方向一｜问题诊断
先确认哪一个问题值得进入
- 访谈关键角色，确认经营压力、流程基线和优先级
- 还原谁在做、多久一次、在哪里等待、依赖哪些系统与文件
- 按年度价值、数据条件、合规风险和采用难度排序
形成：问题地图、价值口径与优先场景
实践方向
从真实流程出发，判断AI在哪里产生经营价值。
不预设工具，不把问题迁就成产品功能。先诊断，再验证，最后决定是否进入更大范围。
方向二｜方案验证
用最小范围检验AI能否产生结果
- 把业务问题转换为可测试的输入、输出和责任边界
- 验证检索、比对、审核辅助、趋势识别或决策建议的可行性
- 明确哪些工作由AI辅助，哪些判断必须由授权人员完成
形成：验证原型、测试结论与落地边界
方向三｜落地评估
让结果进入真实流程并可持续衡量
- 统筹业务、数据、技术能力和现有系统之间的协作
- 设计上线后的采用方式、质量控制与异常处理机制
- 跟踪成本、周期、产能、人效或质量指标的变化
形成：实施路径、验收口径与迭代建议
判断原则
经营口径稳定，技术方案可以变化。
问题先于工具
先确认损失、基线和责任，再讨论技术选择。
业务指标验收
用成本、周期、产能、人效和质量结果判断价值。
关键判断留在人手中
AI提供依据和辅助，授权人员承担最终责任。