FORMWEFT场景很多但优先级不清
把业务影响、可行性与风险放在同一套评价框架中。
适合先做 AI 场景诊断的三种情况
在投入模型和系统建设之前，先验证业务价值、数据条件与治理边界。
已有试点但价值难证明
建立可观测的成功指标，区分演示效果与生产价值。
敏感数据边界未明确
先确认权限、留痕、人工复核与可接受风险。
AI 战略咨询交付内容
输出场景优先级、价值与风险判断、首阶段路线图、成功指标和治理边界。
业务目标与流程访谈
数据与系统条件盘点
场景价值和风险评估
首阶段路线图与成功指标
诊断不是列清单，而是形成可行动的判断
启动时准备关键流程、业务负责人、代表性输入输出和已有指标。用证据选择第一项投入。
实施工作
访谈关键岗位、抽查业务样本，记录任务频率、耗时、错误和依赖。按价值、数据可得性、技术可行性与风险形成场景排序。
验收证据
交付每个优先场景的问题定义、现状基线、所需数据与接口、负责人、试点范围、成功及停止条件，确保客户能据此决定下一阶段。
明确边界
诊断阶段不默认包含生产开发、数据治理全量清洗或固定收益承诺。发现资料或权限不足时，作为前置条件列出，而非用假设填补。
AI 诊断常见问题
需要先选好模型吗？
不需要。先定义业务任务和验收条件，再比较模型、工具或是否根本不需要 AI。
数据还没有整理好怎么办？
先评估可用来源与责任人。数据准备本身可以成为首阶段范围，但要与 AI 应用开发的工作和验收分开。
诊断后必须继续开发吗？
不必。诊断应支持继续、调整或停止的决策，也可以交给客户内部团队或其他实施方按约定范围使用。
提交项目背景
描述目标、现状和期望时间，我们会据此整理下一步。