01 车管所材料审核：把“看、读、填、搬”交给机器

痛点：前台已数字化，后台仍靠人工逐张看身份证、合同、发票，单件约15分钟，慢、累、产能上不去。做法：先以遗留系统运维进入现场，再把材料识别、信息提取、审核、系统流转串成自动化链，异常才人工介入。效果：单件缩至3—5分钟，日均办件从七八百提升到约1100件。启示：真需求不一定写在客户需求书里；AI要嵌进流程，不能做孤立工具。

02 跨境报关：从逐个处理到批量并行

痛点：报关任务量大、规则复杂，图片和PDF反复核对，通用多模态模型准确率不够，约10%图片需重拍。做法：把识别拆成多步骤并交叉验证，小模型与大模型协同，保留约10%拒识率交人工；用影子系统逐步上线。效果：识别准确率约99%，四五十个任务约10—20分钟批量处理。启示：企业级AI要的是稳定生产，不是演示效果；承认模型边界，人工兜底是机制。

03 城市规划研判：AI调度工具，计算留给工具

痛点：选址和规划报告涉及约10个部门、空间数据和专业工具，一份跨部门报告要3—5天甚至一周。做法：先做“半个规划师”，把场景缩到具体单元和两条业务流；建真实数据、规则知识库和报告模板；AI理解意图并调度专业GIS工具。效果：报告初稿缩至10—20分钟，单部门分析从约1小时降到5—10分钟。启示：不要为AI推翻原有有效流程；AI是调度者，不是替代专业计算。

04 智能体测试：守住“没让你做的事”

痛点：Agent会搜索、改代码、调支付，风险不只在功能是否正常，还在是否越权；传统测试难穷举路径。做法：测试Agent生成针对性用例，记录执行轨迹，裁判模型判断是否越界，像第三方监理一样独立评测。效果：与十余家模型厂商内测，积累超1万测试用例。启示：AI安全需要独立评测；测试目标要收窄到行为边界。

05 TikTok达人建联：AI初筛，人做关系

痛点：达人难找、商品难匹配、履约周期长，数据散在平台、Excel、飞书和不同岗位。做法：AI做达人初筛、商品匹配、内容脚本辅助、履约提醒和数据串联，重要达人沟通仍保留人工。效果：平均履约周期从约一个月降到约18天。启示：高频重复交给AI，关系型、高价值沟通留给人；跨境数据合规要提前处理。

06 鞋服电商素材：从个人产出到公司资产

痛点：SKU多、上新快，内容生产依赖设计运营团队；员工各自开AI账号，只是“新工具塞旧流程”。做法：把AI生成嵌入素材生产、审核、沉淀全流程，建立人物、服饰、场景一致性标准，AI初检加人工复核。效果：项目处于POC和试用阶段，内容开始从个人产出变成企业资产。启示：AI改造的是工作流，不是发账号；好看不等于能商用。

07 跨境电商库存：让库存影响广告决策

痛点：订单、库存、物流、补货、广告割裂，员工每天花大量时间看物流照片、扒数据、算补货。做法：先打通数据，AI处理物流照片和回填，按原补货公式计算并由人工确认，再把库存与广告投放联动。效果：图片数据处理从每天4—5小时降到1小时以内，补货从2—3小时变为AI生成、人工确认。启示：先判断问题是否需要AI；规则固定可用脚本，关键判断留给人。

08 国企流程：让AI做助手，让人担责任

痛点：业务增长但编制受限，法务、财务、内控压力大，大量经验留在个人脑中。做法：区分“要AI”和真实提效需求；引入知识萃取，把隐性流程显性化；先梳理流程再做Agent，最终由人确认签字。效果：法务招聘编制节省，行政人员自己用AI搭出办公用品Agent。启示：中大型企业AI落地是组织工程；目标是让企业自己长出AI能力。

09 制造企业提效：两天工作坊+30天陪跑

痛点：OA、ERP、CRM都有，但合同审查、标书制作、报表更新仍靠跨系统手工搬运。做法：用真实材料做两天现场工作坊，帮25名核心员工落地24项可复用Skill，再陪跑30天。效果：部分文档处理效率提升超30%，合同审查从约2小时降到1小时内。启示：先找高频、边界清楚、效果可验证的场景；能力建设和制度适配要跟上。

10 外贸资料资产化：先解决老板最痛的小问题

痛点：样图、美工图、客户资料散落不同电脑和文件夹，老板希望一句话找资料，但数据未组织、信任不足。做法：现场用AI十分钟识别角尺产品并解决矢量图问题，建立信任；再把开发规范部署到客户本地，数据不离开企业。效果：老板开始主动提出十几到二十个新需求。启示：小切口建立信任；FDE大量工作并不“AI”，包括网络、权限、文件整理。

11 护肤品电商内容：把老板经验变成组织能力

痛点：内容创作依赖老板选题和脚本，专业运营难招，两三千篇历史内容的方法未沉淀。做法：把产品知识、老板经验、历史内容转成知识库，接入平台和竞品数据，搭内容创作工作台，覆盖选题、脚本、封面、复盘。效果：项目处于交付试用阶段，效果待经营数据验证。启示：AI不是多写几篇笔记，而是把个人经验变成组织能力；不能过早承诺GMV。

12 纺织企业创新：知识库不是资料仓库

痛点：产品创新和供应链决策依赖少数资深员工，培养产品经理平均14个月，人才流动带走知识。做法：把优秀产品经理的判断逻辑整理成AI可调用知识，做培训教练和决策助手，并用标杆项目带动影子项目。效果：沉淀1000+条专家判断、300多类常见问题、近600万字知识库，40+部门参与。启示：知识库最值钱的是专家判断逻辑；AI先给70分方案，最终决策留给人。

13 央国企财务：AI判断，RPA执行，人兜底

痛点：发票报销背后涉及出差记录、部门、项目、会计科目、审批意见等分散信息，判断和录入耗时。做法：AI负责识别、关联和判断，监督机制兜底，RPA打开网页逐项填写；先做破冰项目，再扩展。效果：落地10个AI相关场景，原本半月甚至一月的工作压缩到一两天。启示：先小场景证明ROI，再推动算力和基础设施；不同场景不强行用同一模型。

14 制造业经验传承：AI进入培训流程

痛点：老师傅隐性经验难留存，新人培养要两三个月甚至更长，老师傅任务重且面临退休。做法：跟岗观察整理知识地图；把文档和隐性经验做成AI可检索知识，用高频问题做测试集；嵌入培训、跟踪、问答和验收。效果：经验传承从依赖个人变成可沉淀、可检索、可追踪的组织流程。启示：不要只访谈，要跟岗；AI要进入原培训流程，不能只做聊天机器人。

15 制造企业经营透明化：让异常主动冒出来

痛点：ERP里有订单、生产、采购、库存、回款数据，但老板仍看不清经营，异常靠问人。做法：保留原ERP，基于其数据重新组织经营视角；AI做数据匹配和核对，异常通过飞书卡片主动提醒。效果：项目上线时间短，量化效果待验证，但库存真实性和应付款可追溯性已改善。启示：从老板经营问题出发；不能把刚上线项目包装成巨大收益；ROI要算账。

16 生物科技上市公司：AI转型第一步常在AI之前

痛点：销售客户关系散在个人手里，提成和业绩靠Excel，数据延迟一个月以上，新人培训近两个月。做法：先补CRM和数仓，再用AI+BI做销售大盘和趋势归因；做AI陪练、电子考试、简历筛选和面试辅助。效果：销售人效提升15—18%，核心销冠/主管月均释放约4个工作日，培训周期降到约3周。启示：业务领先不等于数字化领先；不要什么问题都硬套AI；要重新设计人和AI的生产关系。

17 传统制造报价排程：AI取数理解，程序计算，人担责

痛点：五六千种产品规格，报价要经多环节，耗时2—5天；客户查询靠层层问人；排产每天反复协调约5小时。做法：选高频报价切入；AI负责取数和理解，程序负责计算，人负责复核；再扩展到客户服务和排产。效果：常规报价缩到约15分钟，人工复核从100%降到约10%，日常排产从5小时降到30分钟。启示：先判断企业数字化阶段；别把减员当卖点，先解决员工最烦的事。

18 消费品包装审核：把排队等人工的环节前移

痛点：产品开发链路长，经验在个人脑中，信息散落；SKU增加后包装审核排队。做法：AI先做错别字、法规标准、NRV计算等确定性检查，人做产品表达判断；让Agent进业务群观察，再由业务人员定义AI“岗位说明书”。效果：人的时间重新分配，个人经验开始变组织经验，业务人员成为Builder。启示：先解决人的问题再解决技术问题；FDE像“AI HRBP+AI架构师”，技术复用、人的部分个性化。

-