企业AI落地前怎么做诊断？场景排序、系统对接与四个技术红线

企业 AI 落地常被两类问题卡住一是该先做哪块二是数据到底撑不撑得住。前者是业务排序问题后者是技术判断问题。这篇不谈产品只给一份可落地的诊断清单——怎么从场景盘点走到系统对接把能不能做变成怎么做、先做什么。一、场景盘点先给业务排个序而不是先选模型企业上 AI 的第一步通常是错的先挑一个最强模型再想拿它干什么。正确的顺序是先盘点场景。可量化的判断维度有三个频次这个活每周/每天发生多少次高频才值得自动化。规则度这件事的判断标准能不能说清楚越有规则越容易被 AI 承接。数据可得性完成这件事需要的资料系统里能不能拿到这一条最容易被忽略三个维度都高的场景优先做。举个例子外贸询盘的初步分类与回复草稿频次高、规则相对清晰、历史询盘和产品资料通常可得——适合先做。而报价定多少这类规则里含大量人为判断和商务策略适合让 AI 出草稿、人来定。排序的目标不是选最酷的场景而是选最快能拿到结果的场景。二、系统对接判断三条路线各有代价场景定了接下来是AI 怎么拿到数据、怎么把结果送回去。主流三条路线1. API 直连。直接调用 CRM / ERP 的开放接口。优点是稳定、可追溯、可审计代价是每家系统接口不同需要逐家对接字段映射和鉴权要专门处理。2. 集成层 / 低代码中台。中间加一层集成平台把不同系统的能力封装成统一动作再用低代码编排。优点是扩展快、维护集中代价是前期必须把字段映射和数据回流设计好否则后期越接越乱。3. RPA 界面自动化。模拟人在界面上操作。优点是不用改老系统、对没有接口的遗留系统是兜底方案代价是界面一改版就可能失效长期维护成本高只适合过渡或兜底。判断时别只看能不能连上要看连上之后稳不稳。一家企业如果核心系统是标准 ERP优先 API 或集成层如果是十年前没开放接口的老系统RPA 可以作为过渡但要预留迁移到 API 的路径。三、四个技术红线字段映射、幂等、重试、数据边界很多项目演示时很顺上线一周就露馅问题几乎都出在这四件事没想清楚字段映射AI 产出的客户姓名 / 电话 / 意向等级要和 CRM 里的字段一一对上。映射对不上数据就回流不进去。幂等同一次操作重复执行网络重试、用户重复点击不能产生重复单据。通常靠业务唯一键 去重表实现。失败重试接口超时、限流、临时故障是常态必须有重试队列和上限不能一失败就丢数据。数据边界哪些数据允许外发到模型、哪些必须留在本地要在架构层就切清楚。涉及客户名单、图纸、工艺的通常要求本地部署、数据不出企业。这四条是能不能长期跑下去的分水岭比选哪条路线更重要。四、诊断的输出物一份能照着干的清单一次合格的落地前诊断最终应该产出四样东西场景清单与排序先做哪个、后做哪个、为什么系统对接路线建议API / 集成层 / RPA以及过渡方案四个技术红线的处理方式字段映射表、幂等键、重试策略、数据边界分阶段实施节奏与验收标准每阶段看什么数、到什么程度算达标。拿到这份清单即便换一家服务商也能照着推进——这才是诊断应有的样子。五、小结企业 AI 落地的技术判断核心不是选最前沿的模型而是把三件事说清楚场景排序对不对、数据通道稳不稳、红线守没守住。把这三件事在动手前想明白比上线后再返工便宜得多。本文为技术方法整理涉及的系统对接与部署方式由企业按自身合规要求选择。