30 天 AI Agent 试点：从选场景到验收的完整节奏

试点阶段的目标只有一个：用最小成本回答「这个方向值不值得继续投入」。它不负责证明产品多强，也不负责覆盖全部需求。把这两件事混进来，试点就会变成一个小型烂尾项目。

第一周：选场景，五条硬标准

场景选错，后面全白做。下面五条按顺序自检，任何一条不满足就直接换场景——不要用其他维度的优势去补。

1. 高频：每天或每周都在发生。低频场景拿不到足够样本来评估效果，也换不来业务方的重视。
2. 规则相对清晰：能说出「做对了是什么样」。完全没有判断标准的场景无法验收。
3. 有量化基线：当前的耗时、错误率或人力投入有数字可查。没有基线，效果无法证明。
4. 数据可得：所需数据确实拿得到，包括权限、接口和格式。这一条卡人的比例远超预期。
5. 错了能兜住：结果有第二道人工复核，出错不会造成对外影响或资损。

第二周：把当前流程写成可核对的基线

这一周不做技术验证，只做一件事：把现有流程的真实情况记录下来。需要产出三份材料——当前流程的步骤拆解、每步的实际耗时与人力、近三个月该场景的错误率或返工率。

这一步的价值在于把「以前好像挺慢的」变成「平均每单 18 分钟，其中 11 分钟用于查资料」。没有这组数字，30 天后就无法证明变化。

第三周：跑通一条完整链路

范围要小到一周内能跑通一次端到端。关键在「端到端」三个字：必须包含读取真实数据、执行判断、产出可用的结果、交付到目标位置。只做中间那段的演示，不叫跑通。

第四周：对照基线出结论

把第三周的数据和第二周的基线放在一起，回答三个问题：效果是否达到预设指标、未达到的部分是能力问题还是配置问题、扩围到全量需要补齐什么。产出物应是一份包含数据和待办项的结论，而不是一段效果描述。

四种失败信号，出现就该叫停

• 范围在第二周之后还在扩大。说明场景没选准，或需求方在借试点夹带需求。
• 始终用样例数据演示。说明数据接入这一关还没过，后面所有效果数字都不可信。
• 无法给出准确率，只能举出「这几个例子效果很好」。说明没有做抽样评估。
• 验收指标在第三周之后才开始讨论。指标一旦事后定，结果必然被解释成达标。

一个能说清「这次试点没成功，原因是数据质量不过关」的团队，比一个只能说「效果不错，建议扩大」的团队更可能把项目做成。