最近见了十几家想做 AI 转型的公司，聊完的感受是：大部分团队卡住的地方惊人地一致。这篇文章把这些共同点整理成三个问题，如果你正在规划 AI 项目，建议先自问一遍。
问题一：你到底在优化什么指标？
「我们要用 AI 提效」不是目标。客服场景的问题解决率、销售场景的线索转化率、研发场景的评审周期——必须是能写进周报的数字。说不清指标的 AI 项目，大概率会变成一场昂贵的演示。
问题二：数据在谁手里，质量怎么样？
很多团队高估了模型的泛化能力，低估了自己数据的混乱程度。先花两周把数据摸清楚，往往比多试三个模型有用。没有干净的数据，Agent 只会把混乱自动化。
问题三：失败的代价是什么？
内部辅助工具可以容忍 5% 的错误率，对外发货的系统可能连 0.5% 都不能容忍。容忍度决定了你应该用多激进的方案。把低风险场景做深，比在高风险场景铺开更能建立信心。
写在最后
AI 是杠杆，不是魔法。杠杆放大的前提是你原本有一个支点——清晰的流程、可靠的数据、明确的指标。先把支点打好，杠杆来了才有地方撬。