云汇纪恒YUNHUI JIHENG · DECISION GUIDE 01
企业如何选择第一个
值得落地的AI智能体场景？
先选择一个高频、边界清楚、结果可验证的真实任务，用最小闭环证明价值，再逐步连接更多数据、系统和岗位。
先看结论
企业首个AI智能体场景，应当是一个真实、稳定、可复测的业务任务，而不是一个面向所有问题的“大而全助手”。选择的核心不是模型能做什么，而是业务流程中哪一个任务已经具备形成闭环的条件。
用六项标准筛选场景
六项标准不是打分游戏，而是一组进入开发前必须回答的问题。满足得越完整，首轮试点越容易获得可信结论。
任务是否高频重复
优先选择持续发生、消耗稳定人力的任务，而不是一年只发生几次的例外流程。
能说清每周发生次数与当前耗时输入与输出是否明确
智能体需要知道从哪里获取信息、执行哪些动作，以及什么结果才算完成。
能写出任务开始与结束条件数据与知识是否可用
资料不必一次完美，但应有稳定来源、基本权限和可持续更新的责任人。
关键资料可以访问、核验和更新结果是否容易验证
首个场景应允许人员快速判断对错，并在关键动作前设置确认或复核。
存在清晰规则、证据或人工检查点系统连接是否可控
先从少量必要系统和只读数据开始，再逐步增加写入、审批和自动执行权限。
能列出必要系统、接口和权限边界业务价值是否可衡量
用时间、正确率、处理量、响应速度或闭环率衡量，不只统计模型调用次数。
上线前已有基线，上线后可以复测不是所有需求都适合先做
窄任务 × 高频率 × 易核验
规则相对稳定，资料和责任人明确，完成后能立即判断对错。
- 材料预填与审核辅助
- 知识问答与在岗培训
- 标准报告和证据整理
价值明确，但链路较长
跨多个岗位或系统，建议先选择其中一个交接点形成最小闭环。
- 跨系统订单流转
- 供应链异常协同
- 复杂客户服务闭环
低频 × 高风险 × 难验证
数据来源不清、责任无法界定，或一次错误可能带来不可逆损失。
- 无依据的自动决策
- 直接替代最终审批
- 范围无限的通用助手
三个案例为什么适合作为起点
以下为企业公开实践案例。案例事实来自公开资料，场景判断由云汇纪恒依据公开信息整理。
政企订单四类智能体
围绕填单、审核、调度和受理拆分角色，连接材料解析、业务规则和跨系统流转。
适合作为起点：高频、流程明确、结果可核验，且每个岗位的人机边界清楚。业务员工构建研发与运营工具
把线束选型、文件核查等任务的输入、规则和输出明确化，再由业务人员确认结果。
适合作为起点：从窄任务切入，不必先重构整条业务链，容易形成首轮价值证据。老师傅经验转为AI讲师
先整理稳定知识和标准答案，再构建面向新员工的企业知识问答与培训入口。
适合作为起点：知识来源和责任人明确，答案可以由专家复核，适合作为低风险起点。用FDE方法把判断变成证据
场景选定只是开始。FDE需要进入真实业务现场，把场景定义、工具连接、使用反馈和生产责任放在同一个验证循环中。
- 01
进入现场
观察真实任务、角色交接、异常和重复劳动，不从模型能力清单倒推场景。
- 02
定义最小闭环
确定输入、动作、输出、完成标准和人工检查点，把复杂流程切成可验证任务。
- 03
连接证据与工具
接入必要知识、业务数据和系统工具，记录每个结论或动作来自哪里。
- 04
小范围实测
与真实使用者共同测试正常路径和异常路径，对比上线前基线。
- 05
生产化与扩展
补齐权限、日志、责任和持续更新机制，再决定是否复制到更多部门。
《FDE现场工程手册》
了解如何进入现场、定义问题、建立人机分工，并把有效做法沉淀为组织能力。
常见问题
应该优先选择最复杂、价值最大的流程吗？
通常不建议。首个场景的目标是用有限范围验证数据、工具、人机协作和业务价值。复杂流程可以拆成若干可独立验证的任务。
没有完整知识库，可以开始吗？
可以，但要先限定知识范围，明确资料负责人和答案核验方式。知识来源完全不可追溯时，不适合作为自动回答或自动决策的基础。
首个场景一定要自动执行吗？
不一定。先完成检索、整理、建议或预填，再由人员确认，是更稳妥的起点。获得稳定证据后再逐步增加执行权限。
带着一个真实任务开始讨论
准备最近一次任务样本、参与岗位、当前耗时和期望结果，我们可以先判断是否适合进入场景验证。