课程背景
很多公司已经开始尝试
AI运用，但真正的问题不是没有想法，而是想法太多、判断太少。学识库、智能问答、自动审批、各种Agent都想做，但一落到资料条件、流程位置、责任边界和验收指标，就很难说清哪个情境应该先做、做到什么程度才算成功。
AI项目最容易卡在三个地方：业务痛点没有找准，情境看起来热闹但价值不明晰；资料和系统条件没有评核，Demo能跑但流程进不去；人机分工和兜底制度没有规划，业务人员不敢用，管控层也看不到稳定结果。情境选错，后面的方案、抓手和投入都会跟着跑偏。
本课围绕公司真实业务链路、岗位差事和经营标的，支援参训者将零散想法整理成诉求清单，再借助价值评核、方案选项和施行路径规划，形成可验证、可落地、可复制的
AI运用路线图。重点不是追求“看起来先进”，具体来看，而是筛选出第一批业务愿意用、成效能衡量、组织能推广的AI情境。
课程收益
1. 识别公司AI情境的真实入口，能够从流程卡点、岗位差事和经营指标中发现可落地诉求。
2. 构筑情境优先级判断办法，防止将预算消耗在“好看但难用、热闹但无收益”的项目上。
3. 领会学识库、事务流、Agent和数字岗位等等方案的适用边界，防止将所有诉求都包装成Agent。
4. 掌握从小范围试点，人工兜底、流程嵌入到规模推广的施行路径。
5. 形成公司AI运用路线图，明晰第一批速赢项目、扩面项目和中长期本领建设方向。
课程大纲
首讲：情境避坑复盘
——拆解AI项目落地失败根源，构筑情境筛选底层办法论
一、精准定位公司
AI项目落地卡顿核心问题
问题一：共识缺失：收益，责任边界和项目结果说不清
问题二：诉求无序：学识库、审批、经营拆解、材料生成都想做
问题三：虚实脱节：资料不完整、系统不连通，人员不信任
问题四：止损滞后：项目越做越大，换个角度看，组织信心越被消耗
二、锚定首批
AI项目务实落地起点和核心要则
1. 业务导向：摒弃技艺展示思路
2. 价值优先：以破解具体业务问题、产出真实价值为核心落地标的
3. 稳妥试错：优先选项可量化验证、成效可衡量、异常可回退的低隐患情境
4. 五维筛选：业务价值、资料条件、流程适配、权责边界、用户采用
三、构筑从想法到项目池的筛选制度
1. 诉求条目：痛点、差事、输入、输出、责任人。
2. 情境地图：速赢项目、扩面项目、攻坚项目，暂缓项目。
3. 项目池：先做什么、为何先做、做到什么程度算成功。
4. 筛选表：将“感觉值得做”拉回“证据支持做”。
实例：
三个高期待、低落地的
AI项目——全公司学识库问答、老板驾驶舱智能拆解、全自动业务审批Agent
次讲：真诉求挖掘
——多维渠道拆解业务情境，将模糊想法转化为准则化落地诉求
一、锚定业务链路卡点，精准捕捉
AI介入节点
1. 流程卡点：等待，返工、重复录入。
2. 优先流程：高频、规则清楚，输入材料稳定。
3. 重点差事：材料繁杂、资讯分散、人工核对成本高。
二、从岗位职责中拆解真实事务差事
1. 差事颗粒拆解：岗位不笼统提效，拆到差事
2. 情境优先定级：重复性强、表述清楚、准则稳定的差事
3. 隐患分级协同
：高责任差事采用
“AI草稿+人工审核+规则沉淀”
三、从经营标的中筛选有业务价值的机会
1. 降本情境：人力投入、处理时间、返工成本、外包成本
2. 增效情境：响应速度、处理量、流程周转、跨部门协同
3. 增收情境：线索质量、买方转化、方案生成、经营拆解
4. 控隐患情境：规则校验、异常识别、证据留痕、隐患拦截
四、将模糊想法转化为结构化诉求
1. 诉求条目结构：业务情境、当前痛点、AI介入点、输入输出、责任边界
2. 预期改进指标：时间、成本、质量、隐患、体验。
3. 落地条件核对：资料、系统、人员、指标。
实例：
财务提效情境拆解
——银行流水识别、报销附件审核、凭证草稿生成、月度经营拆解
实战上手
+结晶产出：
形成公司
AI诉求清单
三讲：价值评核和方案规划
——从诉求清单到项目池
一、先判断哪些情境值得优先做
情境判断：
稳赢优先
（价值高不等于应该先做，往细里说，第一批项目要争取
“稳赢一次”）
立项三准则
：
值得投入、条件成熟、能被验收
信任构筑：
先用可感知的业务改进构筑组织信任
二、用四个维度评核
AI情境
1. 业务价值：成本、效率、收入、隐患将控
2. 施行可行性：资料、流程、系统，权限、人员配合
3. 投入成本：时间、预算、系统改造、资料治理、业务协同
4. 隐患等级：出错影响、人工兜底、日志留痕、回滚制度
三、将候选情境放入情境地图
1. 速赢项目：优先启动，用小范围成功构筑样板
2. 扩面项目：复制第一批心得，形成跨部门收益
3. 攻坚项目：价值更大，但需要更强资料、流程和组织基础
4. 暂缓项目：不是没有价值，执行层面，而是当前条件不成熟
四，依据人机分工匹配最优
AI落地形态
1. 学识库/Copilot：学识查找、心得复用、专精写作和拆解辅助
1）学识库：资料可信、边界清晰、问题相对明晰
2）Copilot：人负责、AI提效，适合专精人员辅助事务
2. 事务流/RPA/低代码：规则清晰、步骤稳定、需要跨系统流转
1）事务流：状态管控、节点审批、流程留痕
2）RPA/低代码：页面操作，表单填报、系统间搬运
3. Agent/数字岗位：复杂差事执行和稳定职责沉淀
1）Agent：标的明晰、步骤可规划、多轮执行
2）数字岗位：一组稳定职责的长期营运本领
抓手样本：
Dify，Coze、百炼、飞书多维表格、RPA、BI、低代码平台
实例研讨：
怎样分别规划成学识库、
Copilot、事务流、Agent和数字法务助理
实战上手：
形成
AI情境地图和第一批项目池
四讲：施行路线图
——从试点验证到规模推广
一、区分
AI项目和传统IT项目落地推演差异
传统
IT项目：
强调流程固化
AI项目：
强调持续验证，纠偏和规则沉淀
——试点阶段先将控范围，再验证价值，信任和责任边界
二、用四个阶段推进
AI项目落地
1. 诉求确认：业务标的、用户定位、资料来源、责任边界、成功准则
2. 试点验证：真实资料、真实用户、真实流程
3. 流程嵌入：将AI放进业务动作，就一线经验说，而不是新增一个孤立入口
4. 规模推广：复制到更多部门、情境和岗位，形成持续营运制度
三、提前识别进入核心流程的三道门槛
1. 资料门槛：稳定、可用，可放权的资料
2. 责任门槛：清晰的人机责任边界
3. 习惯门槛：嵌入原有事务路径
四、形成公司
AI运用路线图
1. 0–3个月：速赢项目，构筑组织信任
2. 3–6个月：扩面项目，复制第一批心得
3. 6–12个月：攻坚项目，建设公司级AI运用本领
五、路线图持续调整
1. 业务反馈
2. 技艺成熟度
3. 组织本领。
实例：
财务自动记账的渐进路径
——交易事实识别，凭证草稿、人工审核、规则沉淀、高置信自动化。
实战上手
+结晶产出：
形成公司
AI运用施行路线图草稿。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|闫波老师
适合谁听
CIO/CTO/CDO、数智化转型负责人、业务部门负责人、AI/革新项目负责人、货品负责人、流程和营运负责人。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。