先说结论：试点通过，只回答了「能不能」
先把判断说清楚：试点验收通过，解决的是「这个方案灵不灵」；推广要解决的是「换了数据、换了人、换了部门之后还灵不灵」——这是两道不同的题，多数企业只做了第一道。推不广的项目，绝大多数不是方案错了，而是把方案原样搬了出去，把支撑这个方案的隐形条件留在了原地。所以本文的核心判断是一句话：推广时能复制的不是方案，是条件。
这不是观点问题，是行业账面上的事实。BCG 2024 年 10 月发布的《Where's the Value in AI?》给出：在至少开始实验 AI 的企业里，只有 26% 具备走出概念验证（PoC）、开始产生实际价值的能力；Gartner 也在 2024 年 7 月预测，到 2025 年底至少 30% 的生成式 AI 项目会在概念验证后被放弃。试点到推开之间有一道天堑，这道天堑不是模型能力挖出来的。
三组数字：从试点到推开是一道天堑
三组外部可核实的数字放在一起，可以把「试点热、推广冷」这幅图看完整：
| 来源 | 数字 | 说明什么 |
|---|---|---|
| BCG《Where's the Value in AI?》（2024-10，调研 20 多个行业、59 个国家的 1,000 余位高管，评估 30 项企业能力） | 98% 的企业至少在实验 AI；仅 26% 走出概念验证开始产生价值（其中领跑者 4%）；74% 尚未从 AI 中获得实际价值 | 「在试」和「推开」之间隔着近四分之三的企业——绝大多数卡在试点之后 |
| BCG 同报告（领先者 vs 其余，过去三年） | 收入增长高 1.5 倍、股东总回报高 1.6 倍、投入资本回报率高 1.4 倍 | 走通「试点→推广」这一步，回报差距是倍数级而不是百分点级 |
| Gartner（2024-07 新闻稿，数据与分析峰会） | 预测到 2025 年底至少 30% 的生成式 AI 项目在概念验证后被放弃，归因：数据质量差、风险控制不足、成本上升、业务价值不明确 | 四个放弃原因没有一条是「模型不行」——全在条件侧 |
还有一个容易读反的数字要交代口径：Gartner 对 822 位企业领导人的调查（2023 年 9 至 11 月）显示，早期采用者自报收入平均增长 15.8%、成本平均节约 15.2%、生产力平均提升 22.6%。注意这是早期采用者的自报平均值，与企业财务账面数字不是一回事——「用的人说有效」与「企业能把价值规模化」是两件事。后者怎么折算成钱，上一篇《AI 项目的收益要这么算》专门讲过，这里不重复展开；本篇回答的是它上游的另一个问题：为什么试点明明灵了，往外一推就哑。
样板间问题：试点自带六个隐藏条件
把推不广的项目放在一起复盘，会发现一个共同结构：试点是一间样板间——灯亮、水通、温度正好，但你看不见的是墙里的水管走线。样板间的水电是真的，只是它只服务这一间房。试点期里，有六个条件在「免费」支撑着方案，到了推广期它们被逐一断供：
| # | 隐藏条件 | 试点里谁在撑 | 推广时为什么断 |
|---|---|---|---|
| 1 | 数据接口 | 用的数据是有人手工整理好的「快照」，又全又干净 | 推广要求对接生产系统：权限、时效、质量、维护责任人，全都没着落 |
| 2 | 口径与基线 | 几个人口头对齐过口径，同一个词同一张表 | 每个部门有自己的历史口径，同一个数字各部门对不上账 |
| 3 | 人工兜底 | 错一单，旁边的人顺手手工修掉了 | 推广后错一单就是业务事故，兜底流程、发现机制、回退阈值都不存在 |
| 4 | 场景收窄 | 挑的是数据最全、流程最顺、最配合的那一个场景 | 推广直面长尾场景：字段缺失、流程拐弯、边角案例成倍出现 |
| 5 | 关键人 | 靠一位既懂业务又懂数据的人在中间「翻译」 | 这位关键人在别的部门没有分身，也没人有时间先变成他 |
| 6 | 注意力豁免 | 领导盯着、资源单列、进度周报直达高层 | 推广后与各部门日常 KPI 抢人力和时间，没人有义务配合 |
拿这张表去对 Gartner 的四个放弃原因，逐条都能落位：「数据质量差」对应条件 1 和 4，「风险控制不足」对应条件 3，「成本上升」对应条件 6 的资源争夺，「业务价值不明确」对应条件 2 的口径对不上账。四个原因没有一条指向模型能力——这也解释了为什么换一个更新的模型再去试点，多数团队会在同一个地方再摔一次。
方法：推广前做一次「条件盘点」
既然断的是条件，推广前的动作就不是「再跑一遍试点」，而是把试点的隐形条件显性化，逐条确认换了场景还在不在。盘点按四类走：
| 条件类别 | 盘点要回答的问题 | 不达标时的动作 |
|---|---|---|
| 数据 | 目标场景的数据能不能自动、按时、按质量到达？字段有没有缺失？谁负责日常维护？ | 先建数据通路与责任人，再谈上线；缺字段的场景先收窄范围 |
| 口径 | 输入和输出的每个指标有没有书面定义？能不能与财务、业务报表对得上账？ | 先出一页纸口径说明并由双方签字，对不上账的指标不上线 |
| 流程 | 出错了谁发现、谁兜底、有没有留痕？异常率到多少触发人工回退？ | 先写兜底流程与回退阈值，空跑两周异常日志再放量 |
| 人 | 每个新部门有没有一名「懂业务的人」当 owner？培训材料与常见问题谁沉淀？ | 先指定 owner 并做首轮培训，没有 owner 的部门排后 |
操作上就是五步：① 把试点依赖的条件照第三节的六格列成清单；② 按目标推广场景逐条打分（红/黄/绿）；③ 红项先补条件、后谈推广，不为赶日子跳过；④ 每个红项写明责任人与完成日期，挂进项目计划而不是挂在墙上；⑤ 盘点结果让业务部门负责人签字——签字这一步不能省，它把「IT 说可以推」变成「业务说可以推」。
推广的顺序：先邻位，后跨流程
条件盘点决定了「能不能推」，这一节回答「先往哪推」。判断很明确：第一批复制选「邻位」——同一个业务流程里的相邻环节，或者业务模式高度相似的部门。邻位场景的六个条件几乎不用改；跨流程复制等于重做半个试点。比如合同审核试点跑通后，先复制到同是「文档进、结论出」的标书初筛，而不是直接跳到客服质检——前者数据结构、口径、兜底方式高度相似，后者三样全要重建。
往远处走之前，先看清价值密度在哪。BCG 对被调查企业 AI 价值来源的拆分：
| 价值来源 | 占比 | 属性 |
|---|---|---|
| 运营 | 23% | 核心业务流程，合计 62% |
| 销售与营销 | 20% | |
| 研发 | 13% | |
| 客户服务 | 12% | 支持职能，合计 38% |
| IT | 7% | |
| 采购 | 7% |
这张表要正着读，也要反着读：62% 的价值在核心业务流程——值得去；但核心流程恰恰是六个条件最重的地方（数据专有、口径复杂、容错低），条件不足时硬闯，就是那 74% 里多一个。邻位策略的实际含义是：沿着条件现成的方向逐步逼近核心流程，而不是从核心流程一步登天。
少而深：领先者的两个反直觉打法
BCG 报告里最能纠正直觉的，是领先者在「做多广」和「钱花在哪」上的两个选择：
| 维度 | 摊大饼的做法 | 领先者的做法（BCG） |
|---|---|---|
| 机会数量 | 每个部门都开一个试点，项目越多越好 | 平均追逐的机会数量只有其他企业的一半左右，但规模化上线的产品数量是其他企业的 2 倍以上 |
| 资源分配 | 预算几乎全砸在采购模型和平台（算法与技术） | 10/20/70：算法 10%、技术与数据 20%、人与流程 70% |
| 验收对象 | 验收「演示效果」 | 验收「有多少个场景真正跑进了日常流程」 |
两个打法指向同一个逻辑：推广的瓶颈不在方案侧，在条件侧，所以资源要花在条件上。70% 的资源投给人与流程，就是投给第三、四节里那六个条件——培训、口径对齐、兜底流程、数据通路。预算有限的中小企业尤其如此：把一个场景的条件补齐推到日常，比新开三个试点更能改变明年的账。
推广自查表：九道关
把前四节收成一张表。推广立项会前过一遍，九关全绿再动：
| # | 自查项 | 通过标准 |
|---|---|---|
| 1 | 试点结论能书面复述吗 | 验收指标、基线、阈值、签字人四要素齐全（缺了先回补验收） |
| 2 | 数据自动到达吗 | 目标场景数据自动、按时、按质量到达，维护责任人已指定 |
| 3 | 口径对得上账吗 | 输入输出指标有书面定义，与财务/业务报表核对一致 |
| 4 | 兜底流程存在吗 | 错误发现机制、人工回退流程、异常率阈值三样齐备并演练过 |
| 5 | 场景收窄了吗 | 首批推广范围写明边界，长尾场景明确列入二期而非默认覆盖 |
| 6 | 每个部门有 owner 吗 | 懂业务的责任人已到位，首轮培训完成 |
| 7 | 首站选邻位了吗 | 首批推广对象与试点在流程/数据/口径上高度相似 |
| 8 | 资源冲突评估过吗 | 推广所需人力已排进部门计划，与现有 KPI 的冲突有书面安排 |
| 9 | 退出标准写了吗 | 推广放量后多久、低于什么指标即回退或停止，白纸黑字 |
一句话收束：试点证明的是方案，推广比拼的是条件。样板间人人会盖，把水管走线画进图纸，房子才住得进人。
微信内识别二维码分享此文
