello，大家好啊，我是做企业AI落地的老郑。不吹概念，只聊落地。
我见过太多老板：看别人用 AI 提效眼红，一冲动买了三四个工具，结果半年过去，最常用的还是免费的聊天框。
不是工具不行，是买之前那几步没走对。今天给你三个问题，回答完再决定买不买——全过，买；有一个不过，先补课。
买前VS买后：买前"生产力神器"，买后"吃灰"
AI 不是万金油，不是所有活都适合它。判断标准就三条：
高频：这活是不是每周都要干好几遍？重复：是不是每次干的流程都一样？规则化：能不能说清楚"什么输入→什么输出"？
三条全中，AI 值得上。比如客服话术、商品主图、报表整理——高频重复规则化，AI 是神器。
但如果是一次性的创意活、关系维护这种"靠人"的活，AI 帮不上大忙，别硬上。
判断方法：把你团队过去 3 个月干过的活列个清单，找出出现次数最多的 5 个，看符合几条。
AI 的本事是"从数据里学"，数据是脏的，AI 就是笨的。
最典型的三个坑：产品参数表不统一（同一个型号两种叫法）；客户数据口径乱（前端注册算不算成交？）；价格体系在业务员脑子里（没入库）。
先理数据，再上 AI。数据口径不清的时候上 AI，它学到的全是噪音，越干越偏，最后你还以为"AI 不行"。
判断方法：随便抽一个你公司最常见的业务问题，问三个同事，答案如果三个版本——数据还没理清，先别买工具。
这是最容易被忽略的一条。工具买了，谁来用？
没有明确负责人 → 没人愿意第一个吃螃蟹 → 吃灰。入口太麻烦（要装新软件、学新流程）→ 员工宁愿用老办法。没有激励机制 → "AI 干得好又不多发钱，何必折腾"。
先解决"谁会用它"，再买工具。选一个最痛的高频场景，指定一个人负责跑通，跑出效果了再推广——比全面铺开管用十倍。
三个自问：高频重复规则化？数据干净吗？团队接得住吗？
回到开头：工具吃灰，99% 是这三个问题里有没过关的。
问题 1 不过 → 选错场景，再贵的工具也白搭。问题 2 不过 → 数据没理清，AI 学到的是脏数据。问题 3 不过 → 没人用，等于没买。
补课的顺序：先理数据（问题 2），再选场景（问题 1），最后派人（问题 3）——这是地基到屋顶的顺序。
决策路径：三问全过→买；有一个不过→先补课