写给企业主的 90 天计划：把公司变成 AI 优先的企业

1. 能赚钱的 AI 优先（AI-First），要从运营模式（Operating Model）入手

AI 优先这个说法已经说滥了，结果往往是给每个人买一套工具，然后指望情况自己变好。真正拉开差距的做法，是挑一个明知在亏钱的流程，把它改进到效果可以量化为止。

给员工发工具，也许能提高个人效率，但公司的步骤、交接和人数都还是老样子。组织层面的 AI 优先，是重新设计流程：数据自动流转，标准工作交给系统处理，人负责例外情况和最终结果。

90 天里，不要承诺改造所有部门。现实的目标是在生产环境中跑通一两个工作流，定下数据、安全和效果衡量方面的标准，同时排好下一批项目。这样公司就具备了持续变革的能力；单办一轮培训，办完也就结束了。

2. 开始计时之前的五条管理原则

第一天开始之前，先就两件事达成一致：用哪个数字来判断成败；数字不达标时，谁有权叫停项目。这两点不清楚，90 天就会在争吵中结束。

1. 业务成果优先：每个应用场景（Use Case）都要与收入、成本、速度或风险挂钩，不能因为演示看着有趣就批准。
2. 一次只做一个流程：选一条完整的工作路径，不要到处做小工具，最后什么都衡量不了。
3. 由人承担责任：AI 没有可以问责的职位，KPI 和事故（Incident）仍由流程负责人负责。
4. 安全前置（Security by Design）：权限、数据、日志以及系统可执行操作的范围，必须在进入生产环境之前定好。
5. 凭证据扩大规模：质量和投资回报率（ROI）达标后，再增加用户、权限和预算，绝不因为压力而扩大。

成立一个小型指导小组（Steering Team），成员包括企业主或项目发起人、流程负责人，以及负责数据、技术和安全的人，按固定节奏开决策会。不要搞一个庞大的委员会，人人都有否决权，却没有人对结果负责。

3. 第 1–15 天：测量基线，选好第一个突破口

第 1–5 天：宣布业务目标，比如不增加人手也能多处理 50% 的工作量，或者把回复客户的时间从四小时缩短到 20 分钟。临时划定允许使用的数据和工具范围，并提供一个安全的试验渠道，防止出现影子 AI（Shadow AI）。

第 6–10 天：请每个部门提出最多三个流程，附上工作量、用时、成本和负责人。按工作量、数据准备程度、结果是否容易核查以及风险来打分，选出一个主项目和一个备选项目。

第 11–15 天：画出流程图，实地计时，收集 50–100 个样本案例，做出低、中、高三版商业论证。写下可衡量的目标，包括质量和成本方面的护栏（Guardrail）。明确哪些由系统做，哪些由人检查，什么情况下必须全部停下。

4. 第 16–30 天：做一个验证假设的试点

先用影子模式（Shadow Mode）运行：系统接收真实工作，与员工同步产出结果，但暂时不对外发送任何内容，也不执行任何操作。比较双方的答案、用时和差错类型。只用历史数据测试是不够的，因为看不到实时数据的状况和用户的实际行为。

建立评测集，涵盖标准案例、信息不全的案例、非正式用语、相互矛盾的信息和高风险案例。按任务要求衡量准确性，别凭“答案看起来不错”的感觉，比如五个字段都填齐了，价格取自正确的系统，审批路径也选对了。

这个阶段，不要有求必应地加功能。把需求分成三类：KPI 必需的、安全必需的，以及可以以后再做的便利功能。产品负责人（Product Owner）必须守住范围，这样试点才能回答核心做法值不值得继续。

5. 第 31–60 天：把试点变成有人负责的生产系统

第 41–50 天：开放给一小批用户使用，系统生成草稿，每一份都由人审批。分类收集反馈，比如数据错误、规则错误、用语不当或源系统没准备好。针对原因修正，不要什么问题都去改提示词。

第 51–60 天：只对有几周证据支撑的标准案例开启直通处理（Straight-through）。抽查自动完成的工作，并组织一次事故演练（Incident Drill），检验团队能否停下系统、回溯查明经过，并转为人工继续工作。

相应更新 SOP（标准作业程序）和岗位说明书。如果员工每次还要“为了保险起见”把旧步骤再做一遍，节省就永远不会出现。要商定新的检查点，系统稳定后，停用并行的文件和报表。

6. 第 61–90 天：兑现价值，有纪律地扩大规模

第 71–80 天：构建可复用组件（Reusable Components），比如权限系统、Connector、模板、评测、监控和审批规范。把数据和变革管理（Change Management）方面的经验教训记录下来，让下一个项目不必从零开始。

第 81–90 天：根据数据选出下一个应用场景：可以扩大现有流程的覆盖范围，也可以把实施手册搬到其他部门。把项目组合（Portfolio）分成“现在做”“接下来做”“以后再做”三档，拒绝没有负责人或算不出 ROI 的项目。

7. 中型企业需要的团队和治理（Governance）

不必设立庞大的 AI 部门，但每个系统都要有业务负责人（Business Owner）、技术负责人（Technical Owner）和数据负责人（Data Owner），并指定谁审批风险、谁接收事故报告。即使请外部团队开发，业务和数据方面的责任也必须留在公司内部。

建立一份 AI 系统登记册，写明每个系统的负责人、用途、数据、模型、权限、服务商、费用和复审日期，防止工具四处蔓延却没人管。员工离职或供应商更换时，公司依然清楚哪个系统负责什么。

8. 企业主每月应该看的仪表盘

定期复审每个 AI 系统，决定是扩大（Scale）、改进（Improve）还是停用（Retire）。每个系统都要有生命周期，不能因为月费看着不多就一直开着。没有用户或没有效果的系统应该关掉，这样既缩小风险暴露面，也减少隐性成本。

总结：如果公司聚焦一个流程，测量基线，在影子模式下试行，进入生产环境前先建好管控，上线后兑现价值，90 天足以建立 AI 优先的能力。目标是建立一种运营模式，让系统处理标准工作，人负责例外情况、决策和创新，工具数量多少无关紧要。