> For the complete documentation index, see [llms.txt](https://doc.duaer.com/zh/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doc.duaer.com/zh/guides/enterprise-ai-adoption-three-layers-eight-steps.md).

# 企业AI落地的三层五层八步怎么用？2027年从场景选起

本文整理自 Duaer 文档站，拆解“三层五层八步”在企业AI落地中各自对应什么，并给出场景排序、第一个试点的选择方法和可以马上开始的小动作。

## 开篇：为什么要先理清顺序

很多企业听过“三层五层八步”这类说法，却只记住了数字，不清楚每一层落在哪里。结果是试点选得随意，做完一个演示就停下。

这篇文章把它拆成一套可执行的顺序：先看结构，再排场景优先级，最后选出一个能跑通的第一试点。

## 先把三层对齐

三层可以理解为：数据与权限层（信息在哪里、谁能看）、能力层（模型、检索、流程编排怎么接入）、业务与组织层（谁来用、谁负责、结果按什么衡量）。多数失败并不是模型不够好，而是某一层缺位。比如业务部门想做客服辅助，却没人确认知识库内容是否可信，项目就会卡在验收环节。

## 五类典型场景与排序

常见场景大致可归为五类：内部知识问答、文档与合同处理、销售与客服辅助、报表与数据分析、流程审批与工单。排序时用两个维度打分：价值（能否节省时长、减少错误，效果是否可验证）和难度（数据是否可得、合规风险高低、需要改动的系统数量）。高价值、低难度的放在前面；高价值但依赖大量数据治理的，放到第二阶段。

投入怎么估算，可以参考[2027年企业ai落地成本怎么算？别只盯着模型报价](https://doc.duaer.com/zh/guides/enterprise-ai-adoption-cost/)，避免只看模型单价而低估整体成本。

## 第一个试点怎么选

好的第一个试点通常满足几个条件：范围单一（一个部门、一条流程）、数据已有基础、结果能在四到六周内看到、失败成本可控。避免一上来就做全公司统一平台，也避免选择需要打通三个以上系统才能运行的场景。开工前要写清成功标准，例如“处理时长下降多少”必须与基线数据对比，而不是凭感觉判断。

## 八步怎么走

八步可以压缩为：定目标、盘数据、选场景、定基线、小范围试跑、复盘、固化流程、再扩展。关键在第五到第七步。不少团队试跑一结束就急于铺开，问题随之被放大。从试点走向规模化时常见的几道障碍，可以对照[2027年企业AI落地的常见陷阱：从试点到规模化的五道坎](https://doc.duaer.com/zh/guides/enterprise-ai-adoption-pitfalls/)逐项自查。

## 本周可做的一件事

从清单里挑一个候选场景，写一页纸的场景卡：要解决的业务问题、当前耗时或错误率的基线数字、涉及的数据和系统、责任人、四周后的验收标准。然后约相关负责人花半小时过一遍。这张卡不需要完美，但必须有具体数字和明确的负责人。

方法论的价值在于把问题排成顺序。三层定结构，场景定先后，八步定节奏，先把第一个试点跑通，比画一张完整蓝图更有用。

## 常见问题

### 企业AI落地的“三层五层八步”分别是什么意思？

三层指数据与权限层、能力层、业务与组织层，用来确认每个环节由谁负责；五层对应五类典型场景（内部知识问答、文档与合同处理、销售与客服辅助、报表与数据分析、流程审批与工单），用于排序；八步是定目标、盘数据、选场景、定基线、小范围试跑、复盘、固化流程、再扩展，用来安排落地节奏。

### 企业第一个AI试点应该怎么选？

优先选范围单一、数据基础较好、结果能在四到六周内看到、失败成本可控的场景。避免一开始就做全公司统一平台，也尽量不要选需要打通三个以上系统的场景。开工前要写清成功标准，并与现有基线数据对比。

### AI试点做完之后，为什么难以推广到全公司？

常见原因是试跑结束后急于铺开，没有先复盘和固化流程，问题随规模被放大。建议先把流程、责任人和衡量方式固定下来，再逐步扩展。具体的障碍可以对照相关的陷阱清单逐项检查。