很多企业讨论 AI 项目时，第一个问题是“用哪个模型”。这看起来很专业，实际上通常把讨论带到了错误的起点。
模型决定能力上限，业务与数据决定项目是否能产生价值。
先确定问题是否值得解决
一个适合率先使用 AI 的场景，通常重复发生、消耗明显、拥有相对完整的资料，并且结果可以由业务负责人判断。制度问答、合同初审、经营查询和周期报告往往比宏大的“企业大脑”更适合作为起点。
再确认数据是否足以支持
文档是否更新、数据口径是否一致、权限如何划分、历史经验是否被记录，都会直接影响最终效果。模型无法自动修复混乱的组织知识。
最后设计持续运营机制
上线后谁负责更新知识？错误答案如何反馈？敏感问题何时转人工？成本和使用率如何评估？这些问题如果没有负责人，原型再惊艳也很难长期使用。
一个更稳妥的启动方式
选择一个明确场景，用真实脱敏资料完成一周左右的原型验证。只有当业务人员确认关键路径有效，再进入系统集成、权限、安全与规模化建设。