开头：为什么中小企业用 AI 容易失败
上周和一家做建材的客户聊，他们的 CTO 说想用 AI，但预算批下来连 20 万都不到。我问：你想让 AI 干什么？他想了半天，只说"听说能提效"。
如果你也是这个状态，这篇文章给方法。3 步走完，你就能算出"该不该上 AI、该上哪个环节、3 个月内能不能回本"。看完你能给自己下一个判断，而不是再开一次会。
中小企业用 AI 失败的项目里，90% 死在同一个地方：没算账就开始买。这篇文章给的就是那 10% 能跑通的人用的方法。
第 1 步：先算账，定义省什么钱
很多人第一步就反了。先挑模型、再选工具、最后发现没 KPI。这就像先买冰箱再想里面放什么，结果 3 个月后冰箱里只有 3 瓶矿泉水。
我用的第一步永远是：把你这个月最重复的那个动作列出来，越具体越好。
判断标准：连续 3 个月，每个月都在做，重复次数大于 100 次，每次需要 1 到 3 个人共同确认。
这种动作通常是报价、客服首响、合同初审、报告生成、销售线索筛选。它们有一个共性：输入是固定模板，输出八九不离十，但人做起来容易出错。
把这一类动作列出来，给每个动作填 3 个数字：
- 每月发生次数
- 平均耗时（人分钟）
- 一次出错造成的金额损失
算出来的"年化成本"如果大于 5 万，就值得用 AI 试。否则先放着。
为什么是 5 万？因为一个中等智能体的部署加维护成本大约就在这个区间。低于这个数字，AI 还没人便宜。这条线画下来，你已经筛掉一半候选。
第 2 步：挑 1 个高重复低判断环节打样
第 1 步算完你会发现，至少有 5 到 6 个候选。这时候别贪，挑 1 个打样。我见过的反例是客户一次上 3 个环节，结果哪个都没跑通。
筛选标准我用过一个公式，三个条件同时满足才进入下一步：
- 高重复：每月不少于 100 次
- 低判断：输入输出一致性不低于 80%
- 易评：错误有可量化的反馈，比如报价对错一眼能看出来
打样的最小配置：一句话提示词 + 1 张输入模板 + 1 张输出校验表。工具可以先用最便宜的（甚至免费的豆包、千问、ChatGPT），不要上来就买企业级 SaaS。
我见过一个最克制的客户，他们的 IT 部门用 3 行 Python 调免费大模型接口，10 天搭了一个内部报价助手。先跑通流程，再决定要不要换企业版。
这一步的成本上限：3 个工程师 × 4 周，也就是 12 人周。如果超出这个数，说明想多了，应该砍功能而不是加人。
第 3 步：3 个月回本才扩展否则停下来复盘
这一步最反人性。80% 的项目死在第 4 个月，老板看到第一版跑通了就说"再加一个功能"，结果 3 个月预算很快见底，ROI 算不过来，AI 又被打成骗钱的玩意。
怎么控制？我给自己也给我的客户定了一条死规则：3 个月没回本，停下来复盘，不进第 4 个月。
3 个月回本有两种判断方式：
- 方式 A：节省的人力时间乘以工资 ≥ 工具成本
- 方式 B：多赚的钱 ≥ 工具成本
任一满足即可。
如果没满足，停下来看是哪一项卡住了。多数情况是这三个之一：
- 错误率过高，说明提示词没写到位
- 使用频率上不去，说明没融进实际工作流
- 输入数据质量太差，说明上游没标准化
找到原因改，再启动。如果改了还不行，停。这不是 AI 没用，是这个环节不适合先做 AI。
讲一个反例。我接触过一个做 SaaS 的客户，他们第一版 AI 客服上线 3 个月，客户投诉反而涨了 30%。复盘一看：错误率 23%，但员工已经开始抵触，觉得 AI 在抢饭碗。后来他们做了两件事：把 AI 限定在"资料查询"环节，所有复杂投诉转人工；同时把省下来的人力转到 VIP 客户经理。第二个月客户满意度回到原水平，第 4 个月开始有正向收益。
案例：B2B 供应链企业的 9 个月验证
9 个月前我们接了一家做 B2B 供应链的客户。背景是这样的：他们的销售每天处理 200 多张报价单，每单平均要查 12 项基础数据、调 3 个产品参数、算一遍阶梯价格、再走 1 个人工复核。原本每单 12 分钟，错误率 30%，卡点在阶梯价格那一段。
我们做了一件事：先让他们 1 年的报价数据（带人工核对后标签）喂给一个智能体，让它先学人怎么报，先模仿再替代。3 周后第一版上线：报价时间从 12 分钟压到 3 分钟，错误率从 30% 掉到 6%。
第 2 个月他们又加了一个"合同初审"环节，第 4 个月开始用这个智能体做"风险客户识别"。后者直接让坏账率下降了 1.2 个百分点。
9 个月下来，回报是清晰的：报价人员从 6 个缩到 3 个，省下来的人力转去做大客户跟进；同时年度坏账减少约 84 万。工具投入约 18 万，1.5 个月回本。
这 3 个转岗的报价员后来跟进了原本顾不上的一批客户，当年的复购率比上一年提升了 14 个百分点。这是我们当时没算到的红利，但也是"先算账再上 AI"方法真正的回报：人去做 AI 做不好的事。
这个项目的关键不是"用 AI"，而是先用 AI 替代了一个"高重复、低判断"的环节，3 个月内算回账，再扩展。如果一上来就上 3 个环节，没有一个能跑通。
接下来怎么用上这 3 步
如果想直接看这 3 步在一个项目里是怎么走完的，可以看震楠商业策划的 AI 商业架构服务流程，里面把"算账、选环节、控制范围"拆成了标准动作。
想看一个真实的应用样例，可以读浪卫浴的品牌定位案例。他们没用 AI 工具，但走的是同一个"先定位再投入"的逻辑。
想理解"先算账再上 AI"为什么和"先定位再投入"是同一回事，可以看之前的品牌定位方法那篇，三步法的根是一致的。
如果你卡在第 1 步，不知道该算哪个环节，把你的行业和你最头疼的那件事留给我（行业 + 大致痛点 + 已经做了多久），3 个关键字就够，我帮你看一眼。
常见问题
中小企业用 AI 的预算门槛是多少？
一般 10 到 18 万可以做一次最小可行验证，3 个月内能算账才算跑通。低于这个预算，建议先用免费工具（豆包、千问）做打样，别一上来就买 SaaS。
AI 替代人力后，剩下的人怎么办？
转岗到大客户、复杂判断、VIP 服务这类 AI 替代不了的环节。9 个月案例里，6 个报价员缩到 3 个，剩下的 3 个转做大客户跟进，当年大客户复购率提升 14 个百分点。
怎么判断 AI 在某个环节值不值得做？
算三个数字：每月发生次数、平均耗时（人分钟）、一次出错造成的金额损失。年化成本大于 5 万且输入输出一致性不低于 80% 才值得用 AI 试。低于这个数字先放着。
中小企业用 AI 最常见的坑是什么？
一次上太多环节。结果哪个都没跑通，3 个月后老板看到没回本就停掉，AI 被打成骗钱玩意。正确做法是 1 个环节先做，3 个月回本了再扩展。
