试点很成功，然后呢？
几乎每个开始 AI 转型的企业，都能讲出一个亮眼的试点故事：客服机器人的准确率达到 90%，报表生成时间从两天缩短到十分钟。但一年之后回头看，真正跑进日常业务流的场景寥寥无几。
我们在陪跑过程中发现，试点夭折通常不是技术问题，而是立项时就埋下了三个结构性缺陷。
缺陷一：试点场景是「选出来好看的」，不是「筛出来有用的」
很多试点场景的选择标准是「容易出效果」而非「高频高价值」。演示效果惊艳，但场景本身在业务中占比太低，即便 100% 成功也撑不起转型的叙事。
对策：用「发生频率 × 单次价值 × 数据可得性」三维打分筛选场景，先算清投入产出账，再谈技术可行性。
缺陷二：只有项目组在跑，业务方在看
试点由 IT 或外部顾问单线推进，业务团队只是「配合提供数据」。一旦进入推广期，业务方没有所有权，自然没有推广动力。
对策：试点第一天就让业务负责人成为共同负责人，场景 SOP 由业务方主笔。
缺陷三：没有为规模化预留工程余量
试点阶段用人工兜底的方式跑通了流程，但数据治理、权限体系、系统集成这些规模化的前提条件一个都没建。试点到推广的鸿沟由此产生。
对策：试点验收标准里必须包含「可复制的工程要件清单」，而不只是效果指标。
结语
试点的价值不是证明 AI 能用，而是打磨出一套可复制的方法。立项时多问一句「这个成功能复制吗」，比追求演示效果重要得多。