企业引入 AI，技术往往不是最先卡住的那一层。真正决定能不能用起来的，是数据、流程与组织这三层门槛——一层比一层难，也一层比一层少有人提前准备。
一、技术之外的三层门槛
企业谈 AI，常常先谈模型和工具。但实际落地时，最先卡住的不是技术，而是三件更基础的事：数据能不能用、流程愿不愿意改、组织接不接得住。
二、第一层：数据能不能用
不是有没有数据，而是数据能不能被使用：是否结构化、口径是否一致、更新是否及时、权限是否清晰。
很多企业的数据散在各个部门的表格里，口径各不相同。这一层不整理，任何模型都只能在脏数据上给出看起来很专业的结论。
三、第二层：流程愿不愿意改
AI 提效的前提是流程允许它提效。如果审批链路、岗位职责、考核方式都没变，AI 只是在旧流程旁边多了一个「参考工具」，用一阵就闲置。
判断一个环节适不适合先上 AI，看两点：这个环节的产出是否可核对、做错了能否低成本纠回来。两样都满足的，才适合优先纳入试点范围。
四、第三层：组织接不接得住
最后落到人：谁来负责、谁来用、用得不好谁担责。没有明确责任人，再好的工具也会变成演示项目。
一个实用做法是给每个试点配一个「业务负责人 + 一个数据接口人」，而不是成立一个 AI 项目组就结束。
五、从小闭环开始
建议的路径是：选一个范围小、可核对、错了能改的闭环，跑通数据、流程、组织三层，再谈复制。
第一层可以花钱买，第二层要靠设计，第三层只能靠时间。把顺序搞反，是 AI 项目常见的浪费方式。
核心要点
- 三层门槛：数据能不能用、流程愿不愿意改、组织接不接得住
- 多数失败发生在第二层和第三层，而不是第一层
- 先选一个小闭环验证，再谈规模化
