判断一个 AI 场景该不该先做，看三件事。数据能不能拿到、流程稳不稳定、做错了代价能不能承受。三项都过关的才进入排序，任何一项不过关的都应先放一放，等条件具备再评估。
企业在 AI 上的投入卡住，多半不是因为买不起工具，也不是因为模型能力不够。真正卡住的地方在前一步，也就是究竟该先做哪一个场景。
各部门都说自己需要 AI，预算只有一份。凭谁的声音大决定先后，通常会把资源投向最热闹而不是最有结果的方向。下面三个口径的作用是把这件事从表态变成判断。
为什么顺序比选择更重要
AI 场景的一个特点是投入不可逆。选错了方向，钱花掉、时间用掉，还会带来一个更麻烦的后果，也就是团队对这件事的判断力被消耗掉一次。第一次尝试没有结果，第二次再推动时要付出的说服成本会比第一次更高。
先做哪一个还有一个隐性收益。第一个场景跑通之后，企业内部会形成一套可复用的做法，包括数据怎么准备、权限怎么给、人工复核放在哪一步。后面的场景可以沿着这套做法推进，边际成本比第一个低得多。
所以第一个场景的选择标准在于能否做出可验证的结果。业务价值的大小排在后面考虑。
三个判断口径
数据能不能拿到。 列出这个场景需要哪些资料、现在存在哪里、以什么形式存在、有没有可用的接口或导出方式。数据取不到的场景，无论业务价值多高都做不成。这一条最容易在方案阶段被跳过，因为讨论场景时大家默认数据是齐的。
流程稳不稳定。 变动频繁、每次做法都不一样的环节不适合先做。规则还没成形的流程，自动化只会把混乱固定下来，之后修改的成本比一开始手工做还高。判断方法很简单，问这个环节最近三个月有没有改过做法，改过几次。
做错了代价能不能承受。 模型会出错是既定事实，不是可以通过供应商承诺消除的风险。需要评估的是出错之后由谁发现、影响范围多大、能否回退。代价过高的场景应当保留人工复核环节，或者暂时不做。
三个口径的排序也有讲究。数据这一条是一票否决，另外两条可以通过设计缓释。流程不稳的，可以先做流程梳理；代价高的，可以把模型输出限定为建议而非执行。
一份可自填的自评表
把候选场景列在左侧，逐项打分。分数高低不是重点，重点是让讨论有共同的参照。
| 判断项 | 打分口径 | 场景 A | 场景 B |
|---|---|---|---|
| 数据可获得性 | 已有接口可直接取 3 分，需人工导出 2 分，拿不到 0 分 | ||
| 流程稳定性 | 近三个月未变 3 分，小幅调整 2 分，频繁变动 0 分 | ||
| 判错代价 | 可回退无外泄 3 分，需人工复核 2 分，影响客户或合规 0 分 | ||
| 结果可观测 | 有现成指标 2 分，需新建统计 1 分，说不清 0 分 | ||
| 使用者明确 | 有具体岗位与责任人 2 分，尚无明确使用方 0 分 |
任何一项为 0 分的场景先搁置，不必进入排序。剩下的按总分排，分数最高的作为第一期。
这张表的用处还在于沟通。当某个部门的需求被排到后面时，依据是具体分数而不是"领导觉得"，讨论会容易很多。
数据拿不到的场景怎么处理
有些场景业务价值确实高，但数据暂时拿不到。处理方式有三种，按可行性排序。
等接口开放。 如果所用系统有明确的产品路线图或厂商支持，可以把它列为下一期候补，本期先做其他场景。
用中间方式过渡。 部分系统虽然没有标准接口，但可以通过数据库视图、定时导出文件或厂商连接器获取数据。这类方式需要先验证稳定性，能稳定取到才算数。
先做数据治理。 如果问题在于资料散落在各处、格式不统一，那么真正的第一步是数据整理而不是上 AI。这件事本身不产生直观效果，但它是后面所有场景的前提。
分期与验收怎么写
投入拆分的原则是每一期都能独立验收、独立回退。写方案时把三项内容分列清楚。
成本分列。 硬件、软件、授权、集成与运维各自列出，标明哪些是一次性投入、哪些是持续支出。把持续支出混进一次性投入，是预算表最容易失真的地方。
验收口径前置。 为每个场景约定可观测的验收指标，由谁采集、由谁复核也一并写明。不采用无法验证的效果表述，例如"效率明显提升"这类说法在结项时无法判定是否达成。
约定不达标怎么办。 是调整范围、缩减场景还是停止投入，提前写清楚。这一条在实际推进中经常被跳过，等到需要用时双方各执一词。
按这三项写出来的方案是可以拿去比价的。哪家的成本结构更清楚、验收口径更具体，比较容易看出来。这份工作的完整交付物可参考企业 AI 落地咨询的说明。
和数字化水平评测的关系
《中小企业数字化赋能专项行动方案(2025—2027年)》配套的《中小企业数字化水平评测指标》把企业分为初始级、规范级、集成级、协同级四级，按数字化基础、经营、管理、成效等维度评估。AI 应用属于其中可对应到具体经营场景的内容。
对准备申报或对接政策资源的企业，这意味着 AI 场景的选择可以顺带考虑评测维度的覆盖，让同一笔投入同时满足业务改进与对标呈现两个目的。相关的政策口径整理在“人工智能+”与中小企业专题里。
需要提醒的是，政策文件给出的是方向与支持通道，不承诺具体企业的实施效果，也不保证补贴范围。做投入判断时以自身业务口径为准更稳妥。
从单点开始
第一个场景建议选小一点。小场景的好处是能在一到两个月内看到结果，也容易在结果不理想时及时调整。企业内部的信心是靠第一个可验证的结果建立起来的，而不是靠一份完整的规划。
需要引用内部资料的场景，通常从企业私有化 AI 知识库这类相对标准的形态起步，边界清楚、风险可控。等这套做法跑顺，再考虑把它接进更复杂的业务流程。