企业AI的价值，在业务闭环里

这五条原则决定了我们怎么选场景、怎么做系统、怎么验收。它们不是口号，而是我们在项目里踩过坑之后总结出来的硬约束。

五条实践原则

1. 少做通用大脑，多做业务执行体

很多企业一上来就想做一个"什么都会的AI助手"，结果做出来的只是一个更好用的搜索框。真正的价值在于岗位型智能体：它知道这个岗位要完成什么任务、需要调用哪些系统、什么情况下要人来审批。判断标准很简单——它能不能替人把事办完。

2. 知识库不是文档柜

把文件传上去，不等于做成了知识库。企业知识必须被治理、切分、检索、更新和追溯，才能成为AI可用的生产资料。我们见过太多项目，技术架构很漂亮，最后卡在"知识没人维护、答案不准确、没人敢用"上。

知识是企业AI的燃料。燃料质量不行，发动机再好也跑不远。

3. 评测先于上线

没有测试集、准确率、业务指标和失败样例，就无法证明AI有效，更无法持续优化。我们坚持评测体系在项目第一天就开始建，而不是等系统做完再补。验收标准必须在开发前就和业务方达成共识。

4. 安全合规前置

权限、审计、敏感数据、提示注入和错误动作，都要在架构阶段就设计好护栏。企业级智能体不是"出错了就道歉"，而是不能出错、出错可追溯、误操作可撤销。安全不是限制创新，而是规模化的入场券。

5. 上线只是开始

企业AI不是一次性项目，而是知识更新、流程优化、指标监控和组织协作的长期运营。我们交付的不只是系统，还有可持续运营的机制：谁负责知识更新、谁看质量指标、谁决定扩展新场景。

三个常见误区

误区一：先上大模型，再找场景

这是成本最高的路径。正确顺序是：先明确业务问题和成功标准，再选择合适的模型和架构。很多场景用规则引擎加一个小模型就够了，不必什么都上大模型。

误区二：把AI当成IT项目

AI落地的难点不在写代码，而在知识梳理、流程改造和组织协同。业务方必须深度参与，不能把需求文档扔给技术就不管了。

误区三：追求一步到位

大而全的平台最容易失败。我们坚持先跑通一个高价值的小闭环，用真实结果建立信心和资源，再复制扩展。速度和确定性，比完美更重要。

我们相信的长期判断

• 智能体是企业软件的新物种，它会像ERP、CRM一样成为组织的标配能力。
• 行业Know-how比通用模型更稀缺，沉淀下来的知识和技能包才是护城河。
• 评测和安全是企业级AI的分水岭，能规模化交付的服务商，一定是能证明效果和管控风险的服务商。
• 组织能力比工具更重要，会用AI的团队会淘汰不会用的团队。