> 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-llm-adoption-scenario-selection.md).

# 大模型企业应用怎么选场景？2027年从价值与难度排序起步

本文整理自 Duaer 文档站，围绕大模型企业应用的场景选择，说明如何从价值与难度两个维度给场景排序，并给出第一个试点的选择标准和本周可执行的起步动作。

## 常见的典型场景

大模型在企业里的落地场景大致可以归为几类：

知识问答与文档理解：合同、制度、产品资料的检索与摘要；

内容生成与改写：营销文案初稿、客服话术、周报草稿；

辅助研判：工单分类、投诉归因、销售线索初筛；

流程辅助：表单填写、数据抽取、跨系统信息汇总。

这些场景的共同特点是「人在环路中」：模型给出结果，由人确认后再使用。把全流程自动化交给模型，通常是后期目标，不适合作为第一步。关于不同场景的筛选思路，可以参考[企业AI落地应用怎么选场景？2027年从三类典型场景起步](https://doc.duaer.com/zh/guides/enterprise-ai-adoption-scenario-selection/)。

## 按价值与难度给场景排序

排序时用两个维度，每项各打 1 到 5 分。

价值维度看几个问题：处理量大不大，单次耗时长不长，出错的代价高不高，是否直接关联收入或成本。

难度维度看另一组问题：所需数据是否已经结构化，是否需要打通多个系统，合规与权限要求高不高，业务规则是否明确。

把场景放进二维矩阵后，策略很清楚：高价值、低难度的优先做；高价值、高难度的列为第二阶段，等基础设施到位再推进；低价值、低难度的可以当作练手，但不要投入大预算；低价值、高难度的直接搁置。

举个对比：客服部门的「工单自动分类与回复草稿」通常处理量大、规则相对清楚，适合先做；而「跨部门自动审批决策」价值可能很高，但权限划分、责任归属和数据链路都很复杂，应放在后期。

## 怎么选第一个试点

第一个试点要同时满足三个条件：

1. 有明确负责人，既能拍板，也愿意接受结果；

2. 有可对照的基线，比如当前人工处理一单平均耗时多久、错误率大概多少；

3. 数据能在一两周内拿到，而不是先花一年做数据治理。

试点目标应写成一句可以验收的话，例如「某类工单的首次回复起草时间缩短到人工的一半，且人工修改率低于约定阈值」。「提升效率」这类表述无法验收，试点结束时只能靠感觉判断。多数试点停滞，并不是模型不行，而是事先没有定义成功标准。

核算投入时，别只看模型调用费，集成、维护和员工培训往往是更大的部分，可以参考[大模型企业应用的成本怎么算？别只盯着模型报价](https://doc.duaer.com/zh/guides/enterprise-ai-adoption-cost/)把这些项目一并纳入。

## 本周可做的一件事

这一周先不要讨论模型选型，只做一件事：列出本部门过去一个月里最耗时、重复度最高的十项工作，每项标注处理量、人工耗时和出错后果。然后用上面的二维评分挑出得分最高的一项，用一页纸写清试点目标和基线数据。

大模型企业应用的起点不是模型本身，而是一个能被算清楚、也能被验收的场景。

## 常见问题

### 企业第一个大模型试点应该选什么场景？

优先选择高价值、低难度的场景，例如处理量大、规则相对清楚的工单分类与回复草稿。同时要求有明确负责人、可对照的人工基线，并且所需数据能在一两周内拿到。

### 大模型企业应用的投入除了模型调用费还要算什么？

集成、系统维护和员工培训通常是更大的投入部分，建议把这些项目一并纳入成本核算，而不是只看模型报价。

### 大模型试点为什么容易停滞？

多数试点停滞并不是模型能力不足，而是事先没有定义可验收的成功标准，例如「提升效率」这类表述无法在试点结束时判断结果。把目标写成具体、可量化的一句话，并附上基线数据，能显著降低这一风险。