- 企业用 AI，可归结为四个问题：为什么用、用在哪里、如何运作、如何落地。挑选工具之前，先按这个顺序回答。
- 从一个部门里每天重复的一项工作开始，并在开始前记录这项工作的数字。
- 正式上线前，要明确这项工作的负责人、需要人工审批的环节，以及哪些数据可以交给 AI。
- 企业主和 IT 部门的阅读顺序不同，第一项工作应由双方一起决定。
企业用 AI，从四个问题开始
多数企业主先问该买哪个 AI 工具，IT 部门先问怎样接入现有系统。两个问题都重要，也都提得太早。挑选工具之前，公司要先回答四个问题：为什么用、效果如何衡量，用在哪项工作上，系统如何运作，以及如何落地。
本指南共九章，本章是总览地图，其余八章依次回答这四个问题。
为什么：可以用数字衡量的效益
第一个问题是 AI 能改善什么，以及如何确认确实改善了。可衡量的效益大多来自每天重复的工作：需要重新录入系统的单据，每次都用同样方式回答的客户问题，以及压在桌上的审批。
第 1 章企业应用 AI 的 7 项效益，每项都能用数字衡量把效益分成七项，逐项说明衡量什么、开始前如何记录基准。可对照阅读您的企业每月在人工作业上花掉多少钱？。这些数字就是日后管理层追问的投资回报率（ROI）的基础。
用在哪里：各部门的工作
确定了衡量什么，下一个问题是用在哪里。销售希望报价发得更快。财务希望不再重新录入泰文发票。采购希望更快比较供应商报价。人事希望员工能自己查到福利方面的答案。
第 2 章按部门看企业 AI 应用场景：销售、财务、采购、人事汇集各部门的例子，区分今天就能用 AI 的工作和要等数据准备好的工作。如果要选第一个部门，评分方法见想降低人力成本，应该先在哪个部门用 AI？。
如何运作：LLM、RAG、智能体与系统架构
这部分常被跳过，签约之后又会遇到。企业主应当了解 AI 系统由哪些部分组成，因为每个部分的成本和风险各不相同。
第 3 章AI 应用如何运作：用真实应用讲清 LLM、RAG 与 AI 智能体讲解三个核心部分。LLM 是能读能写的语言模型。检索增强生成（RAG）让系统在回答前先检索公司文档，使答案来自贵公司的数据。AI 智能体（AI Agent）接下一项工作后，打开所需的系统直到把它做完。
第 4 章企业 AI 系统的 7 层架构：IT 部门动手前要定的事写给 IT 部门。一个 AI 系统有七层，从 LINE 官方账号这样的渠道，到模型、数据、管控和效果衡量。每一层都有动手前要定下来的问题。如果客户数据不能离开公司，可以选择私有大模型（Private LLM），详见数据不能离开公司的企业，有哪些私有化 AI 方案。
第 5 章AI 智能体、Agentic AI 与生成式 AI 有何区别厘清供应商方案里常见的三个词。生成式 AI 起草后即止。AI 智能体在您授予的权限内做完一件事。智能体式 AI（Agentic AI）在人设定的范围内协调多个步骤和系统。本章有对比表，也说明什么时候普通聊天机器人就够用。
如何落地：定规则、改变工作方式、选开发方
最后一个问题有三章，因为落地是并行推进的三件事。
第 6 章企业 AI 使用规范怎么写：符合泰国 PDPA 的十个条目应在第一个系统上线前阅读。很多公司的员工已经在用 IT 部门不知道的 AI。一页纸的规范写明哪类数据可以放进哪个工具、新工具由谁批准、有人出错时怎么处理，以及泰国《个人数据保护法》（PDPA）要求的条目。
第 7 章AI 转型是什么：从哪里开始，头 90 天做什么把购买工具和改变工作方式分开来看。AI 转型是把 AI 放进日常工作，改变流程、角色和衡量结果的方式。本章说明头 90 天应以什么收尾。分阶段的计划见写给企业主的 90 天计划：把公司变成 AI 优先的企业。
第 8 章委托开发 APP 和 AI 系统前的 20 个常见问题汇总买方签约前会问的问题，分为四组：价格与工期、范围与技术、合作方式、交付之后。对每家开发方都用同一套问题。公司这边要先准备什么，见聘请 AI 开发公司之前要准备什么。
模拟案例
佛统府一家家族经营的冷冻食品厂（公司名称与细节均为虚构）向餐厅供货。第一季度，管理层先回答“为什么”和“用在哪里”，记录销售人员通过 LINE 接单、再录入系统所花的时间。第一项工作选定为接单，因为它每天重复，而且销售主管愿意担任负责人。
第二季度，IT 部门发现旧的销售系统没有 API，先做了接口。公司同时发布了一页纸的使用规范，因为已经有员工把客户名单贴进个人用的 AI 聊天应用。第三季度，智能体开始通过 LINE 官方账号接单，生成销售订单草稿，由销售人员确认。第一个错误出在单位上：客户按箱下单，系统却记成按袋。团队于是加了一条规则，单位不清楚时就回问。第四季度，公司把数字与年初的记录对比之后，选定财务的供应商发票作为第二项工作。
按角色选择阅读顺序
企业主和 IT 部门要做的决定不同，阅读顺序也不同，最后在选定第一项工作时汇合。
四个问题的地图
- 为什么 第 1 章。产出：要衡量的工作在开始前的数字
- 用在哪里 第 2 章。产出：一个部门的第一项工作，以及负责人的名字
- 如何运作 第 3、4、5 章。产出：要连接的系统，可以离开公司的数据，以及工作的层级
- 如何落地 第 6、7、8 章。产出：一页纸的规范，90 天计划，以及问开发方的问题
企业主的阅读顺序： 第 1、2、5、7、6、8 章
IT 部门的阅读顺序： 第 3、4、5、6、8 章
阅读规则： “为什么”还没有数字，就先别选工具。
| 章节 | 谁应该读 | 回答的问题 | 支持的决定 |
|---|---|---|---|
| 1 企业应用 AI 的 7 项效益 | 企业主、财务负责人 | AI 能改善什么，如何衡量 | 开始前先测哪些数字 |
| 2 按部门看 AI 应用场景 | 企业主、部门主管 | 我们部门哪些工作能用 AI | 第一项工作及其负责人 |
| 3 AI 应用如何运作 | IT 部门、管理层 | LLM、RAG 与 AI 智能体有何不同 | 第一项工作需要哪些部件 |
| 4 企业 AI 系统的 7 层架构 | IT 部门 | AI 系统要连接公司里的什么 | 用哪种模型、数据放在哪里、由谁审批 |
| 5 AI 智能体、Agentic AI 与生成式 AI | 企业主、IT 部门 | 开发方提供的是哪个层级 | 第一项工作应处于哪个层级 |
| 6 企业 AI 使用规范 | 人事、法务、IT 部门 | 按 PDPA，哪些数据可以交给 AI | 一页可以发布的规范 |
| 7 AI 转型是什么 | 企业主、高层管理者 | 与买工具有何区别 | 头 90 天以什么收尾 |
| 8 委托开发前的 20 个常见问题 | 企业主、采购部门 | 签约前该问开发方什么 | 用可比较的答案选择开发方 |
什么时候可以开始搭建
与开发方沟通前，先对照这份清单。缺哪一项，就回到回答这一项的章节。
- 已在一个部门选定第一项工作，并写明负责人的名字
- 已记录这项工作开始前的数字，例如每件耗时
- 清楚这项工作要用到哪些系统，以及这些系统有没有 API
- 已就哪些客户数据可以离开公司、哪些必须留在公司内部达成一致
- 有员工知道的 AI 使用规范，哪怕只有一页
- 已确定哪些环节需要人工审批，由谁审批
- 有一套对每家开发方都问的同样问题
我们如何沿着这条路径与您合作
本指南里的这条路径，就是 DNA Maker 与客户合作的方式。我们先听每天做这项工作的人讲，因为系统必须遵守的规则来自他们的经验。我们把听到的内容写成业务步骤、规则、每一步用到的数据，以及需要人来判断的节点。这个咨询阶段回答地图上的前两个问题；如果某项工作还不适合用 AI，我们会直接说明。
第一项工作确定后，开工前先固定范围和价格。界面原型经您确认后，我们分成短周期开发，每周演示一次，由资深工程师审核，再经过测试正式上线，之后培训员工，并按月提供维护。参与项目的都是 DNA Maker 自己的团队，不外包。我们为泰国的银行、医院和大型企业集团做过这类工作。详情请看AI 转型咨询和AI 应用开发页面，也可以在聊天页把您的工作告诉 Dream，几分钟内得到初步估算。
SOFTWARE ENGINEERING GLOSSARY
软件工程术语表
| 术语 | 是什么 | 通俗示例 | 高管应问开发团队的问题 |
|---|---|---|---|
| LLM | 能读写文字的大语言模型 | 在 LINE 官方账号里为客户起草回复的部分 | 我们用的是哪个模型？能否更换？ |
| 检索增强生成（RAG） | 让系统回答前先检索公司文档的方法 | 员工问请假规定，系统按最新的人事规章回答 | 文档更新后，由谁更新系统？ |
| AI 智能体（AI Agent） | 接下一项工作，在授予的权限内把它做完的软件 | 智能体从 LINE 官方账号接单，生成销售订单草稿 | 这个智能体能接触哪些系统？权限由谁授予？ |
| 投资回报率（ROI） | 收益与投入资金的比较 | 每月节省的工时对比系统费用 | 我们开始前的数字是什么？由谁来测？ |
| 私有大模型（Private LLM） | 在公司自己的环境里运行的语言模型 | 客户数据不离开公司的服务器 | 我们哪些工作真的需要私有大模型？ |