AI立项必看：四个维度筛出首批试点场景

近日，国资委在2026世界人工智能大会期间，集中发布了央企人工智能战略性高价值场景、行业高质量数据集等系列成果，“焕新社区”2.0同步上线，央企智能软件工厂联合共建项目也正式启动。

知识问答、设备巡检、报告生成、风险识别……需求从各部门涌来，清单越拉越长。但对于央国企而言，预算、数据和试错空间就这么多，首批项目不可能全上。怎么选？业务价值、数据条件、安全边界、复制成本，缺一个维度，后面都可能走不下去。本文结合多家央企AI场景咨询重点，梳理出一套四关筛选法，供AI项目评审参考。

一、业务价值落地，须找到拍板的人

“提高效率”“降低成本”常常出现在需求描述里，但还不能直接支撑立项。把场景放回具体流程中，至少要写清四件事：

1. 改变哪一段业务流程？
2. 谁是业务负责人？
3. 当前耗时、成本或差错基线是多少？
4. 试点结束后用什么指标验收？

同样是知识问答，全员通用的那种覆盖面确实大，但业务结果很难衡量。换成设备检修规程查询、招采制度核对、项目材料预审，谁用、用在哪一步、怎么验收，一下子清楚很多。

频次也不是唯一标准，有的活儿一天干十次，一次省两分钟；有的活儿一年碰不上几回，但错一次就是大几十万的损失。频次、耗时、错误代价、业务影响，得打包在一起算。

如果连业务负责人都找不到，现状基线也没有，AI输出的内容进不了任何决策或操作环节，这种场景，建议先放一放。

二、数据条件：系统里有，不等于AI能用

价值论证通过了，先别急着聊大模型。数据在系统里躺着是一回事，AI能不能直接用是另一回事。评审时建议逐项核对：

1. 数据从哪些系统、文档、专家经验里来？
2. 权限有吗？敏感等级怎么定的？
3. 口径统一吗？数据全吗？更新及时吗？
4. 内容过期了谁管？谁来审核？
5. 业务专家能抽时间来做答案评测吗？

现场跑一圈，经常碰到的情况是：制度文件同时挂着三四个版本，设备数据编码五花八门，业务经验全靠几个老员工记在脑子里。这些不解决，模型回答的稳定性就无从谈起。要是第一批知识全靠项目组临时手搓，后续没人维护，内容很快就变成过期材料。

核心数据拿不到，权属和使用范围说不清楚，或者长期要靠人工补资料、改结果，这类场景，试点也先别急。

三、安全边界：AI当参谋，还是操作手？

AI查资料、提建议，跟AI直接调系统、改数据、触发流程，风险完全不在一个级别。评审时输入、输出、执行权限必须分开看：

1. 哪些数据能喂给模型？
2. 哪些岗位的人能用？
3. AI能调哪些系统、动哪些工具？
4. 什么事必须留给人来确认？
5. 操作过程能存日志、能审计、能追溯吗？
6. 部署环境和信创适配有什么要求？

但凡涉及资金、生产、客户权益或者关键业务系统，最小权限、风险拦截、异常告警、应急处置这些都得过一遍。边界暂时模糊没关系，先把场景收窄，让AI只负责找资料、出建议，最后点“确认”那一下，必须是人。

数据范围、执行权限、责任主体说不清楚，关键操作又缺人工复核和审计记录，这条线，不能拿试运行去赌。

四、复制推广：试点跑通了，不等于能铺开

一个部门跑通了，业务骨干随时在旁边兜底。三个月后要铺到三个部门，用户多了、数据量大了、业务差异也来了，还能不能稳住？

这些问题最好在立项之前先考虑清楚，假设三个月后要复制到三个部门，哪些东西能直接搬过去？知识和规则能不能配置化？智能体能力能不能拼装着用？接口有没有标准接入方式？权限和安全策略能不能按组织灵活调？版本、效果、成本能不能统一看到？

要是每次复制都得重新访谈、重新接系统、重新整知识，那做的还是一个个定制项目，谈不上规模化。试点重度依赖个人经验，关键能力沉淀不下来，后续运营谁来做、预算从哪出，复制推广前应当规定好。

五、用一张表完成首轮筛选

需求池里躺了十几个场景，不必搞太复杂。挑三到五个候选，按四项打分：

这张表不负责算出“标准答案”，它只是让业务、信息化和安全团队坐下来，看见彼此的判断依据。

安全红线单独拎出来，一票否决，数据怎么用、权限怎么管说不清楚，直接不进首批。评分接近的时候，优先选业务责任清晰、数据准备较好、执行风险低的场景。

实际推进中，如果企业不知道如何进行流程梳理和场景评分，可以考虑借助FDE服务来完成。

企业知识库、模型和智能体编排可以考虑用企业级智能体中台（如FinClaw）来承载。

涉及高风险执行动作，再单独评估安全网关（如FinSafe）的适用性。

具体怎么组合，得结合现有系统、部署环境和安全制度逐个确认。

如果需求池里已经列了十几个AI场景，建议组织一次闭门工作坊，业务、信息化和安全团队用同一张表筛出顺序，顺便把缺口清单和验收指标一并理清。

AI场景落地，本质上不是选模型，是选流程、选数据、选边界、选路径，这四关过了，试点的成功概率就会高很多。