AI项目停留在PoC阶段，不是模型能力不足，而是业务规则没讲清、数据条件没验证、验收标准没定义、人工兜底不明确。神州数码白皮书提出从90天试点到12个月扩展的落地路径，通过生产准入检查、阶段门槛和价值证明链，让AI智能体从演示场景进入汽车客户经营的生产系统。
生产准入检查：AI场景能不能上线
一个场景进入试点前，至少需要回答六个问题。第一，业务规则能否讲清——业务团队是否能说明该流程如何运行、关键节点是什么、例外情况有哪些。如果业务规则本身模糊，AI只能放大混乱。第二，数据是否可用——结构化数据和非结构化数据是否准确、完整、可追溯。第三，验收样本是否确定——项目不能只靠个案展示，要定义测试样本、样本量、覆盖场景和对照基线。
第四，准确率和容忍度是否定义——不同场景对模型误差的容忍度不同，低风险场景可以先追求效率，高风险场景必须设置更高审核要求。第五，人工兜底是否明确——AI输出不能成为无人负责的“黑箱建议”，必须明确人工审核、升级路径和责任边界。第六，上线后观察机制是否建立——建立上线后1个月、3个月、6个月的观察机制，持续评估使用率、准确性、异常率、业务结果和一线反馈。
90天试点三阶段
0-30天：诊断与场景选择。目标是确认项目是否值得启动，明确业务责任人、目标场景、指标口径、数据源、样本范围和业务基线。进入下一阶段条件：业务责任人明确，目标场景聚焦，关键指标统一，数据源可接入，测试样本和基线已确认。
31-60天：试点构建与人机协作设计。完成最小可用流程，搭建可测试的AI能力，同步设计人工兜底、权限合规、异常升级和业务测试机制。进入下一阶段条件：最小可用流程可运行，AI输出可解释，人工兜底明确，权限和合规通过检查。
61-90天：上线运行与价值复盘。判断项目是否值得继续投入，观察使用率、准确性、异常处理、业务转化和用户反馈。扩展决策条件：形成效率、转化、体验、管理或资产价值证据，关键用户采纳率达到预期，异常处理机制可运行，业务负责人认可继续投入。
五类价值指标与AI For Process六层能力架构
AI项目价值应从五类指标综合评估。效率证据——响应时间、线索清洗效率、内容生成效率、复盘周期。转化证据——首响率、邀约率、到店率、试驾率、成交率、复购率。体验证据——触达质量、服务一致性、客户满意度、投诉率。管理证据——过程可视化、任务闭环率、异常处理率、厂店协同效率。资产证据——数据沉淀、知识库复用、话术资产、模型规则、流程模板。
AI For Process用六项能力构建稳固架构：数据底座连接CRM、DMS、CDP、投放、客服、活动和售后等多源数据；流程编排将各环节串联为可执行流程；Agent能力围绕识别、决策、执行、协同和复盘构建智能体能力；知识沉淀沉淀销售话术、客户异议、战败原因和门店最佳实践；治理机制对数据权限、模型输出、人工兜底和责任边界进行可控管理；系统集成与车企既有业务系统和数据平台协同。
