企业 AI 应用 · AI 落地实施
企业 AI 落地怎么做？2026 年从选场景到验收的 6 步流程
企业 AI 落地的正确顺序是：先用 1–2 周判断该不该做、从哪个场景做，再用 2–4 周做小样验证，然后才花钱接进日常流程；验收分交付完成、被发现与理解、业务结果三层记录，工具装了多少台、培训了多少人不算业务成果。
做成与否取决于场景选得对不对、数据是否现成、一线愿不愿意用，而不是模型多强。价格用官网公开报价。
口径说明：价格为 2026-11-04 官网公开报价；评分与占比来自本人项目经验，属经验估算，不是行业统计；不引用未经核实的失败率等数字。
AI 落地到底是什么？和「上个 AI 工具」「做个 demo」「数字化转型」有什么区别？
AI 落地是把 AI 能力接进一条已经在跑的业务流程，落地之后这条流程的产出物、责任人和验收口径都要有可核对的变化；只买账号、只做演示、只在方案里写清楚，都不算 AI 落地。
判断方法：谁每天用它？他哪一步工作变了？变了之后谁核对结果？三个都答得具体才算接进流程，有一个答不上来就还是「上了个工具」。
| AI 落地 | 上个 AI 工具 | 做个 demo | 数字化转型 | |
|---|---|---|---|---|
| 交付物 | 一条改过的流程，加可复算产出 | 一批账号和操作手册 | 一段能演示的效果 | 一套系统与数据底座 |
| 谁在用 | 一线每天用，工作量变了 | 买了，说不清谁在用 | 演示完就停 | 全员按新流程走 |
| 怎么算成 | 三层验收，业务结果单独记 | 装了多少台、培训多少人 | 老板看过、反响不错 | 系统上线、验收通过 |
| 典型失败 | 场景选错，人不用 | 买完没人打开 | 真实数据一进来就崩 | 系统建好，业务没变 |
| 周期 | 6 周–3 个月一个场景 | 几天 | 几天–2 周 | 1–3 年 |
企业 AI 落地最常见的失败原因是什么？
最常见的失败不是模型不行，是立项起点错了：从「我们有什么 AI 工具」开始，而不是从「哪一步在漏钱、漏时间」开始。下面 8 条按我见到的频率排序。
| 排序 | 症状（你会看到） | 根因 | 怎么避免 |
|---|---|---|---|
| 1 | 选了最想做的场景，不是最该做的 | 立项动力来自「老板看过某个演示」 | 用评分表打分，先做分最高、后果最轻的 |
| 2 | 数据散在微信、Excel、纸面和老员工脑子里 | 系统只记结果不记过程，中间状态没落过盘 | 先导一遍数据；导不出来就换场景 |
| 3 | 一线觉得多了一道活，绕过去用老办法 | AI 只是新增入口，没嵌进他本来打开的界面 | 接进现有界面，先问一线会用在哪一步 |
| 4 | 验收退化成演示，好看就算成了 | 立项没定验收口径，最后只能比效果 | 签约前把验收单、基线、复测日期写进合同 |
| 5 | 只有一个人在推，人一走就停 | 没交接没文档，知识在外部团队手里 | 培训与交接列成独立一步，交不到能自己改不算完 |
| 6 | 一次错误就被封盘，尤其报价和对客承诺 | 没评估出错后果，也没设人工复核 | 先做草稿加人复核，代价降下来再谈自动发 |
| 7 | AI 算的和财务算的对不上，没人认这数 | 口径没对齐：AI 按文本生成，财务按开票核算 | 验收单写清用哪套口径；只让它找数不算数 |
| 8 | 工具买了流程没改，多一个要维护的系统 | 采购和流程改造拆成两件事，没人改流程 | 采购前先写「哪步不做了」，写不出来就别买 |
原因是成本结构「前面便宜、后面贵」：做个演示一天就够，接进流程却要处理数据在哪、谁有权限、错了谁负责、口径对不对，这些模型替不了你。所以失败几乎都发生在演示之后。
AI 落地应该从哪个场景开始？
从一个痛得具体、数据现成、人愿意用、错一次不翻车、3 个月内能看出真假的场景开始；5 个条件满足 4 个以上再投钱，只满足两三个的先做 POC。
业务痛点强度
5 分=每周都因为它丢单、返工或加班；1 分=有没有都行。决定有没有人催。
数据是否现成
5 分=已在系统里、格式规整；1 分=散在聊天记录和纸面。决定会不会变成录入。
人是否愿意用
5 分=一线主动问什么时候能用；1 分=一提就有人反对。决定还有没有人打开。
出错后果
5 分=错了能回滚；1 分=错一次就对客赔钱。决定要不要加复核。
3 个月能否验证
5 分=3 个月内能看到差异；1 分=一年后才见效。决定能不能止损。
| 场景 | 痛点 | 数据 | 意愿 | 后果 | 3 个月 | 初判结论 |
|---|---|---|---|---|---|---|
| 客服（售前咨询、售后工单） | 5 | 4 | 4 | 3 | 5 | 优先：只做答案草稿，不做自动回复 |
| 销售跟进（线索、会前摘要、提醒） | 5 | 3 | 4 | 5 | 4 | 优先：从会前 5 分钟摘要切入 |
| 报价（B2B 非标报价） | 4 | 3 | 3 | 1 | 4 | 谨慎：草稿加人复核，不自动发 |
| 内容生产（产品资料、案例、公众号） | 3 | 4 | 4 | 4 | 5 | 可做：适合当第一个练手场景 |
| 文档处理（合同、发票、报关、图纸） | 4 | 3 | 3 | 2 | 5 | 可做：抽取和判断分开，判断留人 |
| 质检（外观、尺寸、装配） | 4 | 2 | 2 | 2 | 2 | 不建议第一个做：投入大、验证慢 |
评分是初判：数据在 ERP 里的报价，和散在业务员微信里的，是两个场景。判断要有人既懂业务又懂系统，见 FDE 是什么。
AI 落地的 6 步流程怎么走？
AI 落地实施分 6 步：进场调研 → 定场景与验收口径 → 做小样 → 接进日常流程 → 培训与交接 → 复测与扩大。每步都有产出物和「什么算做完」，没过不往下走。
- 进场调研（3–5 天）跟着一线干一天：看他打开哪些表、抄哪些数、卡在哪一步，再画出「谁在等谁」。产出物：流程现状图 + 人工耗时清单。什么算做完：能指着任一节点说出「谁做、做多久、错了会怎样」。
- 定场景与验收口径（3–5 天）用评分表选一个场景，当场把口径写死：看哪个数、基线取哪段、多少天复测、什么算失败。产出物：场景定义 + 验收单。什么算做完：负责人签字，基线是系统导出的记录。
- 做小样（1–3 周）只做那一条流程，用真实数据，不追求覆盖所有情况；先让能用的 70% 跑通，把明显会错的挡在复核前。产出物：小样 + 已知失败清单。什么算做完：一线跑过 20 次真实任务，能说出它什么时候会错。
- 接进日常流程（2–4 周）最容易被跳过。把输出放进人本来就打开的地方（企业微信、ERP、表格），不新增入口；同时定谁复核、错了怎么回滚。产出物：流程说明 + 回滚方案。什么算做完：连续两周没人提醒也在正常用。
- 培训与交接（1 周）只讲三件事：什么该信、什么必须核、错了找谁。产出物：操作卡 + 常见错误清单 + 责任人名单。什么算做完：内部有人能独立改一次提示词或字段映射。
- 复测与扩大（2–4 周）用第 2 步的验收单复测，三层分别出结论，好坏都写，坏了就停。产出物：三层验收报告 + 下一场景建议。什么算做完：客户按报告决定继续、扩大还是停掉。
一个场景从进场到验收通常 6–10 周；供应方大部分时间在开发，说明流程还没想清楚。
一次 AI 落地要花多少钱、多久？
按官网公开报价：快速 POC 验证 ¥8,000 起（1–2 周）、AI 经营诊断 ¥30,000（1–2 周）、AI 增长试点 ¥180,000（90 天）、年度增长合作 ¥600,000 起（1 年起，顾问费加绩效分成）。成本最低的顺序是先 POC 或诊断，再谈试点。
| 服务 | 价格 | 周期 | 什么时候做 | 拿到什么 |
|---|---|---|---|---|
| 快速 POC 验证 | ¥8,000 起 | 1–2 周 | 说不清该不该做 | 可运行小样 + 结论（含「建议不做」） |
| AI 经营诊断 | ¥30,000 / 次 | 1–2 周 | 想做但不知从哪开始 | 场景清单与评分、数据现状、建议顺序 |
| AI 增长试点 | ¥180,000 | 90 天 | 方向定了，要接进流程 | 一个场景上线、培训交接、三层验收报告 |
| 年度增长合作 | ¥600,000 起 / 年 | 1 年起 | 已有多个场景在跑 | 顾问费加分成，多场景按季度排 |
POC 或诊断买的是判断不是系统：1–2 周能确认数据在不在、后果能不能接受、一线愿不愿意用，一件否定就省下试点费。周期压不下去不在写代码：一线改习惯要两三周，等结果要 1–3 个月。完整边界见 服务与报价。
| 钱花在哪 | 大致占比 | 说明 |
|---|---|---|
| 进场调研与流程摸底 | 10%–15% | 跟着一线干一天，比开一周会有效 |
| 数据整理与清洗 | 20%–35% | 最容易被低估；要现场采数的更高 |
| 开发与集成 | 20%–30% | 模型调用不是大头，接进现有系统才是 |
| 培训与交接 | 10%–15% | 决定 3 个月后还有没有人用 |
| 复盘与复测 | 5%–10% | 决定第二个场景能不能复用第一个人力 |
占比是经验估算，来自本人在制造与 B2B 项目上的投入结构，不是行业统计；质检这类要现场采数的项目，数据占比明显更高。
AI 落地怎么验收？
分三层，分开记录：交付完成（约定的东西是否齐全、能跑、能交接）、被发现与理解（真实问题下能不能找到、看懂、用对）、业务结果（有没有值得跟进的业务，成本或工时是否真的变了）。工具装多少台、培训多少人是工作记录，不算营收成果。
| 层级 | 查什么 | 可核查的证据 | 这一层不算什么 |
|---|---|---|---|
| 一、交付完成 | 产出物是否齐全、能跑、能交接 | 清单逐项核对；账号与代码归属；客户自己操作一次 | 会议次数、加班时长 |
| 二、被发现与理解 | 真实的人用真实问题提问，能否找到、看懂、用对 | 固定问题集的测试记录（问题、时间、谁问的、结果） | 演示环境里的完美回答 |
| 三、业务结果 | 有没有值得跟进的业务；成本、工时、返工率是否变了 | 询盘与线索、报价与成交流转记录；前后同口径对比 | 安装台数、培训人数、账号开通数 |
三层混在一起，验收一定退化成演示：清单最好核对，业务结果要等，演示当天最好看。分开记的坏消息来得早——第二层没过说明没人用，第三层不必等。别人踩过的坑见 AI 落地情报。
什么情况下不该做 AI 落地？
下面 5 条里任何一条成立，我的建议都是先不做，或者只花 ¥8,000 做一次 POC 把不确定性打掉。
1. 这个流程本身就该砍掉
先砍流程再加 AI，等于把浪费自动化。判断法：这一步的产出有没有人真的在用？
2. 数据不在系统里，也没人愿意整理
第一件事会变成好几周录入。该由业务方决定做不做，不该甩给外部。
3. 出错后果不可回滚，又没人工复核
报价、合同、对客承诺、安全相关的判断，没复核不该自动化。
4. 要的是「我们有 AI」，不是「少两个人」
立项没有业务指标，验收一定退化成演示。花钱买到的只是一次内部汇报。
5. 没有内部责任人
全靠外部团队，交付完就停。至少要有一个能拍板、能改流程、也能承受失败的人。
最容易做成的企业：年营收 1 亿元以上，有稳定产品和客户，数据至少一半在系统里，一线有人在抱怨具体某一步。跑过 66 个手套工厂、做了 20 多年生意之后，我判断能不能做 AI 落地，看的就是这几件事。
关于企业 AI 落地，还有哪些常见问题？
被问得最多的是四件事：要不要先建数据中台、人少能不能做、买了 API 为什么还要找人、外部团队走了东西还能不能用。答案见下。
AI 落地一定要先有数据中台吗？
不需要。落地只要某一个场景要用的那几张表，怎么清洗是这个场景自己的事。真要建中台，等两三个场景跑通、知道要什么数据再建。
公司只有几十个人，现在做 AI 落地是不是太早？
不早，但场景要更小。小公司流程短、一个人就能拍板，适合从文档处理、报价草稿、客服问答这类单点开始；弱在没人专职维护，交接要做实。
直接买通用大模型的 API 不就行了，为什么还要找人做落地？
能生成和能接进流程是两件事。API 按量付费很便宜，难的是数据在谁手里、谁有权限、错了谁负责。
内部没人懂 AI，全靠外部团队做行不行？
能做完，但会停在交付那一刻。至少要有一个内部的人看得懂提示词、改得动字段、判断得了结果对不对。
报价里不包含什么？
不含模型与云资源使用费（按量计费，直接付服务商）、不含客户侧整理数据的人力、不含硬件与网络改造，都提前写进报价单。
交付之后外部团队撤了，这套东西还能用吗？
标准是内部能自己改：操作卡、常见错误清单、提示词与字段映射文档都留在客户手里，账号与代码归属写进合同。做不到不签字。
做过多款 AI 产品的体会：U-Claw 虾盘有 1.7k stars、U-King 做到一键安装，价值都不在「模型多强」，而在「打开就能用、出错能自己救」。企业 AI 应用和 AI 场景落地是同一件事。
要不要先花 1–2 周，把该不该做弄清楚？
AI 经营诊断 ¥30,000（1–2 周），或先做 POC ¥8,000 起。微信发送「AI 落地 + 公司名 + 行业」，先回三个问题再谈。
- 微信hecare888
- 邮箱hefangsheng@gmail.com
作者：贺去病（贺方升）。资料核对日期：2026-11-04。相关页面：服务与报价、GEO 优化、FDE 是什么、AI 落地情报、关于贺去病。文中经历用于解释判断依据，不构成对任何企业结果的承诺；AI 转型不是一次项目，是若干可验收的小场景连起来的路。
贺去病商业咨询 · 深圳 · 微信 hecare888 · 邮箱 hefangsheng@gmail.com
