全公司都要搞 AI，先做哪个场景？

四个维度：数据（有没有、齐不齐、能不能用）、技术（现有系统与算力底子）、业务（流程标准化程度、场景清晰度）、组织（人员认知、是否有专人负责）。每个维度给出当前等级与差距分析，直接对应后面要补的功课。

不强制。咨询交付物是可独立使用的规划文档，你可以拿去内部实施，也可以交给其他团队。当然如果后续交由我们落地，咨询阶段已做过的工作不会重复收费，还能直接衔接。

能，而且传统行业往往收益更明显——因为流程标准化程度高、人工重复劳动多。我们会先从你最耗人力的几个环节入手找场景，而不是套用互联网行业的那套打法。

建议走「小切口、快验证」的路线：先挑一个高频、痛点明确、数据相对齐整的场景（比如客服问答、报价、报表、内容生产），用 2 周左右做一次 PoC，看真实业务数据下的表现再决定要不要继续投。

最忌讳的是一上来就规划一套「企业级 AI 中台」——投入大、周期长、见效慢，绝大多数中小企业撑不到出结果的那天。

如果你还没在真实数据上验证过效果，建议先做 PoC。PoC 的目标不是做出成品，而是回答三个问题：这个场景技术上能不能做到、效果能不能达到业务要求、成本能不能接受。

如果场景已经被行业反复验证过（比如知识库问答、智能客服），且你的数据基础较好，也可以直接进标准版项目实施，中间的验证环节会压缩在项目第一阶段完成。

同样能力下，私有化部署的成本通常高于云上调用，因为涉及服务器或专属算力、模型部署优化、运维保障等额外工作。但它换来的是数据不出内网、可自主管控、长期调用成本更可控。

是否值得，取决于你的数据量、合规要求和调用频次。我们一般会在方案阶段把两条路线的三年总成本摆在一起给你对比，而不是默认推最贵的那种。对于数据敏感度不高的场景，「云端模型 + 本地知识库」的混合方案往往更划算。