今年的国庆佳节属实“福利满满”东拼西凑和中秋节一起能连休十来天，赶上年假了！距离上一篇文章《AI时代，项目越多，人工成本越来越高，利润却越来越薄，决定一个企业价值的不是订单多不多，而是能结合AI赋能企业破局！》又过去一周了，小编本来打算国庆过完回来再更新的，这几天后台私信却炸了，会员开始催更了！再加上金主也在催，所以加更一期！上一篇我们从同学聚餐，席间同学闷闷不乐聊到了其所在的一家上海某建筑设计公司的经营困境开始，讨论了一个越来越现实的问题：AI 时代红利下，项目越来越多，为什么企业却反而赚钱越来越难了？

当项目增长带来的不是单纯的收入增长，而是更多员工、更长工时、更多沟通、更多修改和更高管理成本时，企业就必须重新思考自己的运作模式了。AI 的价值，也正是在这里开始出现——不是简单让员工“多一个工具”，而是帮助企业提高人均产出，让同样的人完成更多有效工作，所以，上一篇文章最后留下了一个非常现实的问题：

这个问题不能简单回答成“买账号”、“买模型”“买服务器”或者“买 GPU”。企业真正应该先解决的，是AI 怎么进入企业、从什么工作开始使用，以及第一笔投入如何尽快产生可以验证的价值。

一、企业第一次引入 AI，不应该从买设备开始

国庆前夕，同学出差回去和公司张总沟通完，线上我们开了个视频会议，立马决定公司引入AI，他们公司IT部门很快提出了几个方案：购买一批 AI 账号、搭建一个企业 AI 系统、租一台云服务器，甚至有人建议直接购买几台 B300 GPU 部署开源模型，张总把这几个方案汇总后发给我，让我给意见，看后只能苦笑一下：这些方案都没错，但如果企业连 AI 到底要解决什么问题都没有确定，就开始购买账号、设备，实际上很容易把 AI 项目变成一次新的 IQ 投资了。

企业真正应该先问的是：公司每天哪些工作最消耗人工？哪些工作重复出现？哪些工作虽然重要，但并不需要员工投入大量创造力？例如项目会议后的纪要整理、客户需求汇总、项目周报、资料查找、邮件整理、方案文字说明、内部汇报、数据整理等，这些工作可能每天只占用一个员工几十分钟，但当几十人、几百人每天都在重复做时，就会形成非常可观的人工成本。

所以，企业第一次投入 AI，第一笔钱真正应该购买的不是 GPU，而是解决一个真实业务问题的能力。

二、AI 最应该先进入那些“重复、耗时、可标准化”的工作

AI 并不是所有工作都适合立即介入！建筑设计中的核心创意、建筑师的专业判断、复杂项目的决策，这些工作仍然需要专业人员承担。但围绕这些核心工作产生的大量辅助工作，却非常适合 AI，例如一个项目经理开完两个小时的会议，过去可能还需要花一个小时整理会议纪要，再花几十分钟把客户提出的问题整理成任务。

如果 AI 可以完成：会议录音 → 自动转写 → 提炼重点 → 提取任务 → 生成会议纪要，员工真正需要做的，就从“整理信息”变成“检查和确认信息”，这就是 AI 降本增效最容易开始的地方，企业不需要一开始就寻找一个多么宏大的 AI 项目，而应该从那些每天发生、人数众多、重复性高、容易计算节省时间的工作开始，因为只有这样，AI 带来的价值才容易被企业真正计算出来。

三、从员工个人使用 AI 开始，让 AI 第一次进入企业工作

确定场景之后，企业第一次使用 AI 最简单的方式，通常就是让员工直接使用成熟的商业 AI 服务，例如项目经理使用 AI 整理会议内容，行政人员使用 AI 处理通知和文件，市场人员使用 AI 分析客户需求，设计人员使用 AI 辅助资料研究和方案表达，这个阶段的目标并不是建立一个复杂的企业 AI 系统，而是先让员工形成一个习惯：

企业可以先选择一个部门或者几个项目进行试点，然后记录 AI 使用前后的变化。

这里的数字并不是企业必须达到的标准，而是企业应该建立的衡量方式，因为只有能够计算“节省了多少时间”，企业才知道 AI 到底是不是在降本增效。

四、从个人使用到团队协同，AI 才开始真正进入企业

员工自己使用 AI，只能解决个人效率问题，但企业真正需要的是让 AI 开始参与团队协作，例如一个项目过去的工作方式可能是：

加入 AI 后，可以逐渐变成：

变化的重点并不是“AI 写了一份会议纪要”，而是AI 开始参与企业内部的信息流动，当 AI 能够持续参与会议、文档、任务、汇报和项目资料处理以后，企业就不再只是“员工在用 AI”，而是在逐渐形成一种新的协同方式，这也是企业第一次引入 AI 时非常值得投入的方向。

五、当 AI 开始进入项目，企业才需要考虑 API 和业务系统

随着 AI 使用场景越来越多，企业很快会发现一个问题：如果每次都需要员工自己打开 AI、复制资料、粘贴内容，效率还是有限。例如项目管理系统里已经存在项目进度、任务、负责人和完成情况，那么员工为什么还要把这些数据复制给 AI？如果企业系统可以直接调用 AI，就可以变成：

这就是 AI API 开始发挥作用的地方，可以简单理解：

当 AI 开始进入企业自己的系统以后，它就从一个外部工具逐渐变成企业业务的一部分，这也是第一次 AI 投入开始从“购买软件”走向“建设能力”的重要转折点。

六、什么时候应该使用商业 AI，什么时候应该接 API？

这两个阶段并不是互相排斥的，如果企业只是希望员工提高办公效率，那么直接购买成熟的商业 AI 服务通常更加简单，如果企业希望 AI 自动进入网站、CRM、项目管理系统、知识库或者内部业务系统，那么 API 就更加合适。

因此，企业没有必要在第一天就决定未来十年使用什么模型，更加合理的方式，是先用最快的方式验证需求，再根据使用规模决定技术投入。

七、什么时候需要云服务器和自己的 AI 平台？

当企业只是购买商业 AI 或调用第三方 API 时，通常不需要自己购买 GPU 服务器，但随着 AI 应用越来越多，企业可能开始需要自己的云服务器，例如：

这时候服务器开始变得有价值，进一步，当企业同时拥有多个 AI 应用、多个模型、多个部门和大量用户时，又会出现新的问题：

这时候才有必要逐步建设企业自己的 AI 平台，所以它的顺序应该是：

而不是：

八、GPU、开源模型和私有化，应该什么时候进入企业？

GPU 是企业 AI 建设中非常容易被提前讨论的一个问题，实际上，如果企业主要使用商业 AI、云端模型和 API，那么第一阶段通常完全没有必要购买 GPU，只有当企业开始出现明确需求，例如：

这时候，GPU 才真正进入企业的投资范围，而商业模型和开源模型也不是简单的二选一，企业完全可以采用混合方式：

这意味着企业最终真正需要建设的，不一定是“一个 AI”，而可能是一套能够根据业务场景选择不同 AI 能力的体系。

结语：企业第一次投入 AI，真正应该买的是“效率”

回到上一篇文章提出的问题：企业第一次投入 AI，到底应该把钱花在哪里？答案其实已经越来越清晰：不是一开始就购买 GPU，不是一开始就建设复杂的 AI 平台，也不是为了追赶所谓的 AI 风口一次性采购大量软件，企业真正应该投入的第一笔钱，是让 AI 进入真实工作，并证明它能够创造价值。

最开始，可以让员工使用成熟的 AI 工具；当团队开始形成使用习惯以后，再让 AI 进入协同办公和项目流程；当企业希望 AI 自动参与业务，再通过 API 接入自己的系统；当 AI 应用越来越多，再建设统一的平台、知识库、权限和成本管理；最后根据实际需求，再进入开源模型、GPU 和私有化部署，这条路线的核心不是“企业要买多少 AI”，而是：

而当 AI 真正开始进入企业日常工作以后，下一个问题也就出现了：企业到底应该先把哪些工作交给 AI？因为并不是所有工作都值得 AI 化。哪些场景能够最快节省人工时间？哪些场景适合做 AI 协同办公？如何判断一个 AI 项目到底能不能真正降本增效？

第三篇，我们就从企业最容易开始的 AI 协同办公入手，具体拆解企业应该优先把哪些日常工作交给 AI。