项目还在，预算还挂着，但会议室里已经很久没人问它跑得怎么样。一个 AI 项目从「今年的重点」变成「上次是不是搞过」，通常只要三个月。

一套在业内流传很广的落地方法论，把这类项目拆成五步：选场景、理数据、选模型、跑试点、铺开。框架本身不算新鲜，但它给了两把能直接用的卡尺——一把挑第一个场景，一把卡住试点的节奏。企业真正卡住的，就是这两处。

第一个场景选错，后面全废。

选场景最常见的做法是拍脑袋，或者谁喊得响先做谁。稳一点的做法，是拿两个问题过一遍：业务价值高不高？技术现在落不落得了地？

两个问题打成一个十字，候选场景就落进四个格子——速赢区、战略区、探索区、规避区。

速赢区：价值高、也落得了地。优先立项，快速验证，赶紧上线。

战略区：方向对，但现在的数据、算力或流程撑不住。定能力建设计划——不是现在就砸钱。

探索区：容易落地，但业务价值有限。可以做，当效率优化或经验积累，别指望它出大成绩。

规避区：价值有限、也落不了地。别碰。

四个格子里最容易出事的是战略区。它价值最高、听着最有战略高度，汇报时最好看，也最容易被当成第一枪。但条件不够就是不够——第一枪打在战略区，往往打成一年期的无底洞。等到第二年回头，钱花出去了，业务价值还没开始长。

所以第一把卡尺的用法就一句：先打速赢区，拿一个能算出来的结果；战略区放第二枪。

试点项目有一个数字值得钉在墙上：12 周。

一套完整的试点周期大概长这样——前 5 周｜启动与奠基：锁定高价值场景，把要达成的效果写成可量化的目标；把数据理干净，输出能用的数据集；把技术方案和评估指标定下来。第 6 到 11 周｜开发与验证：模型训练与实验验证，效果达标后小范围上线，收真实用户反馈，算出投入产出，再决定是推广还是迭代。

中间四个检查点，一个比一个硬：第 2 周场景确认、价值目标锁死；第 4 周数据就绪、方案确定；第 7 周模型验证、效果达标；第 12 周正式上线、复盘改进。

这四个点里，第 4 周最关键。如果到第 4 周，数据还没理出来、方案还没定下来，那不是进度慢——是第一步选错了场景：那个场景的数据，本来就还没准备好。这时候正确的动作是回头换场景，而不是咬着牙往前推。

为什么要把节奏卡死在 12 周？因为拖过 12 周，掉下去的不是效率，是团队信心。一个 AI 项目最常见的死法不是被否掉，是被耗掉——拖着拖着，参与的人先不信了。到那一步，再补预算、再换供应商都救不回来。

12 周这道线不是效率要求，是信心管理。

试点跑通之后，最贵的错不是选错模型，是各搭各的。

这类项目一旦开闸，通常是各业务线各自采购、各自开发：客服一套、风控一套、财务一套。每一套单独看都成立，合起来就是系统重复建设、数据孤岛林立。集成和运维的复杂度上去了，成本自然水涨船高；更贵的是——A 部门做出来的能力，B 部门复用不了。

正确的搭法是分四层：应用场景层、统一网关层、AI 能力层、基础设施层。越往下的层越要统一，越往上越可以各自长。基础设施和 AI 能力做一次、全公司共用；到了统一网关，能力标准化开放出去；最上层的应用场景，才是各业务线各显神通的地方。

一句话判断：问一句「这套东西半年后，第二个部门能不能直接用」——答不上的，你搭的就是烟囱。

技术问题都有解。真正难的是坐在工位上的那个人。

员工对 AI 的抵触，通常不是「我讨厌新技术」，而是四句很具体的担心：

企业对这四句的标准答案，通常是办一场培训。但培训其实只回答了第二句。

怕被替代的，要的不是培训，是把定位说清楚：AI 是增强能力，不是替代人。这句话得由直接上级当面说，不是在 HR 的培训 PPT 里说。

嫌习惯被改的，要的是新流程本身好用，不是接到一纸通知。

不信 AI 的，要的是规则透明：它用了哪些数据、依据什么、出错了找谁。公开使用规则和数据安全措施，比讲一百遍「AI 很准」都有用。

所以判断标准就一条：员工的抵触不是态度问题，是四个没有被回答的问题。培训只覆盖了其中一个。

这套方法论里，有一句我愿意直接抄下来的话：

它背后是三条标准：业务价值优先——从高价值、可量化的场景切入，以投入产出为标尺，别盲目堆技术；融进现有流程——把 AI 嵌进员工本来就在用的办公软件和业务系统里，做到即用即会，别让学习成本成为墙；数据治理先行——先把数据的来源、质量、安全兜住，AI 的输出才值得信。

反过来看，最贵的教训也在里面：烟囱式建设。它的问题不是技术选错，是每个部门都在为同一件事付第二遍钱。

最后把判断收成一句：AI 落地的分水岭，不在你买了哪个模型，在于这个项目 12 周之内有没有人还在会上问它。