把 AI 讲清楚，
把组织做扎实

一个常见误区，是把 AI 项目理解成工具采购或个人效率提升。工具可以很快上线，但组织能力不会自动出现。组织能力来自一套稳定的工作方式：谁负责发现问题，谁设计流程，谁判断结果，谁沉淀知识，谁推动经验复制。

场景必须来自业务任务

如果一个项目只能用“大家觉得不错”来评价，它很难进入组织。更好的起点是找到高频、重复、信息密集且结果可观察的任务，再问 AI 能否减少等待、降低重复劳动、提升质量或增加决策速度。

人和 AI 的边界必须被设计

AI 可以生成、整理、检索和比较，但不同任务对判断、授权、责任和风险的要求不同。真正的工作流设计，需要明确哪些环节由 AI 完成，哪些环节必须由人审核，出现例外时谁负责处理。

培训必须回到真实工作

只教提示词，往往只能带来短期兴奋。更有效的学习方式，是让员工拿真实任务训练，接受反馈，再把有效做法沉淀为模板、规范和案例，让团队能够复现。

结果度量决定能否规模化

效率、质量、成本、收入、风险和体验，至少要选出一个主要指标作为验证入口。项目需要定期复盘：什么真正产生了价值，什么只是增加了复杂度，下一轮应该推广、优化还是停止。