坑一：挑最难的场景
选最复杂、最受关注的场景做试点，看起来重视，实际让失败无法归因。为什么难度要适度：试点回答的是这类任务能不能用，难度过高时数据、模型、流程三层原因混在一起，只能得出模糊结论。
坑二：被试者不可复制
从各部门抽调骨干组成试点小组，成绩通常很好，但日常岗位没有这样的人力与熟练度。为什么扩围会回落：骨干的判断力不可复制；试点人员应贴近真实岗位构成，包含新手与兼职人员。
坑三：只有印象没有基线
试点前不记录原流程耗时与错误率，结束时只能靠参与者回忆。为什么基线不能事后补：没有基线的结论过不了任何一次追问，也无法与其他场景横向比较；补基线只需几天，必须在启动前完成。
坑四：范围一路膨胀
试点期间不断加需求、加部门、加功能，观察期被拉长，样本口径也在变。为什么范围膨胀致命：你不知道结果来自哪一项改动。边界是试点期内只允许修缺陷，新增需求一律进待办清单。
坑五：成功即全面推广
试点跑通就宣布全公司推广，跳过了容量、培训与运维的准备。为什么危险：试点往往是小流量、强关注、专人盯，全量后这些条件都不在；合理的过渡是先扩到一个完整部门，再按季度分批推开。
适用与不适用
适合谁
- 正在设计试点方案、尚未启动的团队
- 有过一次不成功试点、需要复盘原因的企业
- 需要向管理层提交试点结论的项目组
不适合谁
- 已进入全量推广阶段、不再需要验证的系统
- 无需验证、仅作技术演示的内部试验
典型场景
某集团第二年在三个事业部推同一套合同审阅助手。第一次试点选了最复杂的海外工程合同，抽调法务骨干操作，六周后结论含糊。复盘后改用常规采购合同，试点人员含两名新入职法务，先记录两周基线，范围在期内冻结；第二次试点结论清晰，扩围按部门分批推进。
可执行步骤
- 回看上一轮试点，逐项标注五个坑里实际命中的是哪几项、影响多大
- 把试点人员换成接近真实岗位构成的组合，并确保其中包含新手与兼职
- 在试点启动之前采集两到三周的原流程基线数据，整理成表后一并留档
- 冻结试点期的范围，新增需求一律只做登记，不进入本期的实施环节
- 扩围按部门分批推进，先补齐容量、培训与运维人力，再逐批放开使用
常见坑
- 把试点当成争取预算的表演，只报好消息，问题被压到扩围后暴露，第二次立项难度成倍增加。
- 试点结论写成三页感受，没有数字、没有对照，管理层无法据此决策，项目在评审会上被搁置。
- 扩围时没有补培训与值班人力，一线照旧回到原流程，使用率两个月内跌到个位数，前期投入基本沉没。
- 同一个试点同时改流程、换系统、调组织，结果无法归因，事后谁也说不清是哪一步起了作用。
自检与验收清单
- 试点人员的岗位构成是否接近真实日常而非抽调骨干
- 启动前是否采集并留档两到三周的原流程基线
- 试点期范围是否冻结，新增需求是否单独登记待议
- 结论是否含数字、对照组与明确的通过或未通过
- 扩围是否分批推进，并先补齐容量、培训与值班
常见问题
上一轮试点已经失败了怎么办？
先区分是场景问题还是设计问题。回看五个坑逐项对照，多数失败能在设计层面找到原因，比如场景过难或人员不可复制；把原因写成一页复盘，换场景重做一轮，比在原场景上继续投入更容易拿到清晰结论。
试点要不要对外宣传？
建议低调推进。过早对外宣传会让试点承载承诺，团队不敢如实报告问题，结论随之失真。内部通报也以事实为主：跑到哪一步、发现了什么问题、下一步怎么改，避免用成功、突破这类无法验证的词。
没有对照数据怎么办？
用同口径的历史记录补一段前后对比，并注明期间的人员与流程变化。若连历史记录都没有，可改用双人盲评：把系统输出与人工结果混在一起交给资深人员打分，比较通过率，这比参与者自评可靠得多。