---
title: 企业选 AI 项目，最危险的问题是：“AI 能不能做？”
canonical: "https://www.vationx.ai/insights/articles/ai-project-selection/"
pubDate: "2026-06-17T00:00:00.000Z"
author: Sean
description: 选择 AI 项目时，真正重要的是任务边界、员工意愿、人类判断权和验证难度，而不只是 AI 能不能做。
tags: [AI 项目, 项目筛选, 企业决策]
---

选择 AI 项目时，同时判断任务边界、员工意愿、人类判断权和验证难度，才能筛掉不值得做的 AI 项目。

## AI 不是一条平滑的能力曲线，而是一条锯齿状边界

同一个模型可能在某些任务上表现惊人，在另一些看似相近的任务上非常不稳定。选项目时不能只问"能不能做"，而要问"在哪些条件下稳定"。

### 能力边界不是平滑曲线

好项目通常不是最炫的项目，而是任务边界清晰、输出可验证、错误成本可控、员工愿意采用的项目。

## 第一条原则：不要按岗位选 AI 项目，要按任务选

"销售能不能用 AI"太宽泛。更好的问题是：销售每天哪些具体任务足够高频、足够痛、输出可验证？

## 第二条原则：不要只看 AI 能力，还要看员工意愿

如果员工不愿意把任务交给 AI，或者担心输出不可控，再强的模型也很难进入真实流程。

### 四个区域决定项目优先级

| 象限 | 判断 |
|---|---|
| **Green Light** | 员工想要，AI 也能做。优先考虑进入试点。 |
| **Red Light** | AI 能做，但员工不想交出去。需要谨慎处理采用阻力。 |
| **Opportunity** | 员工想要，但 AI 现在还不够强。适合持续观察和小范围实验。 |
| **Low Priority** | 员工不想要，AI 也不强。通常不适合作为早期项目。 |

## 第三条原则：区分"自动化"和"增强"

不是人越少越好，而是匹配才好。很多高价值场景不是全自动，而是让人做出更快、更稳、更有证据的判断。

### 不是人越少越好，而是匹配才好

| 层级 | 模式 | 适用 |
|---|---|---|
| **H1** | 自动化 | 低风险、高重复、输出容易验证。 |
| **H2** | 审核式协作 | AI 先处理，人做最终确认。 |
| **H3** | 人机共创 | AI 提供候选和证据，人做判断。 |
| **H5** | 人类主导 | 高风险、高责任、高情境任务。 |

## 第四条原则：先选"容易验证"的任务

越容易验证，越适合早期试点。验证难度高的任务可以做探索，但不适合成为第一个组织级 AI 项目。

## 第五条原则：小心"质量提升"的错觉

"质量更好"必须被拆成可观察指标，否则很容易被一次漂亮 demo 误导。

## 第六条原则：防止 AI 把大家变得越来越像

如果 AI 让所有输出都趋同，就可能削弱差异化判断、品牌表达和专业深度。

## 第七条原则：不要用 demo 选项目，要用实验选项目

Demo 用来帮助理解可能性，实验用来判断是否值得投入。两者不能混为一谈。

## 10 个问题，先问清楚再立项

1. **这个任务是否足够高频？** — 低频任务不一定不重要，但很难快速形成 ROI。
2. **这个任务是否足够痛？** — 如果员工没有强烈痛点，AI 再好也很难形成持续使用。
3. **员工是否愿意让 AI 介入？** — 不要只问管理层。要问真正每天做这个任务的人。
4. **AI 当前能力是否足够稳定？** — 不要被一次成功 demo 说服。要看不同样本和边界条件下的表现。
5. **输出是否容易验证？** — 越容易验证，越适合早期试点。
6. **错误成本有多高？** — 错误成本高的任务，可以用 AI 辅助，但要谨慎自动化。
7. **这个任务需要多少 Human Agency？** — 是 H1 全自动，还是 H3 人机合作，还是 H5 人必须主导？
8. **这个任务是否嵌入真实流程？** — 一个孤立的 AI 工具，很容易变成没人打开的新系统。
9. **成功指标是什么？** — 节省时间、提高质量、减少错误、提高转化、改善体验，必须提前说清楚。
10. **如果 AI 明天变得更强，这个项目是否还能扩展？** — 好的 AI 项目也应该能随着模型能力提升不断进化。

## 最后的判断：好 AI 项目通常长得很朴素

它往往不是最像发布会的项目，而是最能进入真实工作、被团队持续使用、并且可以清楚验证价值的项目。