流程证据
跟随用户并抽样记录，梳理触发、输入、判断、系统、交接、等待、返工、异常、输出和下游后果。
企业 AI 探索
企业应该怎样找出真正值得做的 AI 机会？
从昂贵或后果重大的运营决策开始，而不是 AI 功能目录。观察真实流程、建立基线、找出限制、测试 AI 能否改变限制，再按照可达价值、证据成本、采用路径和下行风险排序。
作者 Onyx Devs Lab · 发布 · 更新
观察真实工作、决策、异常和基线
诊断限制、干预、数据和采用
排序价值、风险、证据成本和可逆性
找出值得改变的决策
频繁任务不一定有价值，漂亮输出也不一定改善运营。
基线与限制
测量数量、周期、成本、质量、损失、延误、复核负担和差异，找出真正限制，而不是自动化每个可见步骤。
干预适配
判断限制需要确定性软件、流程改变、更好数据、搜索、预测、生成、优化、Agent，还是不需要新技术。
建立可以比较的机会组合
每个候选机会都应该是可以被否证的干预，并有有限的下一步证据。
可达价值
估算可触达范围、采用、节省时间或避免损失、质量影响、实施与运营成本、延迟和归因边界。
可行性与风险
评估代表性数据、标准答案、集成、身份、权限、法律与行业控制、失败后果、可逆性、支持和负责人能力。
学习价值
优先测试能够快速解决重大不确定性并产生可复用知识的机会，即使结果是缩小或停止。
怎样排序 AI 机会组合
收集流程证据
访问负责人和操作人员，观察工作，抽样正常与异常记录，记录实际决策和后果。
写出干预假设
说明用户、触发、基线、建议改变、预期可测量效果、必要数据、失败后果和否证证据。
用范围评分
比较价值、可行性、风险、采用、战略杠杆、证据成本和可逆性，不用单一精确数字掩盖不确定性。
只资助下一步证据
批准有限评估、原型或试点，说明负责人、预算、决策日、验收门槛和停止条件。
常见问题
可以用员工问卷收集 AI 构想吗？
问卷可以揭示摩擦，但需要观察和记录抽样，才能区分主观不便与有价值、可以改变的运营限制。
ROI 估算最高的机会应该先做吗？
不一定；还要看信心、风险、依赖、取证时间、采用、可逆性和收益能否归因。
应该同时试点多少机会？
只做机构能负责、评估、集成和作出决策的数量；少量有证据的组合胜过大量无人管理的演示。