Enterprise AI playbook

企业AI如何落地

从业务流程和财务基线开始，用阶段验收控制成本，再决定模型与技术架构。

规划口径更新：2026-07-16

Value before model

AI项目的起点不是模型，而是可测量的业务流程

先建立任务量、耗时、错误率、等待时间和人工升级率的现状基线，再决定是否需要知识库、工作流自动化、Agent或更强模型。

Planning ranges

人民币含内部与外部实施工作量的规划区间；行业页会叠加复杂度系数。

小型企业

一次性实施

¥0.8万—4万 / 月员工少于200人；先做1个高频、低风险流程

中型企业

一次性实施

¥5万—25万 / 月员工200—2000人；2—4个场景、跨2—5个部门

大型企业

一次性实施

¥30万—150万 / 月员工2000人以上；多业务单元、多系统和集中治理

基线假设：使用公有云API、1—5个优先场景、现有数据质量基本可用、轻量接入现有系统。不含自建GPU、核心系统重构、历史数据治理补课、许可证、税费和驻场采购。

Business case

当前成本 = 任务量 × 单次耗时 × 综合人工成本释放产能 = 当前成本 × 时间节省比例 × 实际采用率净月度价值 = 可实现产能价值 − 月度运行成本静态回收期 = 一次性实施投入 ÷ 净月度价值

需要额外记录质量、等待时间、风险损失和收入贡献。释放工时只有在减少加班/外包/新增招聘，或被重新投入更高价值工作时，才可能形成财务回报。

Scale design

业务负责人兼产品负责人，优先采购成熟工具或API；避免先建平台。每周复盘10—30条失败任务。

建立轻量AI工作组，统一身份、知识库、模型网关、日志和评测；业务部门负责场景与采用。

集中管理风险、数据、模型目录和监控，业务单元拥有流程改造与价值指标；设置分阶段资金门。

Industry plans

每个页面可切换企业规模并编辑任务量、耗时、采用率和人工成本。

Public references

公开研究用于确定“流程重构、KPI、治理和持续评估”的方法，不用于推导本页人民币成本区间。