方法论 · 总纲
先修流程，再上 AI——
AI 只会放大它施加的流程。
一家翻译公司第一次上 AI 就失败了：想修的其实是一个烂流程。第二次 CEO 亲自接管、先把流程修对，单个岗位的简历初筛从 3 小时变 3 分钟。我们全部方法只回应这一课：AI 不会修复烂流程，只会让它烂得更快。
案例来源：斯坦福 Enterprise AI Playbook 第 2 章
- 壹
先修流程
动手之前先端到端梳理流程、文档化隐性知识。研究显示 77% 的企业说最难的挑战是变革管理、数据与流程这些“不可见成本”，不是技术。流程不对，先修流程。
斯坦福 Enterprise AI Playbook 第 1 章 - 贰
度量先于部署
KPI 写在上线之前，且不止看效率：质量与客户价值在部署之前就进指标表。没有事前口径的试点，验收时只剩演示视频。
Enterprise AI Playbook 结论章 · 投资度量 - 叁
监督是设计不是限制
自动、审批还是协作，取决于容错度、监管与任务复杂度——这是战略层面的设计选择，不是限制。选档错了，生产率会替你说话：71% 对 30%。
Enterprise AI Playbook 第 3 章 · 第 10 章 - 肆
资产留给客户
提示词库、评估集、编排框架、流程文档随合同移交。“拂晓工程资产库”的终点，是我们不再被需要。
拂晓交付约定 · 资产库命名以合同为准
合作节奏 · 拂晓四程
四个阶段，四份拿得出手的东西
8～12 周出成果、6～12 个月成体系。每一程以一件具体交付物收口——不是会议纪要，是拿得住的东西。100% 的成功项目采用迭代方法：我们不做瀑布式转型规划。
破晓
Diagnose · 看清地形
端到端流程盘点、数据可得性排查、组织就绪度评估。交付：三张盘点表——流程地图、数据地图、就绪度地图，附带优先级的场景清单。
晨线
Align · 定好打法
与业务、IT、法务三方对齐成功标准与人工监督级别，KPI 定在上线之前。交付：带验收口径的立项书——给董事会看、按数字验收的那种。
日出
Pilot · 做出结果
与你的团队并肩交付一个进生产的试点：真用户、真数据、真回款，每周迭代。交付：进生产的试点，与按事前 KPI 硬算出的验收报告。
晨光
Scale · 交回手里
第二、第三个场景复制；提示词库、评估集、网关参考架构、监督 SOP、流程文档与培训教材成套移交。交付：移交的资产库——贵司团队接手运转，我们退到该在的位置。
“这实际上是一剂止痛药。不是‘这会很棒’，而是‘我要淹死了’。”
—— 受访企业高管 · Enterprise AI Playbook 第 2 章。四程的第一件事，是找到那块最痛的地方下刀。度量体系 · 三类 KPI
先为回落立卡，
再谈回报
生产率 J 曲线：上线初期产出先压后升——学工具、改流程、磨人机配合，随后越过部署前的起点、兑现复利。把低谷事先写进指标卡，团队才扛得住第 4 周的质疑，不会在黎明前把项目砍了。
曲线为示意；“投资度量：部署前定 KPI，含质量与客户价值”——斯坦福 Enterprise AI Playbook 结论章
“先压后兑现”：低谷不是失败信号，是投入的形状——扛过去的前提，是事前就为三类指标立好卡。
- 效率
省下来的时间，去哪了
周期、单位成本、人均吞吐。参照：物流发票团队 7 人变 2 人、通信科技坐席生产率 +40%。只报这一类，多半是拿演示当生产。
- 质量·客户
活干得更好了吗
准确率、错误可恢复性、客户价值——这三样在部署之前进指标表，不是验收时补。参照：发票直通准确率 85%、24 小时内回款。
- 收入
经营数字动了吗
收入、利润率、留存。参照：区域超市 EBITDA 利润率翻倍、物流项目首年价值超 100 万美元。95% 试点死在这道题上——答案必须提前写好。
每 1 美元的有形技术投入，最多需要 10 美元的“无形”投入——流程、数据、组织——来配套。
—— Erik Brynjolfsson，生产率 J 曲线研究 · 经斯坦福 Enterprise AI Playbook 转引治理 · 治理即加速器
安全没有杀死一个项目，
等待才是
法务与合规拖死 18% 的项目，“安全要求杀死”的却有 0 个——被拖死的才是常态。解法不是求情，是把保护做成架构、把监督做成选型。
Enterprise AI Playbook 第 10 章
Enterprise AI Playbook 附录 B
Enterprise AI Playbook 第 10 章 · IBM，经手册转引
一家零售银行的四组件数据保护架构
政策禁止任何数据出防火墙，又要用外部模型：四组件在“出去”与“回来”之间设闸。结果：全渠道成本最低，呼叫拦截 48～72 小时。
案例来源：斯坦福 Enterprise AI Playbook 第 10 章 · 零售银行客服（企业级）
“安全是基础设施，不是管理费用。”——Enterprise AI Playbook 第 10 章。把合规做成组件，项目就不再排队等批文。
监督三档：按容错度选档，按例外计数
升级式监督
EscalationAI 自主干 80% 以上，人只处理升级上来的例外（≤20%）。中位生产率提升 71%。IT 运维场景实测达 90%。
审批式监督
Approval逐项过人手。中位生产率提升 30%——但现场服务实测 80%、临床文书 66%：强监管场景，这档就是正确答案。
协作式监督
Collaboration每个任务人机协同推进，人是共同创作者，不是质检员。编程场景实测 54%。选哪档是战略层面的设计选择，不是限制。
三档定义与 71% / 30% 中位提升、场景实测数字：斯坦福 Enterprise AI Playbook 第 3 章
决策者常问
签约之前，
你一定会问的四件事
答案全部来自公开研究与我们的合同条款，不来自销售话术。
- 壹
多久能见钱？
首个进生产的试点按 8～12 周收口，验收按事前 KPI 硬算。公开样本里最快一档：物流发票项目 8 周上线、当年创造价值超 100 万美元——前提是流程与数据先修对了。
Enterprise AI Playbook 第 1 章 · B1 案例表 - 贰
数据出不去怎么办？
不需要出去。参照零售银行：出口 PII 清洗 → 合成数据 → 外部只做意图解析 → 返回本地重组，全程真实数据不出防火墙，反做到全渠道成本最低。国内客户同构：数据不出域是架构约束，不是妥协理由。
Enterprise AI Playbook 第 10 章 · 零售银行客服 - 叁
和集成商、外包的区别？
外包卖人天，集成商卖集成，双方都不对你流程的对错负责。我们从不可见处下手：先修流程与组织，试点按事前 KPI 硬算验收，资产随合同移交——95% 的试点死于流程与组织，那正是我们的主战场。
“95%”：MIT NANDA，2025 - 肆
失败了怎么办？
61% 的成功项目此前至少失败过一次，失败是路径的常态而非事故。我们把试点定位成实验、反馈闭环代替上线日期——研究样本的原话：“没有一个人因 AI 项目失败而受罚。”不问责试点，只问责不复盘。
Enterprise AI Playbook 第 1 章 · 附录 B