选场景：高频且可收敛
优先挑发生频率高、输入格式相对稳定、错误代价可控的任务。为什么不是挑最难的场景：试点要回答的是能不能用，而不是极限在哪；难度过高时失败原因无法归因，是数据不够、模型不行还是流程没改，说不清就等于白做。
假设要写成可判定句
把提升效率改写成在同样工单量下单件处理时间的中位数下降，且错误率不上升。为什么必须可判定：含指标、范围、基准与时间窗，试点结束时才有明确的通过与不通过，而不是各说各话。
设对照，别只看前后
同期找一组未使用系统的同类任务作对照，或做前后各两周的同口径对比。为什么不能只看前后：前后对比会把季节性与人员变化混进结论；对照组要在同一业务同一时段，并记录构成差异。
样本量与观察期
样本太少，任何波动都能被解释成成功或失败。怎么做：覆盖一个完整业务周期，每类任务至少积累到能看出错型分布的量；观察期跨过月末、周报或排班轮转，结论才不会被单一时点带偏。
先定停止与扩围条件
试点开始前就写明什么情况暂停、什么情况扩围，并约定谁有权决定。边界在于：判断由客户方业务负责人做，我方提供数据与说明；把退出条件写清楚，试点不成功时双方也不必陷入长时间的拉扯。
适用与不适用
适合谁
- 准备投入建设前、需要先验证可行性的企业
- 有多条候选场景、需要排序取舍的团队
- 愿意按事先约定判据下结论的决策者
不适合谁
- 已经承诺上线日期、试点只是走流程的项目
- 无法提供真实任务样本与真实使用人员的场景
典型场景
某物业公司的报修工单分类场景做试点。团队把假设写成「单件录入时间中位数下降且错分率不升」，选两个片区做对照，一个用系统一个维持原流程，观察期六周并跨过一次月末结算。第五周数据显示漏分类集中在弱电类，试点组据此补了知识条目，第六周由运营总监决定扩围。
可执行步骤
- 先把候选场景按发生频率、输入稳定性与错误代价三项打分，再排序
- 把假设写成同时含指标、适用范围、比较基准与时间窗的可判定句子
- 选一组同类任务作对照，同时记录两组的人员构成与任务构成上的差异
- 确定样本量、观察期与跨周期的安排，主动避开业务大促与长假前后
- 书面约定暂停与扩围的具体条件，并明确由谁在什么时点上做出判断
常见坑
- 挑最难的场景做试点，失败后无法归因，团队得出 AI 不适合自己的结论，实际只是场景选错。
- 没有对照组，前后数据又被季节性拉高，结论站不住，扩围后指标回落，管理层对项目失去信心。
- 范围在试点过程中不断加需求，观察期被拉长两次，最后既没有拿到可靠结论，也没能按期收尾。
- 试点团队由各部门抽调骨干组成，成绩漂亮但日常岗位复制不了，扩围后效果明显回落，投入被质疑。
自检与验收清单
- 场景是否按频率、稳定性与错误代价排序后选定
- 假设是否同时含指标、范围、比较基准与时间窗
- 是否设有同期对照组，并记录两组人员与任务构成
- 观察期是否覆盖一个完整业务周期并避开大促
- 暂停与扩围的条件是否已书面化，并明确决策人
常见问题
试点要花多久？
准备两到三周，运行四到六周，复盘一周，整体按两个月左右安排比较常见。时间主要花在找样本、对齐口径和等一个业务周期上，不在技术本身；把准备阶段压缩掉，运行阶段往往要返工，总时长反而更长。
试点一定要设对照组吗？
条件允许时建议设，尤其是效果容易受季节与人员变化影响的业务。实在无法设对照，至少做前后各两周的同口径对比，并记录期间的人员、政策与流程变化，在结论里注明这些干扰因素。
试点不成功怎么收场？
按事先约定的停止条件退出，把样本、观测记录与结论整理成一页说明，写清失败发生在哪个环节、什么条件下可能成立。失败结论同样有价值：它避免了一次更大的错误投入，也为下一次选题提供依据。