为什么大多数 AI 试点从未投入生产。

公司里有人被要求“用 AI 做点什么”。供应商或内部团队挑了一个流程——发票、理赔、投诉——做了个演示。它读一份干净的英文 PDF，填好字段，给出建议答案。演示很顺利，大家都觉得很厉害。

六个月后，它还是个演示。没人把它关掉，它只是从来没有变成日常干活的方式。团队还是照老样子录入、催办、决策。

在这个地区，这是常态，不是例外。大家解释原因时，通常怪模型：不够准，处理不了我们的文件。但真正的原因很少是这个。

真实的输入。演示读的是干净的 PDF。真实的工作却是手机拍的发票照片、总金额上盖着印章的扫描件、带三个附件和一条语音的 WhatsApp 消息、转发了两次的电子邮件。没见过真实输入的试点，等于没测试过。

系统。一个决策需要文件里没有的事实：这个供应商认不认识、有没有未结的采购订单、这笔理赔以前有没有出现过、客户付了多少钱。如果试点读不了您的会计系统、核心系统或 CRM，它就只能猜。如果它没法把结果写回去，还是得有人手动录入。

语言。泰语、越南语、马来语/印尼语、他加禄语和英语，常常混在同一页纸或同一段聊天里。一个英语读得好、其他语言只读个大概的模型，恰恰会在占业务量大头的那些文件和消息上出错。

审核和审批流程。每个决策都有人要负责。一个只给出答案、却没地方让人核对、更正和签批的试点，既给不了这个人信任它的理由，也让他事后没法向审计、监管机构或客户解释某个决策。

如今的模型读文件读得很好，小模型也能用您自己的文件和语言低成本地调优。试点失败，几乎从来不是因为读不出来，而是因为“读”是唯一被做出来的部分。

其余的部分——对接您的系统、处理杂乱的渠道、您团队已经在遵循的规则、决策清单、审核界面、记录——都是不起眼的工程活。但这也是大部分的工作量，而且决定了最后有没有人用。

一个流程算是投入生产，是指：案件从真实渠道进来，智能体借助您真实的系统处理它们，决策写回该写的地方，没把握的案件交给指定的人，每一步都记录得足够清楚，几个月后仍能回答“为什么？”。

还有一件事：有决策权的人看过了数据——它能处理多少、多常出错、每一件花多少钱——并决定启用它。没有这个决定，它再好用，也还只是个试点。

梳理：在构建任何东西之前，先把真实流程写清楚：工作进来的每个渠道、涉及的每个系统、决策清单、目前由谁决策、审计需要什么。不拿干净的样本去做任何假设。

测算：用您过去 200–500 张发票、理赔或申请来跑，用您的语言，结果都是已知的。在您决定构建之前，评估报告就会告诉您智能体能处理的比例、会在哪里出错、价值多少。如果这笔账算不过来，我们会直说。

并行运行：搭好对接、规则和审核界面，然后接入真实数据与您的团队并行运行，但不执行任何操作。您的审核人员看得到每一步，您每周都看得到数据。

启用：由您决定，按决策类型逐一开启。付款和退款一直由人处理，直到它们的数据证明可以交出去为止。

这些都不算高明。这只是大多数试点漏掉的那部分工作。