先选岗位
从知识问答、询盘处理、销售研究或重复流程中选一个边界明确的岗位。
查看 ↗FIELD GUIDE / AI AGENT PILOT
企业第一次做 AI Agent，应该如何选一个可验收的试点
一个好试点不是“做一个聊天机器人”，而是选出高频、边界清晰、输入可得、结果可检查的真实岗位。
讨论一个 Agent 试点交付重点
从一个真实流程和可验收试点开始。
再准备证据
收集真实资料、历史样本、异常和人工处理规则。
最后定义验收
在开始开发前明确质量、效率、权限和业务结果。
适合谁
先确认问题值得做，再讨论技术。
适合先做
高频、规则相对稳定、输入可获得、输出可检查且有人负责的岗位。
谨慎再做
需要复杂判断、数据混乱或高风险写入，但可以先拆出低风险辅助步骤的岗位。
暂时不做
低频、没有负责人、无法提供样本、结果无法验收或主要问题其实是制度混乱。
当前问题
技术产生价值之前，必须先改变这些现状。
从模型出发
先决定使用哪个模型，再寻找问题，容易得到漂亮但无价值的演示。
范围过大
一开始要求连接所有知识、系统和岗位，导致异常和权限无法控制。
没有测试集
只凭现场演示判断好坏，无法比较版本或决定是否上线。
实施流程
从真实证据到可运行系统的受控路径。
-
01 / 写岗位说明
定义触发条件、输入、输出、工具、权限、异常和负责人。
一页岗位说明 -
02 / 准备真实样本
收集正常、模糊、错误和高风险案例。
20–200 个样本 -
03 / 定义人工边界
明确哪些建议、哪些需审批、哪些必须拒绝或转人。
权限与审批矩阵 -
04 / 验收和复盘
按质量、效率、成本、使用和业务结果决定下一步。
验收报告
如何验收
在扩大范围之前，先把成功标准说清楚。
质量指标
正确性、来源、字段完整度、拒答和异常识别。
效率指标
任务耗时、人工复核时间、稳定处理量和等待时间。
业务指标
响应、线索、交接、知识复用或流程完成情况。
范围与边界
明确会做什么，也明确不承诺什么。
试点不是采购承诺
验证结果不理想时可以调整岗位、补数据或停止。
自动化程度不是唯一指标
受控建议加人工审批可能比完全自动更有价值。
先解决可验证问题
不要把组织所有 AI 想象同时装进第一次试点。
常见问题
团队开始之前最常问的问题。
试点一定需要开发界面吗？
不一定。可以先用受控工作台、现有协作工具或简单界面验证流程。
应该用多少历史数据？
取决于任务。关键是覆盖常见、边界、错误和高风险情况，而不是只追求数量。
谁应该负责试点？
需要一名业务负责人能提供样本、确认规则、参与验收并推动团队使用。
什么时候扩大范围？
当单一岗位的质量、权限、运行和业务价值稳定后，再增加系统、数据或自动化程度。