最近很多企业老板找我聊，说想在公司推AI，但不知道从哪下手。
他们的问题都很像：知道AI重要，也看到同行在动，政府也在推，但具体到自己公司——先做销售、生产、质检，还是经营看板？先培训员工，还是先上系统？怎么判断哪个方向最值钱？怎么避免花了钱，最后只做出一个没人用的demo？
这些问题不解决，企业就会一直停在"想做"这一步。
我做了两年企业AI落地咨询，发现一个规律：不做调研就上AI的企业，90%会失败。不是技术不行，是方向选错了。
这篇文章想分享一套我实战总结的调研方法论。这套方法帮我在企业内部快速找到真正值得做的AI场景，避免踩坑，避免做无用功。
我会用一个真实的制造业案例贯穿全文，让你看到这套方法具体怎么用、怎么落地。读完这篇文章，你就能在自己公司做一次完整的AI场景调研。
一、调研前的三件准备工作
很多人做企业AI调研，到了现场第一句话就是："你们想用AI做什么？"
这个问法基本没用。
客户如果已经知道自己要做什么，他就不需要你来调研了，直接找人开发就行。大多数企业的问题是：知道AI重要，但不知道从哪里动。老板能说出很多痛点，但这些痛点哪些适合AI，哪些只是管理问题，哪些值得先做，哪些投入产出不划算，他不一定能分清。
所以我去客户现场前，一定会做三件准备。
1. 先看公司基本面
先搞清楚这家公司是什么类型：制造业、服务业，还是贸易型？To B还是To C？收入来自项目制还是持续复购？有没有工厂？有没有销售团队？有没有招投标？现在用什么系统？有没有ERP、OA、CRM？
这一步不用研究到特别细，但要先知道它大概是怎么赚钱的。
比如这次去的客户是典型的To B制造业，总部偏管理和经营决策，工厂在外地，客户主要来自工程、基建、能源、工业采购这些方向。一看到这个业务形态，我就知道现场重点肯定不会是"员工怎么用AI写PPT、怎么处理Excel"——更可能会聊到销售线索、报价、招投标、生产交付、成本利润这些东西。
2. 准备一套提问框架
不同行业差异很大，但企业调研有一批问题是通用的。我一般从五层去问：
公司层： 公司有几个业务板块？总部和工厂分别负责什么？组织架构怎么分？老板现在最关心什么？最近最焦虑的是什么？
业务层： 客户从哪来？订单怎么成交？利润主要来自哪里？哪些环节最卡？哪些环节最依赖人？
系统层： 现在用什么ERP、OA、CRM、财务系统？这些系统之间打通了吗？有没有接口？哪些工作还在靠Excel、微信、人工流转？
数据层： 历史报价在哪里？历史客户在哪里？产品资料在哪里？成本数据在哪里？哪些数据分散在不同人手里？
人员层： 谁拍板？谁懂业务细节？谁掌握关键经验？哪个岗位最难替代？哪个岗位一离职，公司就很麻烦？
这些问题不是为了把客户问懵，而是为了搭一个框架。有了这个框架，客户说出来的零散信息，才放得进去。
3. 提前列出行业可能的应用场景
做制造业客户，我会提前列一些可能方向：销售线索、招投标、报价、设计选型、生产排程、质检、采购、经营看板、知识库、售后服务。
这些不是答案，只是假设。现场调研就是带着这些假设去验证：哪些是真的痛点，哪些只是听起来有价值，哪些客户有体感，哪些能快速落地。
调研最怕的不是假设错了——假设错了没关系，客户会纠正你。最怕的是没假设，现场聊完一堆信息，回来之后什么都抓不住。
二、调研现场怎么提问、怎么拆业务
到了现场，很多人会犯一个错误：只和老板聊。
老板对公司大方向很清楚，知道公司怎么赚钱，知道行业趋势，也知道自己焦虑什么。但一个集团老板不可能每天盯着每个报价规则、每个销售获客线索、每个生产检测流程。
所以这次调研，一开始本来只有我和董事长聊。聊了一会儿后发现不够，我们又把财务负责人、销售负责人拉进来。
这一步很关键。
财务负责人能讲清楚老板怎么看经营数据，收入、成本、费用、利润、应收、应付这些数据现在怎么汇总，哪些地方靠人工，哪些地方老板想看但看不清。
销售负责人更关键——在这家公司里，他不是只懂销售，之前在工厂里待了半年。他对客户怎么来、招投标怎么走、报价怎么报、设计怎么配合、生产怎么交付、质检怎么影响验收、采购怎么影响成本，都有一个完整但偏粗颗粒度的理解。
这个颗粒度，不够马上设计出完整系统，但足够做第一轮判断：哪些方向值得做，哪些方向只是听起来热闹，哪些方向适合作为第一期。
调研过程就是顺着业务链路拆：
客户怎么来？项目怎么发现？询价怎么处理？价格怎么报？标书怎么做？生产怎么接？成本怎么算？老板怎么看经营？
这一轮拆下来，我们扫出了6个可以落地的方向：
1. 报价助手 - 不同标准、不同客户、不同项目、不同数量、不同交付条件，都会影响报价。报价报高了客户可能走，报低了公司可能亏，报错了后面所有环节都会跟着出问题。
2. 销售线索智能雷达 - 把政府网站、行业平台、公开项目信息抓回来，先做一轮筛选、分类、打分，再分配给销售跟进。价值很大，但从线索到成交周期比较长，不适合作为第一期主线。
3. 招投标和标书生成 - 很多订单和招投标相关，标书里有公司资质、产品参数、技术响应、商务条款、历史业绩、报价信息。但它依赖很多前置资料，更适合放在报价助手之后。
4. 设计选型 - 客户给一个工况，工程师做选型。背后有大量历史经验，老工程师一看就知道怎么选，新人要翻资料、问人、查标准。
5. 生产、质检和采购辅助 - 生产排产、质检检测、采购供应商管理都能做AI，但和现场设备、工艺流程绑定得很深，必须去工厂拆细节。
6. 经营看板 - 把ERP、财务系统、协同系统、Excel里的数据加工成老板看得懂的经营结果和异常提醒。但容易牵扯数据口径和系统对接，第一期不适合做太重。
怎么判断一个场景值不值得做AI？
我用四个标准：
1. 离钱近不近？ 这个环节影响收入、成本、利润吗？影响越大，价值越高。
2. 依赖经验吗？ 规则在系统里，还是在老员工脑子里？越依赖经验，AI价值越大。
3. 容易出错吗？ 人做这个环节，是不是经常出错？出错成本高不高？越容易出错，AI价值越大。
4. 能快速验证吗？ 做出来以后，效果能马上看到吗？能量化吗？越容易验证，越适合先做。
用这四个标准一评估，报价助手得分最高：
-
• 离钱最近：价格报错了，直接损失利润 -
• 依赖经验：很多报价规则在老员工脑子里，不在系统里 -
• 容易出错：型号、材质、执行标准、数量、交期、物流、历史价格，只要一个地方没看清，结果就可能偏 -
• 能快速验证：原来报价要多久，现在能缩短到多久，这些都能量化
三、如何从多个方向中选择第一个落地场景
6个方向都能做，但第一期只能选一个。
很多人会选最炫的——比如生产线视觉质检，或者选老板最关心的——比如经营看板。
但最容易踩坑的就是这两个。
最炫的场景，往往实施最重。生产线视觉质检要进工厂、接设备、看检测标准、调整容错率，实施周期长，变量多，一旦出错，整个AI项目就可能被质疑。
老板最关心的场景，往往数据基础最弱。经营看板看起来很美，但前提是数据口径要理清，否则很容易变成数据治理项目，三个月都出不来成果。
选第一个落地场景，核心原则是：稳妥、快速、能验证。
我用一个简单的矩阵打分：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这个打分不是绝对准确的，但它能让选择有逻辑、可讨论。
最后我们选了报价助手。
原因不是它总分最高（质检AI总分也很高），而是：
-
1. 不用进工厂，总部就能实施 -
2. 数据基础相对好，历史报价单、成本数据都有 -
3. 效果能快速验证，一个月内就能看到结果 -
4. 做好以后，后续标书生成、经营看板都能复用
报价助手不炫，但最适合先做。
四、调研结束后要输出什么
调研结束不是给一份PPT就完了。真正有价值的是三件东西：
1. 场景清单
至少列出5-10个候选场景，每个场景写清楚：业务痛点是什么、现在怎么做的、AI能解决什么问题、数据基础怎么样、实施难度大不大。
2. 优先级排序及理由
不要只说"先做报价助手"，要说清楚为什么。用矩阵打分、用四个标准，让决策有逻辑、可讨论。
3. 第一期落地的详细方案
第一个场景选定后，要继续拆：
-
• 具体业务流程是什么？ -
• 涉及哪些系统、哪些数据、哪些人员？ -
• AI要做什么（是辅助决策，还是自动生成）？ -
• 成功标准是什么（报价时间缩短多少、错误率降低多少）？ -
• 需要多少数据、多少时间、多少资源？
这一步不细，后面执行就会出问题。
五、报价助手真正值钱的地方
报价助手表面上看，是为了让报价更快。
但聊到后面会发现，它真正值钱的地方，是把成本、利润、客户、产品这些原来分散的信息串起来。
一个报价动作里，至少会牵扯这些东西：
客户是谁？历史上给他报过什么价？这次要什么产品？这个产品成本怎么算？材料成本有没有变化？加工成本怎么算？物流成本是多少？交期会不会影响成本？这个价格有没有利润？这个客户值不值得让利？
这些信息过去可能都有人知道一点——销售知道客户，技术知道参数，采购知道材料，财务知道账，老板知道大概方向，报价人员知道历史习惯。但这些东西很容易分散在不同系统、不同Excel、不同文件夹、不同人的脑子里。
报价助手要做的，就是把这些分散的信息串起来。
这样一来，老板看到的就不只是"这个单子报价多少"——他能继续往下看：
这个产品是不是真的赚钱？这个客户是不是真的值得维护？这个销售带来的是真利润，还是只是销售额好看？这个项目看起来金额大，做完以后到底划不划算？哪些报价策略有效？哪些报价策略经常导致丢单？
到这里，报价助手就不只是一个工具。它开始变成老板看清公司怎么赚钱的入口。
写在最后
这次调研让我更确定一件事：企业做AI，第一步不要追最炫的场景，也不要一上来做大而全的系统。
第一步应该先问：
公司里哪个环节最影响赚钱？哪个环节最依赖经验？哪个环节最容易出错？哪个环节做清楚以后，老板马上能看到价值？
在这家制造业集团里，答案是报价。
所以没有先建议他做生产线视觉质检，也没有先建议他做泛培训，更没有一上来做大系统。我们建议先做报价助手。
它不炫，但离钱最近。
AI落地的第一刀，最好砍在最影响赚钱、最依赖经验、最容易出错的地方。
方法论总结（建议收藏）
-
1. 调研前做三件准备：看公司基本面、准备提问框架、列出行业场景假设 -
2. 调研时不要只和老板聊，一定要找到真正干活的人 -
3. 用四个标准判断场景价值：离钱近、依赖经验、容易出错、能快速验证 -
4. 选第一个场景要稳妥、快速、能验证，不是选最炫的 -
5. 调研结束输出三件东西：场景清单、优先级排序及理由、第一期详细方案
这套方法，你可以直接拿去自己企业内部用。
如果这篇文章对你有帮助，欢迎点赞、转发给你的团队。
你在企业AI落地中遇到什么问题？欢迎留言交流。