它先吃进资料
文档、图片、表格、视频、聊天记录、工单、商品资料、业务规则，都可以成为 AI 理解业务的原材料。
01 / First Principle
先记住一句话：AI 是能处理信息、生成建议、执行任务的新型工作能力。
它不是“万能员工”，也不是“自动赚钱机器”。企业真正要用的，是它在具体流程里的能力。
再找规律和上下文
AI 会把资料里的实体、关系、意图、历史案例和业务规则连接起来，形成对当前问题的判断。
最后输出可用结果
它可以生成答复、摘要、报告、脚本、分类标签、风险提醒、流程动作和下一步建议。
上线后继续变好
团队审核、客户反馈、错误案例和业务结果会回写进流程，让 AI 的表现越来越贴近公司真实情况。
02 / How AI Learns
AI 的学习，不是背答案，而是从大量样本里学会“怎么判断”。
资料越干净、越贴近业务，AI 越容易回答得准。混乱、过期、互相矛盾的资料，会让 AI 跟着混乱。
企业常用的做法是让 AI 先查你的内部资料，再根据资料回答，这样可以保留来源，方便人工审核。
一次上线不是终点。被人工改过的答案、被客户追问的问题、被业务证明有效的动作，都应该沉淀下来。
03 / What AI Can Do
别只问“AI 能不能聊天”，它真正有价值的是这六类能力。
识别
读图片、票据、表单、视频、语音和设备信号，把非结构化信息变成字段。
理解
看懂长文、会议纪要、客服对话、政策材料和用户意图，提炼重点。
生成
生成文案、脚本、答复、报告、方案、培训材料和多渠道版本。
检索
从企业知识库里找答案，给出来源、版本、适用条件和风险提示。
预测
根据历史与实时信号预判销量、库存、流失、故障、舆情和风险。
执行
在人工授权下触发工单、发提醒、更新 CRM、生成清单或推动流程。
04 / Into Business
企业落地 AI，不能只做一个聊天框。要让它进入工作流。
选一个真实问题
客服重复问、资料难找、内容产能低、质检太慢、工单没人盯，都比“我要做 AI”更适合开始。
准备可用资料
FAQ、产品资料、流程图、标准话术、合同模板、历史工单和业务规则，是第一期试点的燃料。
设定人审边界
哪些可以自动生成，哪些必须人工确认，哪些绝对不能让 AI 承诺，要在上线前写清楚。
接进系统和指标
把 AI 放进客服、CRM、社群、工单、内容后台或数据看板，并用响应时间、转化率、错误率来验收。
05 / Good First Projects
第一期试点，老布通常会优先推荐这些场景。
知识库客服助手
适合 FAQ 多、产品资料多、客服新人培训慢的团队。先让 AI 根据资料回答，再由人处理复杂问题。
验收：响应时间 / 转人工率 / 答案准确率内容与上新协作台
适合商品、品牌、课程、活动频繁上新的业务。AI 生成初稿，人负责审美、合规和最后判断。
验收：内容产能 / 返工率 / 发布周期流程提醒与工单助手
适合内部流程靠人盯、资料散、跨部门交接慢的公司。AI 帮你看状态、补清单、催节点。
验收：超时率 / 闭环率 / 人工跟进时间风险质检与复盘台
适合销售话术、合规审核、售后投诉和运营复盘。AI 先预筛风险，人再做判断和处理。
验收：发现提前量 / 命中率 / 整改闭环率
06 / Guardrails
好用的 AI，一定要可控。尤其是企业场景。
回答要能追溯到文档、政策、商品资料或历史记录，不能只凭模型“感觉”。
不同岗位看到不同内容，AI 能查什么、能改什么、能发什么必须分清。
金额、合规、医疗、金融、合同、对外承诺等关键动作必须保留人审。
每次生成、修改、发送、调用工具都要有记录，出了问题能追溯、能撤回。
