背景
我独立承担内部 AI 落地职责。工作的起点不是选择模型，而是与业务沟通：理解一项工作如何发生、由谁推进，以及哪里真正需要改变。
问题
一个能够演示的 AI 功能，并不等于一条能够使用的业务流程。真实工作里存在上下游衔接、例外情况、人的判断和长期维护，方案必须进入这些具体环节。
约束
这份记录执行严格匿名：不涉及公司、部门、客户、内部系统、数据规模或量化结果。它只讨论已经发生的工作方法，不把尚未验证的成效写成结论。
方案
我先通过沟通梳理流程和目标，再判断 AI 适合进入哪一步。方案确定后，由我继续完成开发、部署和使用反馈的收集，让技术实现与业务理解保持在同一条迭代线上。
交付与迭代
这个过程不是一次性交付。业务在使用中会暴露新的约束，系统也需要随之调整。持续迭代因此不是项目结束后的维护，而是落地本身的一部分。
结果
项目仍在进行中。现阶段可以确认的不是某个数字，而是一套更清楚的工作路径：理解业务、梳理流程、设计方案、开发部署，再回到真实使用中继续修正。
复盘
企业 AI 最难的一段通常不在模型调用，而在模型之前和之后。技术只有进入具体流程，并被业务人员真正理解与使用，才开始成为组织能力。