# 面向2030：中小企业AI落地(中）--先抓住这6个动作
**作者**: Ming
**日期**: 2026-07-08T01:04:24.000Z
**来源**: [https://x.com/PandaMing88/status/2074660842386379101](https://x.com/PandaMing88/status/2074660842386379101)
---
Stanley Team是专注于提供中小型企业AI转型全套解决方案的全球化独角兽团队。
这个专辑《面向2030:中小企业的AI转型系列》分为上中下三集，将过去2年团队在支持企业转型的案例做复盘和推演，将部分团队的知识成果公开，并期待进一步的咨询合作。
作为团队成员，我是ICF 国际教练联盟大师级教练、资深企业转型顾问，也是长期陪伴企业家和高管面对 AI 变革的高管教练。
上篇我们讲了一个判断：中小企业 AI 转型，不是买工具，而是重做流程。
## -----------------------
## 这篇进入更具体的问题：到底怎么做？
中小企业做 AI，不要一上来追求“大而全”。
先抓住 6 个动作就够了。
先选场景，不选工具
## 一、选场景，不选工具
中小企业做第一个 AI 项目，最怕一开始就问：“现在最火的工具是什么？”这个问题会把人带偏。
更好的问题是：“公司里哪个流程最值得先被改善？”
SME AI 成熟度相关研究提醒我们，中小企业不是大企业的缩小版。它们通常资源少、人少、制度没那么完整，更依赖老板判断和外部工具。因此，中小企业的 AI 路线不该从复杂平台开始，而应该从一个低风险、高价值、能被衡量的用例开始。[1]
第一个场景，建议用四个标准筛：高频、重复、可衡量、低风险。
适合先做的场景，通常不是最炫的，而是最烦的。比如客服咨询、销售跟进、报价初稿、售后问题分类、会议纪要、课程答疑、库存提醒、合同要点提取。
## 二、先定义好工作，再让AI参与
AI 最容易制造一种假进步：东西变多了，但任务没有推进。
哈佛商业评论在 2025 年讨论过一个词：workslop。它指的是那些看起来完整、专业、快速生成，但实际上没有推进任务，反而把理解、修改和返工成本转移给别人的 AI 产出。[2]
所以，第二个动作不是“多用 AI”，而是先定义什么叫“好工作”。
- 这份 AI 产出有没有推动一个明确任务？
- 接收这份产出的人，是更省事了，还是更麻烦了？
- 里面哪些事实、数据、承诺，必须由人负责？
AI 产出不是越完整越好，而是越能减少下游负担越好。
## 三、把流程画出来，不要一上来全自动
很多老板一想到 AI，就想自动化。最好客户一来，AI 自动回复；员工不用管，系统自动跟进；老板不用盯，报表自动生成。
这个想法可以理解，但第一步不要这么做。
中小企业第一个 AI 项目，更适合从半自动闭环开始：输入资料 → AI 起草 → 人工复核 → 对外交付 → 结果反馈。
AI 起草 + 人复核 + 结果反馈
MIT NANDA 的《The GenAI Divide》报告指出，很多企业生成式 AI 项目没有转化成业务结果，关键问题不只是模型能力，而是工具没有进入真实工作流，无法记住反馈，也无法根据企业语境持续学习。[3]
翻译成中小企业语言，就是：AI 不能只会回答问题，它要进入你的工作回路。
## 四、补数据，不要幻想数据完美
一说 AI，很多老板会觉得自己数据不够。这是真的。但不要因为数据不完美，就什么都不做。
CEIBS 在 AI 管理相关讨论中反复强调，AI 落地已经不只是技术问题，还涉及责任归属、数据可信、价值创造、人员采纳和治理不确定性。[4]
对中小企业来说，第一批数据不一定是大数据。它可能就是客户常见问答、历史报价单、合同模板、售后记录、产品说明、销售话术、老板语音纪要和交付复盘。
重点不是一开始就做完美数据仓库，而是先把散落经验变成 AI 能调用、员工能复用、老板能检查的资料。
## 五、训练人，不只是训练模型
AI 落地真正的变量，是人。工具都给了，员工不一定会自然使用。
Rogers 的创新扩散理论提醒我们，创新采纳从来不是所有人同时发生。组织里会有引领者、早期采用者、务实跟随者、谨慎观望者和抗拒者。[5]
作为高管教练，我特别不建议老板把员工抗拒简单归因成“不学习”。真正的组织转变，通常要经过五步：知道为什么要变，愿意变，知道怎么变，真的会做，持续被强化。这也是 ADKAR 模型给我们的启发。[5]
## 六、用指标和轻量治理，把项目闭环
没有指标，AI 项目就会变成感觉工程。
老板觉得有用，员工觉得麻烦。员工觉得省事，客户觉得敷衍。工具看起来很先进，财务结果看不出来。
问题要写清楚业务问题这个项目到底解决什么经营问题？负责人谁对结果负责，不是只对工具负责？数据边界哪些资料能用，哪些不能用？人工复核哪些输出必须由人确认？衡量指标用什么数字判断有效？纠偏机制出错后怎么记录、复盘和修改？
## 一个30天落地表
时间动作交付物第 1 周选一个流程，定义指标场景表、指标表第 2 周整理资料，做输出模板知识包、提示词、样稿第 3 周小范围试用，人复核试用记录、问题清单第 4 周看指标，决定继续、调整或放弃复盘报告、下一轮动作
这张表的关键，不是 30 天就做成大项目。关键是别把 AI 落地拖成一场没有尽头的学习运动。
## 结尾：AI落地不是多用，而是稳定创造价值
中小企业做 AI，最怕两个极端。一个极端是太兴奋，什么都想用 AI，最后满地工具，没有结果。另一个极端是太谨慎，总觉得数据不够、人不够、预算不够，最后错过了训练组织能力的窗口。
更稳的路径，是从一个小流程开始，把 6 件事做扎实：选场景，定义好工作，画流程，补数据，训练人，用指标和治理闭环。
这 6 个动作看起来朴素，却决定了 AI 能不能从“个人小聪明”变成“企业新能力”。
## 引用文献和出处
[1] Sawang & Sornlertlamvanich，《Artificial Intelligence (AI) Maturity in Small and Medium-Sized Enterprises》：https://arxiv.org/abs/2603.08728；Rajaram & Tinguely，《Generative Artificial Intelligence in Small and Medium Enterprises》：https://arxiv.org/abs/2602.00091；Weinberg，《A Framework for the Adoption and Integration of Generative AI in Midsize Organizations and Enterprises (FAIGMOE)》：https://arxiv.org/abs/2510.19997
[2] Harvard Business Review，《AI-Generated “Workslop” Is Destroying Productivity》：https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity；Harvard Business Review，《Research: The Hidden Penalty of Using AI at Work》：https://hbr.org/2025/08/research-the-hidden-penalty-of-using-ai-at-work
[3] MIT NANDA / Project NANDA，《The GenAI Divide: State of AI in Business 2025》：https://www.artificialintelligence-news.com/wp-content/uploads/2025/08/aireport2025.pdf
[4] CEIBS，《AI in healthcare: From technological promise to managerial reality》：https://www.ceibs.edu/new-papers-columns/29196；CEIBS Europe Forum 2026，《Shaping the future》：https://www.ceibs.edu/media/news/events-visits/29420
[5] Everett Rogers，Diffusion of Innovations，创新扩散理论；Prosci，ADKAR Model：https://www.prosci.com/methodology/adkar；Kotter，The 8 Steps for Leading Change：https://www.kotterinc.com/methodology/8-steps/
[6] Kiplinger，《Small Businesses Are Racing to Use AI》：https://www.kiplinger.com/business/how-small-businesses-are-using-ai；AP，《Almost all small businesses are using a software tool that is enabled by AI》：https://apnews.com/article/f6fa7b2a1ce0a9f2e5b8b48670b3098a；Axios，《Small businesses are using AI, but not spending much》：https://www.axios.com/2025/06/20/small-business-ai-use
## 相关链接
- [Ming](https://x.com/PandaMing88)
- [@PandaMing88](https://x.com/PandaMing88)
- [13K](https://x.com/PandaMing88/status/2074660842386379101/analytics)
- [https://arxiv.org/abs/2603.08728](https://arxiv.org/abs/2603.08728)
- [https://arxiv.org/abs/2602.00091](https://arxiv.org/abs/2602.00091)
- [https://arxiv.org/abs/2510.19997](https://arxiv.org/abs/2510.19997)
- [https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity](https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity)
- [https://hbr.org/2025/08/research-the-hidden-penalty-of-using-ai-at-work](https://hbr.org/2025/08/research-the-hidden-penalty-of-using-ai-at-work)
- [https://www.artificialintelligence-news.com/wp-content/uploads/2025/08/aireport2025.pdf](https://www.artificialintelligence-news.com/wp-content/uploads/2025/08/aireport2025.pdf)
- [https://www.ceibs.edu/new-papers-columns/29196](https://www.ceibs.edu/new-papers-columns/29196)
- [https://www.ceibs.edu/media/news/events-visits/29420](https://www.ceibs.edu/media/news/events-visits/29420)
- [https://www.prosci.com/methodology/adkar](https://www.prosci.com/methodology/adkar)
- [https://www.kotterinc.com/methodology/8-steps/](https://www.kotterinc.com/methodology/8-steps/)
- [https://www.kiplinger.com/business/how-small-businesses-are-using-ai](https://www.kiplinger.com/business/how-small-businesses-are-using-ai)
- [https://apnews.com/article/f6fa7b2a1ce0a9f2e5b8b48670b3098a](https://apnews.com/article/f6fa7b2a1ce0a9f2e5b8b48670b3098a)
- [https://www.axios.com/2025/06/20/small-business-ai-use](https://www.axios.com/2025/06/20/small-business-ai-use)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [9:04 AM · Jul 8, 2026](https://x.com/PandaMing88/status/2074660842386379101)
- [13.2K Views](https://x.com/PandaMing88/status/2074660842386379101/analytics)
- [View quotes](https://x.com/PandaMing88/status/2074660842386379101/quotes)
---
*导出时间: 2026/7/8 15:49:14*