误读一：用不起
门槛往往不在费用，而在没人整理重复动作与知识底稿。怎么做：先用手上工具跑两周真实任务，验证可行再谈付费。边界是涉及客户资料与个人信息时，免费工具同样要评估数据去向，不能因为没花钱就忽略风险。
误读二：必须私有化
私有化适合数据敏感、合规要求高的场景，多数中小企业先用公有服务加脱敏即可起步。怎么判断：看数据能否脱敏、是否涉及个人信息与商业秘密。边界是核心配方、客户名单等资产不宜上传，应通过权限与流程隔离。
误读三：用了就省人
效率提升先体现为交付更快与返工更少，减人取决于业务量。为什么：复核与例外处理仍需人力，初期甚至会增加。边界是不要用减人作为立项理由，否则第一次返工就会被质疑，项目难以持续，也容易被一线理解成承诺。
误读四：照搬大企业
大企业方案包含治理、平台与专职团队，中小企业缺少这些条件，照搬往往只学到采购。怎么做：只借用方法，例如任务拆分、验收指标与接管规则。边界是组织与流程差异大的部分不要照抄，否则执行成本高于收益。
误读五：数据少不能做
少而准的样本对小场景更有效，几十条真实问答就能启动。为什么：小场景边界清晰，评测与复核更容易。边界是样本必须来自真实业务，编造的样例会让系统在真实场景中迅速失效，也会误导验收结论。
适用与不适用
适合谁
- 员工在五十人以内、预算有限的企业
- 对 AI 有兴趣但不确定从哪开始的管理者
- 曾被服务商方案劝退、想重新评估的团队
不适合谁
- 需要完整治理体系与私有化部署的大型企业
- 希望直接获得行业结论、不做任何测试的读者
典型场景
某小型物流公司听说要建数据中台才能用 AI，预算一再推迟。后来改为先用三十条真实客户问询做测试，发现八成问题可由标准答复覆盖，仅需一名调度员复核。项目在两周内启动，成本远低于原计划，也避开了不必要的系统改造。
可执行步骤
- 把内部关于 AI 的典型说法列出来，标注来源、提出人与出现场合。按主题分成成本、数据、组织三类。
- 逐条核对：是费用问题、数据问题还是流程问题。把判断依据写成一句话，附在该说法后面。
- 用三十条真实样本做小测试，记录可用比例、出错类型与人工介入次数。样本需脱敏且来源可查。
- 根据测试结果决定投入方式，并写明本期不做的场景。结论交业务负责人确认后再执行。
- 把结论写成一句话说明，供下一次评估时复核。同时记录当时的成本与任务量，便于日后比较。
常见坑
- 以减人为立项理由，第一次返工就被质疑，项目被迫中止。前期整理的知识底稿也随之荒废，重启成本更高。
- 听说要建平台才能用，预算一拖再拖，错过客户响应速度提升的窗口期。等同行已经稳定交付，追赶更难。
- 把客户名单与报价直接上传到免费工具，未评估数据去向，事后难以补救。客户一旦知情，信任修复很慢。
- 照搬大企业的治理方案，文件齐备但无人执行，反而增加一线填表负担。使用率下降后，又把原因归为员工能力。
自检与验收清单
- 每条说法是否标注来源、提出人与出现场合，便于追溯
- 是否区分费用、数据与流程三类问题并写明依据
- 测试样本是否来自真实业务、脱敏且来源可查、可复核
- 是否写明本期不做的场景、推迟原因与复核时间
- 是否约定复核人、验收方式与复核时间节点，并留档
常见问题
免费工具能用在业务里吗？
可以用于内部草稿与整理，但要注意数据去向与留存。涉及客户资料、报价与合同时，应先脱敏或改用付费的企业服务，并在内部说明哪些内容不得上传，避免事后追责，再决定是否用于正式场景。
数据少是不是没效果？
小场景反而更适合少样本。关键是样本真实、覆盖边界，并有人复核。几十条真实问答足以验证方向，等场景扩大会自然积累更多样本，不必一开始就追求大数据与平台建设。
什么时候应该暂缓？
三种情况建议暂缓：没有可重复的动作、没有能做复核的人、数据完全不能脱敏。此时投入容易变成演示项目，不如先整理流程与资料，等条件具备再启动，少走弯路，避免仓促投入。