AI项目值不值得做，只需要问这6个问题

现在很多企业都有AI项目。

做知识库、做客服Agent、做销售助手、做智能审批、做经营分析。

但真正的问题已经不是：

“我们要不要做AI?”

而是：

“这个AI项目到底值不值得做?”

这个问题越来越重要。

德勤中国与香港大学最新调研显示，64.4%的受访企业已经进入AI生产部署阶段，但48.5%的企业实际ROI低于预期，44.4%的企业甚至无法明确核算AI项目的投资回报。

麦肯锡的数据也类似：80%的企业认为AI提高了个人生产率，但只有37%看到EBIT层面的正向影响，真正称得上“AI高绩效企业”的只有约6%。

所以我越来越认为：

• 企业AI最大的风险，不是不会用，而是做了一堆项目，却不知道哪些真正创造了价值。

如果我是老板，我会要求每一个AI项目立项之前，先回答6个问题。

01

它到底解决什么业务问题?

这是第一关，也是最重要的一关。

很多AI项目一开始就是错的。

因为问题往往被表述成：

“我们要做一个AI客服。”

“我们要做一个销售Agent。”

“我们要搭一个企业知识库。”

这些都不是业务问题。

真正的问题应该是：

客服成本太高?

响应速度太慢?

销售线索转化率太低?

新人培训周期太长?

知识重复搜索浪费大量时间?

AI只是手段，经营问题才是起点。

一个项目如果连“到底要解决什么问题”都说不清，我建议先不要做。

02

这个问题值多少钱?

第二个问题更关键：

• 解决以后，到底能创造多少价值?

企业不能只说：

“效率会提高。”

要继续问：

• 提高多少?
• 能减少多少成本?
• 能增加多少收入?
• 能缩短多少交付时间?
• 能减少多少错误?

比如一个客服Agent，如果一年节省20万元人工成本，但开发、维护和模型费用需要100万元，这个项目即使技术再先进，也不值得做。

反过来，一个看起来非常普通的AI工具，如果能够把销售转化率提高5%，一年多创造1000万元收入，它就是好项目。

所以AI项目的价值最好最终落到三个指标：

• 增收、降本、提质

至少要有一个能被量化。

03

AI真的比原来的方法更好吗?

这一点经常被忽略。

不是所有问题都需要AI。

有些流程，用规则引擎就能解决。

有些工作，做一个简单自动化脚本就够了。

有些环节，甚至人工处理更便宜、更稳定。

企业最容易犯的错误就是：

• 因为AI很热，于是把所有问题都AI化。

正确的问题应该是：

如果不用AI，还有没有更简单、更便宜的方法?

AI方案和人工、传统软件、自动化工具相比，到底好在哪里?

我一般会看三个指标：

• 效果更好?速度更快?成本更低?

如果三个都没有明显优势，那它可能只是一个“AI包装项目”。

04

数据和流程准备好了吗?

很多AI项目失败，不是模型不够聪明，而是企业基础条件没准备好。

数据分散在不同系统。

客户资料不完整。

历史数据质量很差。

流程本身就混乱。

权限边界不清楚。

这时候上AI，只会把原来的问题放大。

所以AI项目之前要问：

数据够不够?

数据准不准?

能不能访问?

流程有没有标准化?

谁负责审批?

AI出错以后谁接管?

德勤的研究也发现，AI项目效果不及预期的重要原因，往往不是技术，而是部门壁垒、数据质量、组织阻力和模糊的商业价值论证。

我的判断是：

• 流程本身不清楚的地方，不要急着上AI。

先把流程理顺，再让AI进去。

05

它能不能真正进入工作流?

这是判断AI项目能不能长期产生价值的关键。

很多企业做了大量Demo。

效果很好。

展示的时候也很惊艳。

但过了三个月，员工还是不用。

为什么?

因为它是一个孤立工具。

员工必须额外打开一个系统、重新上传数据、复制粘贴结果，再回到原来的系统继续工作。

这种AI很难形成真正的生产力。

真正好的AI项目应该嵌入已有工作流：

销售打开CRM就能用。

客服在原系统里直接调用。

财务在审批流程里就能看到AI建议。

管理者在经营看板里直接获得分析。

麦肯锡最新研究发现，AI高绩效企业最明显的特征之一，就是更愿意重新设计工作流，而不是简单给旧流程加一个AI工具。

所以一个非常重要的判断标准是：

• AI不是多了一个工具，而是少了一步工作。

如果用了AI以后流程反而更复杂，这个项目大概率不会成功。

06

成功以后，能不能规模化?

最后一个问题，是很多试点项目真正的分水岭。

一个部门10个人能用，不代表1000个人能用。

一个Demo成本很低，不代表全面部署以后成本还合理。

AI项目规模化以后，会出现新的问题：

模型调用成本上升。

数据权限更复杂。

治理要求提高。

错误带来的风险扩大。

系统集成难度增加。

所以真正好的AI项目，不只是“试点成功”。

还要问：

• 如果使用量扩大10倍，成本是多少?
• 如果覆盖全公司，系统能不能承受?
• 能不能复制到其他部门?
• 有没有统一治理标准?
• 能不能持续优化?

只有这一关过了，AI项目才从“试验”变成真正的“企业能力”。

07

我会用一个六问框架做AI项目评审

以后企业面对任何AI项目，我建议老板直接问这6个问题：

解决什么真实业务问题?

这个问题值多少钱?

AI是不是最优解决方案?

数据和流程准备好了吗?

能不能进入真实工作流?

成功以后能不能规模化?

前两个问题判断：

• 值不值得做。

中间两个判断：

• 做不做得成。

最后两个判断：

• 能不能产生长期价值。

这比“我们用了什么模型”“做了多少Agent”重要得多。

AI时代，企业真正稀缺的能力，不是不断发现新技术。

而是：

• 能够判断哪些技术值得变成生意。

所以一个好的AI项目，最后不应该用“技术先进程度”来证明自己。

而应该用一个最简单的标准：

• 它有没有让企业赚更多的钱、花更少的钱，或者把重要的事情做得更好。

如果回答不了，这个项目就还没有真正成立。