先给结论：企业 AI 转型应该从 AI Readiness 评估开始——先盘清数据基础、业务场景与组织能力三项现状，再决定第一个落地场景，而不是先采购工具。
顺序搞反的代价很具体：工具吃灰、预算烧完、团队对 AI 这件事产生抵触情绪，下一次再推阻力更大。
一个反复出现的场景
去年下半年开始，AI 相关的采购决策明显加速。典型路径是这样的：
老板参加了一场行业会议，回来说我们也要上 AI。IT 部门被要求两周内出方案，于是快速对比了几家供应商，选了一个功能最全的。系统上线，组织了一次培训，通知全员使用。
三个月后看后台数据：日活集中在最初两周，之后断崖式下跌。问业务部门为什么不用，回答通常是「不知道用它干什么」「用了还得自己再核一遍，不如自己做」。
这不是工具选错了，是在不知道要解决什么问题的时候就买了工具。
什么是 AI Readiness 评估
AI Readiness 评估是在启动 AI 项目前，对企业的数据可用性、场景价值、技术条件、组织准备度、治理合规五个维度进行的系统性诊断。
它要回答的不是「AI 好不好」，而是三个更实际的问题：
- 我们现在具备启动条件吗？
- 如果不具备，缺口在哪、补起来要多久？
- 在现有条件下，哪个场景最适合作为第一个项目？
评估的价值在于，它把一个模糊的「要不要上 AI」的决策，变成一份有优先级的清单。
12 个自检问题
按五个维度分组，每题按 0（完全不具备）、1（部分具备）、2（基本具备）打分，满分 24 分。
维度一：数据基础（4 题）
- 你要用 AI 处理的那类业务，历史数据有没有稳定、持续的来源？
- 这些数据的关键字段口径在各部门之间是否一致（例如「客户」「订单完成」的定义）？
- 数据能否被技术团队合法、便捷地取到，还是散落在各业务系统里需要人工导出？
- 数据质量是否可接受——缺失率、重复率、错误率大致心里有数？
这四题最容易被低估。多数 AI 项目卡住的地方不是模型，是取不到干净的数据。但也不必等到「数据完美」才启动，关键是知道缺口在哪。
维度二：场景价值（3 题）
- 你能说清这个场景现在由谁做、每周耗时多少、错误率大概多少吗？
- 如果 AI 介入，节省的时间或减少的错误能否折算成可衡量的收益？
- 这个场景是高频重复的，还是一年才发生几次的？
第 7 题决定 ROI 的分母。低频场景即便做成了，摊薄下来也很难回本。
维度三：技术条件（2 题）
- 团队里有没有人能对技术方案做基本判断（哪怕不是自己开发）？
- 现有系统是否具备对接条件——有 API、有数据库访问权限，还是全封闭？
维度四：组织准备度（2 题）
- 这个场景有没有一个明确的业务侧负责人（不是 IT 负责人）愿意为结果负责？
- 如果 AI 输出有误，是否已经想清楚由谁复核、出错了怎么算责任？
第 11 题是「团队不敢用」的核心。责任不清的情况下，理性的员工一定选择不用。
维度五：治理合规（1 题）
- 涉及的数据是否包含个人信息或敏感商业信息，处理是否有合法来源与授权？
怎么解读得分
| 总分 | 判断 | 建议动作 |
|---|---|---|
| 18–24 | 条件较成熟 | 可直接选定场景启动，按单场景落地推进 |
| 12–17 | 部分具备 | 先补 0 分项，同时选一个数据条件较成熟的场景做小范围验证 |
| 6–11 | 基础薄弱 | 优先做数据口径统一与场景梳理，暂不投入平台级建设 |
| 0–5 | 尚不具备 | 先解决业务流程与数据记录问题，AI 不是当前优先级 |
一条经验规则：五个维度中若有两个维度出现 0 分项，建议先补短板再启动，而不是带着明显缺口硬推。带伤上线的项目，通常会在推广阶段停住。
这个评估该由谁做
自评的结果准不准，很大程度取决于参与的人。只让 IT 部门填，结果一定失真——他们清楚技术和数据条件，但对业务频次、错误成本和一线的真实顾虑判断有限。反过来只让业务部门填，技术条件和数据可获取性又会被高估。
比较稳妥的组合是三方各出一人：业务侧出实际做这件事的人（不是部门负责人，是每天动手的那位）、技术侧出能判断系统对接条件的人、管理侧出能拍板资源的人。
组织方式上有个细节值得注意：不要让大家在会上同时打分。人在会议室里容易受先发言者影响，尤其是领导先表态之后。建议各自独立打完，再集中比对差异——分歧最大的那几题，往往正是项目真正的风险点所在。
比如第 10 题「有没有明确的业务侧负责人」，如果 IT 打 2 分而业务打 0 分，这个差异本身就说明问题：技术团队以为业务方认领了，业务方并不这么认为。这种错位如果不在评估阶段暴露，会在项目中期以更贵的方式暴露出来。
评估之后该做什么
评估的产出应该是三份东西，缺一份都不算完整：
- 候选场景清单，每个场景标注价值预估、实现难度、数据就绪度；
- 缺口清单与补齐计划，写明责任人和时间；
- 首发场景建议，以及这个场景的成功判定标准——这一条最容易被忽略，但它决定了三个月后你能不能说清项目到底成没成。
关于周期的实话
单场景应用从评估到上线，常见周期是数周到数月，具体取决于数据准备程度与流程改造范围。凡是承诺「几天见效」的方案，通常要么场景极其简单，要么把数据准备的工作量藏起来了。
评估本身通常不需要很久，两小时的内部讨论就能把这 12 题过一遍，得到一个粗略但有用的判断。比起花掉的采购预算，这两小时的性价比相当高。