很多AI落地死在"一上来就想做大平台"。正确的打开方式是先做一个最小可行闭环(MVP)，用最小成本验证它真能产出价值，再决定扩不扩。下面五个动作，是我们在多个企业陪跑里反复验证过的MVP打法，按这个顺序走，基本能避开"demo很美、上线没人用"的陷阱，把预算花在刀刃上。

动作一：锁定一个能数出钱的场景

MVP不等于玩具。AI落地的MVP要选"节省工时或提升转化"能直接算清的场景，比如客服自动回复、报销审核。避免选"提升品牌形象"这种没法量化的目标，否则上线后谁都说不清成没成，项目自然被边缘化。选场景时让业务部门一起拍板，他们认账，后续推广才推得动；一家工厂选"设备点检表自动生成"作MVP，单场景月省工时清晰可算，老板当场批了扩大预算。

动作二：用现有数据，不等新基建

别等数据中台建好。AI落地MVP应直接喂现有表格、文档、历史工单，用检索增强补知识缺口。先用真实但粗糙的数据跑通链路，比花三个月做数据治理再启动要快得多，也更早暴露真问题，而不是把风险藏着。粗糙数据跑通比干净数据没启动强十倍，先动起来最重要；某客服MVP直接喂两年工单，首周准确率七成，虽糙但已能减人工，团队信心立刻起来。

动作三：定一个北极星指标

给MVP一个单一核心指标，如"人工转接率下降X%"或"单条内容工时降Y%"。AI落地如果没有北极星，团队会在各种优化里迷路。指标要业务能懂、能周度追踪，不是模型侧的复杂分数，业务看不懂就不会认账。指标定好后写进周会模板，每次同步先看它变没变；建议指标不超过一个，多了就互相打架，反而说不清MVP到底成没成。

动作四：真人兜底，边跑边改

MVP阶段必须保留人工兜底，模型答不准就转人。把每天的"模型答错/答偏"样本收集起来，每周回流训练提示词和知识库。AI落地的MVP不是一次交付，是两周一个迭代循环，越跑越准才是正常状态。建一个"错误样本表"，它是后续优化最值钱的数据资产；一家营销团队靠这张表四周内把内容初稿可用率从五成提到八成。

动作五：算清ROI再谈扩大

跑满四周，把节省的人力成本、提升的转化折算成钱，对比投入。AI落地只有ROI为正才进入扩大期；为负就砍或换场景。这一步决定了老板愿不愿意继续投，也是陪跑结项的关键证据，没有数字就没有下一期。算ROI时把隐性收益（如响应提速带来的口碑）也尽量货币化；某报销MVP月省两百工时≈两人力，投入仅半月工程，ROI转正当天即获扩大批复。

常见误区：MVP做成半成品就交付

MVP不是"功能少就行"，它必须端到端跑通一个真实任务。AI落地最怕做了个演示版就宣称完成，结果一线根本用不起来。验收标准是"真实用户连续用两周且指标改善"，不是demo好看，更不是领导点个赞。把"有人连续用"作为MVP通过的硬门槛，能筛掉大量假成功；建议验收时拉后台真实调用日志，谁也糊弄不了。

小结

AI落地别贪大。一个能数出钱的场景、现有数据、一个北极星指标、真人兜底迭代、算清ROI——五个动作跑完，你就有了一分靠谱的扩大依据，而不是一堆漂亮PPT。MVP的价值不在完美，而在用最低成本把"值不值"问清楚，问清楚了，扩大才不是赌。