企业 AI 为什么卡在 Demo:先证明一个流程,再谈规模化

从客户痛点选出一个流程,开发前明确权限、责任、基线和评测;用真实数据取得证据,再决定是否扩大投入。试点留下的知识与运行能力,让下一个流程更容易起步。

作者:Mark Ajzenstadt09-05 · 约 16 分钟
🎧 听播客版0:00 / --:--
0:00 / --:--
深度 · 小互解读
一分钟速览
  • 企业 AI 卡在 Demo 与生产之间,通常不是模型不会回答,而是没有选定边界清楚的流程、预先约定证据,并让试点结果通向明确决策。
  • 第一个流程应从客户等待、抱怨或流失的环节向内寻找;缺少真实用户、真实数据、可签定基线或明确所有者的候选项,在开发前就应淘汰。
  • 基线、黄金集和失败标准必须先于 Agent;随后用真实数据与旧方式并行试跑 2–4 周,同时测吞吐、质量和经济性,再决定继续、调整、停止或扩展。
  • 权限和负责人从开发前就要明确;证据支持扩展后再完善生产部署与运营交接。留下的上下文、评测和运行经验,让下一个流程不用从零开始。

企业在 AI 上最容易产生的错觉,是把“能演示”当成“值得部署”。Mark Ajzenstadt 在六周内与 20 位私募股权基金的运营合作伙伴交流后发现,大多数被投企业已经会用 AI 起草邮件、整理会议纪要,却说不清怎样把它放进真正影响客户和经营结果的工作流。

这道鸿沟有两个时间尺度:做出一个漂亮 demo 可能只需一周,证明它达到生产质量却可能耗上六个月。问题通常不在模型能不能回答,而在企业一开始就跳过了三件事:没有先找到一个边界清楚的流程,没有在开发前约定什么算有效,也没有让试点结果通向明确的继续或停止决策。

Ajzenstadt 是 AI 交付服务商 Limestone 的创始人。他提出的“AI 转型闭环”从一个客户痛点出发:筛出边界清楚的流程,在开发前约定基线和评测,用真实数据验证最小切片,再决定是否扩大投入。数据权限和负责人从一开始就要明确;证据支持扩展后,再完善生产部署与运营交接。每跑通一次,留下的上下文、评测、基础设施和业务知识又会降低下一次的成本。

第一步:从客户等待处找到一个合格流程

直接问业务团队“你们有哪些 AI 用例”,往往得不到好答案。运营人员每天在服务客户、维护关系和处理例外,客户也不会主动提出“下季度请给我 AI”。让一线人员暂停业务、凭空发明一张 AI 路线图,起点就错了。

更可靠的办法是从客户向内追:先找客户在哪个环节等待、抱怨或离开,再检查产生这次体验的工作、数据、证据和负责人。原文把这套检查拆成五个视角。

五个候选工作流筛选视角

  1. 客户交互:找到会改变客户结果的地方。它可以提供过去没有的洞察,把几天的等待压到几分钟,或让产品在两次发布之间继续改进。Ajzenstadt 特别提醒,开户、资料审核和新客户接入这类 onboarding 环节经常被低估;客户迟迟用不上服务,就是值得向内追查的入口。
  2. 背后的工作:把步骤分成确定性、判断密集、例外驱动和关系依赖。机器适合接手确定性步骤、为判断准备材料;人继续负责决策、批准和例外。如果大部分工作依赖复杂判断或客户关系,就把它留到后面的试点,先选更容易建立清楚验收标准的流程。
  3. 上下文:确认事实存在哪里、由谁负责、字段究竟代表什么、敏感级别如何。若公司内部没人说得清数据含义,定义数据就是第一项工作。
  4. 证据:检查今天能否测量工作单元、处理量、周转时间、人工触达时间、返工、例外率和单位成本。没有当前基线,试点结束后就无从证明发生了什么变化。
  5. 所有者:提前指定流程负责人、数据负责人和高管赞助人。没有人愿意在试点后接手运行,也没有人愿意依据证据作出继续或停止的决定,这个流程就不合格。

企业可以先找出 3–5 个候选流程,再按价值、可行性、风险和后续复用价值排序,只选一个开始。没有真实用户、真实数据、可签定的基线或明确所有者,应该在开发前淘汰;“重新设计整个组织”这种无法在短周期内验证的目标,同样不合格。

选定后,要与实际操作者走一遍流程,收集代表性案例、例外、权限和未写下来的专家判断。先访谈,再盘点技术;在阅读代码之前,先问清每份数据由谁负责、字段究竟代表什么。Ajzenstadt 还要求写下一个业务结果和明确的非目标,因为团队很容易在第二周把一个小试点扩成整套系统。

第二步:在 Agent 之前签下基线和评测标准

Ajzenstadt 的十步法,关键不在“十”这个数字,而在动作不能颠倒。看过模型答案后才挑指标,人会自然保留模型擅长的部分;试点结束后才补基线,则无法判断变化究竟来自哪里。基线、黄金集和关键失败类别必须先于 Agent 存在。

双方先签下当前工作量、周转时间、人工处理时间、质量与返工、例外率、运行成本,以及用多长的窗口测量。今天怎样做、做到什么水平、改进怎样计算,都要在试跑前说清。

这里的“黄金集”是一组由客户自己的专家确认过结果的真实任务。评测还要包含这个业务最不能接受的失败,例如数字错误、受保护数据泄露,或在数据缺失时表现出虚假确信。成功案例和关键失败都进入标准,试跑结果才有资格进入决策。

这项准备需要企业内部的人参与。按 Limestone 的“证明月”安排,高管赞助人每周投入 30 分钟并在关口作决定,流程负责人每周投入 2–4 小时参与走读和验收,数据负责人在开始时投入 1–3 小时。供应商能开发系统,业务目标、字段含义和正确答案仍要由企业自己确认。

这也划出了预算边界。Limestone 自报的交付组合是一名带 Agent 的驻场开发工程师加一名兼职架构师,每月 15,000–20,000 美元;另一个运营 Agent 项目处理四组客户数据的基础设施费用约为每月 250 美元。两笔数属于不同口径:基础设施账单并不包含开发、验收和组织接手的全部投入。其不收前期诊断费、按月合作、首月不满意不付费的条款,是这家服务商的商业承诺,不能替代客户自己的验收标准。

Ajzenstadt 对证明月还有一条具体纪律:每项活动都必须留下一个决定、一个经过检验的假设、一个可运行增量或一项可复用资产。无法产出其中任何一项的活动,就不值得占用团队时间。这让走读、会议和开发都围绕实际结果展开。

第三步:并行试跑 2–4 周,让证据决定去留

试点不应一开始就替人作最终决定,也不应直接写入记录系统。更稳妥的最小切片是:Agent 给出建议,一名被明确指定的人作决定;它使用真实数据,与旧方式并行运行,每一次执行都留下别人能够检查的轨迹。

这 2–4 周需要同时回答三个不同的问题:做得更快了吗,做得更好吗,算上全部投入以后值得吗?

度量 需要看什么 不能偷换成什么
吞吐 每个周期完成多少工作、周转时间和人工触达时间 “跑得更多”不能单独证明交付更好
质量 首次通过率、返工、人工覆盖、事故和关键失败类别 平均正确率不能遮住隐私泄漏、缺数据时虚假确信等尾部风险
经济性 单位运行成本,以及经验证的产能价值、避免返工、增量产出和风险调整后的避免损失 节省工时不能直接写成现金;还要扣除云、模型、支持和组织变革成本,并用区间报告

原文引用 Faros AI 对 22,000 名开发者的 2026 年遥测数据提醒读者:任务吞吐量提高 33.7% 的同时,每名开发者的缺陷增加 54%,每个 PR 的事故增加 242.7%。这组数字不能预测任何一家公司的结果,但它清楚说明,速度和质量必须分开测量。

试跑的出口有四个:继续、调整、停止或扩展。若结果没有越过事先签下的基线,四周后停止就能保住后续预算。需要调整时,应修改实现或流程方案,再按预先约定的标准验证;不能因为结果不好就降低门槛。如果任务范围本身变了,则需要重新明确验证条件,不能把新旧结果当作同一次比较。

图中把“试跑”和“三类度量”放在同一阶段:证据在运行中持续积累,最后由业务方与交付方共同决定下一笔投入。

试点怎样决定下一步

先取得证据,再决定投入

权限与负责人从起点明确;试跑结束后有四种去向。

  1. 选定一个流程

    从客户痛点向内走读,锁定真实用户、数据、负责人和非目标。

    留下:边界清楚的工作与一个业务结果
  2. 预设基线与评测

    双方签下当前表现和测量窗口,由客户专家确认黄金集与关键失败标准。

    留下:开发前就确定的验收依据
  3. 真实试跑,同时度量

    与旧方式并行运行 2–4 周。Agent 提建议,人作决定;暂不写入记录系统。

    留下:吞吐、质量、经济性与可读执行记录

按预先约定的标准,共同作决定

继续
在当前范围内继续验证,持续积累证据。
调整
修改实现或流程方案 → 再试跑;不因结果差而降低门槛。
停止
结束本次试点,保留证据,停止追加投入。
扩展
证据支持扩大投入 → 完善生产部署与运营交接。持续评测 · 稳定托管 · 回退与成本上限 · 操作培训

扩展并完成交接后,将上下文、评测与运行经验带入下一个流程。

三类度量贯穿试跑。四种决定通向不同动作,部署扩展只属于其中一条分支。

证据支持扩展,再完善生产部署与运营交接

一个通过试点的 Agent 仍需要稳定调度、观测、集成、失败回退、成本上限和持续评测,才能进入日常运营。每次修改都要重新评测,部署位置也不能依赖某位工程师的电脑。原文的七级采用阶梯,描述了从个人工具走向组织系统时需要具备的能力。

阶梯的位置不意味着可以推迟基础权限管理。Ajzenstadt 明确要求知识结构从第一天就有基于角色的访问权限;数据所有者、敏感级别和试点负责人也在开发前确定。试点过关后增加的是生产运行与扩展所需的保障,前期仍要守住数据和权限边界。

七级 AI 采用阶梯

级别 增加的能力 常见状态
1 工具采用 人逐个启动 AI 工具;人休假或合上电脑,自动化随之消失
2 上下文层 部门知识分域管理,用明确接口跨部门查询,减少语义串线
3 评测、路由与质量门 先定义标准和分流,再选择模型;更换模型不必拆掉整套系统
4 脱离个人电脑的托管执行 按时间或条件触发,无需某个人每天登录后才开始
5 治理 知识结构有基于角色的权限,Agent 有生命周期;久不使用或评测下降的能力被退役
6 Agent 之间的交接 一个 Agent 的输出交给下一个,中间设有质量门
7 半自动或全自动工作流 Agent 处理大量常规任务,人集中处理例外和高风险判断

很多公司还停在第 1 级,却已经采购第 7 级的自动化能力。真正的卡点往往是第 4 级:先把脚本从个人电脑迁到能稳定触发、留下日志、处理失败并有明确所有者的服务上。没有稳定运行的服务,多 Agent 之间的交接也无法成为可靠的日常流程。

治理还需要具体的退出规则。Ajzenstadt 建议为每个 Agent 设置寿命,工具超过 100 个时落实生命周期管理,90 天未运行的能力退役,评测低于门槛的能力淘汰。这些是作者提出的管理规则;关键是有人负责停用过期能力,避免废弃 Agent 仍持有可用密钥。

最后要培训操作者、交付操作手册,并把能力嵌入已有流程。人的角色从逐个启动工具,转向验收结果、作出判断和处理例外;每次专家修正再回到黄金集。明确负责人只是起点,团队真正会用、会判断、能持续维护,才完成运营交接。

三个案例说明闭环能做什么,也说明它证明不了什么

Ajzenstadt 提供了三个客户案例。它们可以用来观察前面的闭环怎样运行,却不能直接证明这套方法会在所有企业产生同样回报:客户没有具名,原始基线、完整评测集和第三方复核材料也没有公开。

场景 闭环怎样运行 作者报告的结果 不能外推的部分
医疗账单拒付查询 用客户真实问题和专家答案建立黄金集,六周后由客户产品技术负责人验收 首次部署 59/60,拒付案例 15/15;在线数据库结构迁移后保持 97% 正确率,关键问题能对账到分 Agent 只提建议,由人决定,不写入记录系统;评测集没有公开
物流平台账单重建 第一周不写代码,每项功能先有规格,每次合并前设置人工门 两名工程师在 90 天合并 122 个 PR,104 个少于 5 条审查意见,比客户估计早 50% 交付 软件开发的输入和验收门相对清晰,证据深度高于许多运营工作
硬件制造商试点 与规模约为 Limestone 十倍的另一家公司并行试跑四周 客户 CTO 认定 Limestone 表现更好,并规划先 50/50 共同交付,再到其他十个 Scrum 团队的 80/20 分工 没有公开统一量表;“表现更好”是客户 CTO 经作者转述的判断

原文也明确承认,企业不可能在一至三个月内完成转型;软件工程的证据最深,因为输入、测试和人工门相对明确。离开软件和简单重复流程后,没有放之四海而皆准的“明显用例”,每一种判断或关系密集的工作都要重新建立自己的基线、黄金集和失败标准。

这些限制没有削弱闭环,反而说明了它的用途:它不承诺事先知道答案,而是让企业用一个可控周期获得足够证据,决定是否继续投入。

真正的复利,是下一个流程不用从零开始

第一个流程的价值不只是一笔可能出现的节省。只要闭环完整跑过,企业会留下四类可以直接带进下一次试点的资产:

  • 上下文层:数据定义、所有者、敏感级别和跨部门边界已经明确。
  • 评测框架:黄金集、失败类别、路由逻辑和质量门可以扩展。
  • 托管基础设施:调度、日志、回退、安全审查和成本上限不必从零搭建。
  • 业务所有权:操作手册、审批关系和负责人已经进入日常运营,专家修正还会继续回流到黄金集。

模型会更换,今天流行的 Agent 框架也可能在下个季度被淘汰。工作流知识、评测标准、托管能力和运营责任却仍属于企业。正因为这些资产会保留下来,第二个流程才能从第一个流程已经达到的位置出发。

从客户正在等待、抱怨或流失的地方找出 3–5 个候选项,用五个视角选一个;在开发前明确权限、责任、基线和评测,用真实数据并行试跑 2–4 周;让吞吐、质量和经济性共同决定继续、调整、停止或扩展。证据支持扩展后,再完善生产运行与交接,把每次证明留下的资产带到下一个流程。

来源
the AI transformation loopMark Ajzenstadt·2026-09-03·查看主材料
本站说明
Mark Ajzenstadt 同时是 AI 交付服务商 Limestone 的创始人;文中客户案例、成本与评测数字均为其自报。
↑ 正文结束
✓ 本篇全文免费开放

会员可复制、下载全文 Markdown,还能让你的 AI 订阅和提问。

阅读原文 ↗
📮 新解读第一时间进邮箱

读完觉得有用?留个邮箱,每篇新解读发布就送达,随时退订。