90 天 AI 路线图：从试点到能力

团队梳理重复任务、时间、数量、质量、错误、数据、系统和职责，然后优先选择一个有价值、可观察且足够聚焦的问题。汇总月报、整理简报或筛选咨询，可能比为全公司打造通用智能体更适合作为起点。基线记录当前的工作方式以及哪些方面不能变差。没有起点，任何演示都会显得很快，任何结果却都难以证实。

明确输入、步骤、来源、输出、用户、负责人、人工决策、例外和指标。安全与法务根据场景风险审查数据和供应商。团队在构建前选择一组有代表性的示例，并约定评价量表，也明确试点期间哪些部分仍由人工完成。架构可以简单，定义必须精确。

原型在受控范围内由真实用户测试。每次迭代都检查哪些地方缺少上下文、哪些步骤造成返工，以及出现了什么例外。指令、模板和集成都进行版本管理。团队避免自动化尚未理解的环节，并保留手动路径。目标不是最大化功能数量，而是让一个完整流程产出可用、可追溯的结果。

评估涵盖总耗时、质量、修正、采用情况、故障、运营成本及参与人员的体验。如果速度提升却成倍增加审核工作，就未必真正创造了能力。还要测试不利情形与暂停机制。结果按任务和用户类型分别呈现，避免平均值掩盖严重故障。

项目的终点不是一场试点汇报，而是基于证据的决策。如果扩大应用，应安排支持、负责人、预算、培训、控制措施和下一批参与者。如果需要调整，团队应准确说明哪个假设仍未得到验证。如果停止，应记录原因和经验。无论结果如何，流程都应留下可复用的资产：流程图、测试数据集、评分标准、政策，以及选择下一个案例的标准。