企业AI落地转型问题有哪些?数据权限复核运维人员五类自查

企业AI落地转型的问题多出在演示之后,集中在数据、权限、复核、运维、人员五类。每类先问一个自查问题、先做一个小动作,比一开始就追求大而全更稳。

要点速览

• 企业AI落地转型的问题多出在演示之后,而非技术演示阶段
• 问题可归为数据、权限、复核、运维、人员五类,逐项自查
• 法律、财税场景中AI只做整理、初审和风险提示,判断归专业人员
• 模型、知识、权限三条运维线要各有写得出名字的负责人
• 先定使用者、管理者、负责人分工,再谈系统采购

企业AI落地转型遇到的问题,大多不出在技术演示阶段,而出在演示之后。资料散乱、版本不一,问答就不准;权限没有划清,员工就不敢用,或者用得太随意;复核没有写进流程,结果出了偏差找不到人负责;上线后模型、知识、权限三条线无人维护,系统慢慢荒掉;使用者、管理者、负责人分工不清,需求没人提,验收没人做。这些问题可以归为数据、权限、复核、运维、人员五类。每一类先问一个自查问题、先做一个小动作,比一开始就追求大而全的方案更稳妥。

为什么问题集中在演示之后?演示时用的是挑好的数据、设定好的场景、少数几个熟悉流程的人;真正推开以后,面对的是全公司积累多年的文件、几十个部门的权限关系、每天都在变化的制度和业务。关于演示与落地之间差在哪里,可以参考企业 AI 为什么总是卡在 Demo 阶段?,本文不再展开原因,只讲具体会撞上哪些问题、怎么先查。

下面五节结构相同,每节四行:典型表现(业务人员通常会这么说)、常见成因、一个自查问题、起步时可以先做的一件事。

数据:资料分散、版本不一,AI答得不准

• 典型表现:“问它报销标准,给的是前年的规定。”“同一个问题问两次,答案不一样。”“它说找不到,可我明明记得有这份文件。”
• 常见成因:资料散落在共享盘、个人电脑、邮件附件和聊天记录里;同一份制度存在多个版本,没有标注哪一版有效;扫描件、图片格式的文件无法被正常识别;部门之间对同一件事的说法不一致,却从未统一过口径。
• 自查问题:如果现在让你挑出本部门最常被问到的二十个问题,你能不能为每个问题指出一份、且只有一份有效的依据文件?
• 先做这一步:选一个范围小、问得多的场景,例如人事制度或产品说明,把相关资料集中到一处,删去过期版本,给每份文件标注负责部门和生效日期,再让AI去用。

数据问题的本质是资料治理,不是模型能力。模型再强,喂进去的是互相矛盾的材料,答案也只能跟着摇摆。润迅的 MaxKnow 是企业知识管理平台,在这类问题里做的是资料的整理与检索:把分散的文件归集起来,按来源和部门管理,让问答有据可查。它解决的是“找得到、找得准”;至于哪一版是有效依据、内容本身对不对,仍需要业务部门确认。

权限:谁能看什么,什么能往外发

• 典型表现:“销售助理问AI,居然看到了薪酬数据。”“不敢让员工用,怕把合同贴到外面的网站上。”“权限设得太死,大家干脆不用了。”
• 常见成因:知识库建好后所有资料混在一起,没有按部门、角色区分可见范围;员工习惯用公共AI工具处理工作,公司没有说明哪些内容可以输入、哪些不可以;权限规则没人维护,人员调岗离职后没有同步调整。
• 自查问题:一名新入职的普通员工,通过AI能问出哪些他本不该看到的内容?你能否在十分钟内列出来?
• 先做这一步:先把资料分成“全员可见、部门可见、指定角色可见”三档,敏感资料暂不进入知识库;同时发一份简短说明,写清哪些类型的信息不得输入公共AI工具。

权限隔离可以按部门、角色、来源三层来做,具体方法见企业知识库权限怎么做?按部门、角色、来源三层隔离。员工使用公共AI的数据边界,则涉及《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等对数据处理的要求,企业内部规则可以参考员工用公共AI会泄露数据吗?企业员工使用AI数据安全四步。权限不是越严越好,目标是让该用的人用得上、不该看的人看不到。

复核:AI给的结果,谁来确认、怎么留痕

• 典型表现:“AI审过的合同,律师还要再看一遍,那省了什么?”“出了错,说是AI写的,没人认。”“抽查过几次,但没有记录,说不清查了什么。”
• 常见成因:上线时没有界定AI做哪几步、人做哪几步;复核靠个人自觉,没有写进流程;复核结果没有留存,问题无法回溯,也无法据此改进资料或提示词。
• 自查问题:对于AI参与产出的任何一份文件,你能否说清是谁在什么时间确认放行的?
• 先做这一步:把一个业务流程拆成若干步骤,逐步标出“AI整理、AI初审、AI提示风险、人工判断、人工确认”,并规定人工确认必须留下记录。

在法律、财税这类专业场景,分工需要格外清楚:AI只做资料整理、初步审核和风险标记与提示,关键判断与确认由律师、会计等专业人员完成。这样安排并不意味着AI没有价值,它把翻资料、对条目、找疑点这些耗时的工作做在前面,让专业人员把时间花在判断上。复核与留痕写进流程之后,出了偏差能追到环节,改进也有依据。

运维:模型、知识、权限三条线,谁来负责

• 典型表现:“上线三个月,制度改了,AI还在答旧的。”“原来用的模型不能用了,整个系统停了几天。”“不知道每个月调用了多少,也说不清是哪个部门用的。”
• 常见成因:项目验收后供应商撤场,企业内部没有人接手;知识更新没有固定节奏;系统与单一模型绑定,模型调整或服务中断时无法切换;调用情况没有记录,成本与用量无从核对。
• 自查问题:模型、知识、权限这三条线,各自有没有一个写得出名字的负责人?
• 先做这一步:为三条线各指定一名负责人,约定知识更新的频率和触发条件(例如制度改版后几个工作日内同步),并开始记录模型调用情况。

模型这条线有两个常见风险:一是绑定单一模型,一旦这家模型服务调整或中断,业务跟着停;二是调用分散在各处,各部门各自申请、各自使用,没有统一记录。润迅的 MaxModel 是模型统一管理平台,通过一个 Key 接入多家大模型,支持多模型路由与调用审计。在这个问题里,它解决的是“换模型不必改业务”和“调用有记录可查”两件事。模型选哪家、怎么分配,仍由企业根据业务需要决定。

人员:谁提需求,谁来验收

• 典型表现:“IT部门建好了,业务部门说不好用。”“领导要求上AI,但没人说清楚要解决什么问题。”“验收时大家看了演示觉得不错就签了,用起来才发现不对。”
• 常见成因:项目由技术部门单独推动,业务部门只是旁观者;没有区分使用者、管理者、负责人三类角色;需求描述停留在“提升效率”这类说法,无法转化为可检验的标准。
• 自查问题:这个AI项目里,提需求的人和验收的人是不是同一批真正每天要用它的人?
• 先做这一步:写下三类角色的名单。使用者负责反馈问题,管理者负责资料与权限维护,负责人负责定目标、批资源、做验收;需求用“某类问题能在多长时间内答对”这样可检验的方式描述。

人员问题往往是前四类问题的根源。数据没人整理、权限没人维护、复核没人执行、运维没人接手,追到底都是角色没定。比起采购什么系统,先把这张名单写出来更要紧。

五类问题一页自查表

以下五个问题可以在立项会上逐条过一遍,答不上来的那一项,就是需要先补的地方。

1. 数据:高频问题能否各自对应一份唯一有效的依据文件?过期版本是否已清理?
2. 权限:资料是否按部门、角色、来源分档?员工是否知道哪些信息不得输入公共AI?
3. 复核:流程中AI做哪几步、人做哪几步是否写清?人工确认是否留下记录?
4. 运维:模型、知识、权限三条线是否各有负责人?知识更新是否有固定节奏?调用是否有记录?是否绑定了单一模型?
5. 人员:使用者、管理者、负责人是否有名单?需求与验收标准是否可检验?验收是否由实际使用者参与?

把五类问题放进同一套交付里处理的一种方式

五类问题如果分头解决,常见的情况是:知识库找一家,模型接入找一家,硬件再找一家,出了问题各家之间互相指认边界。另一种思路是把它们放在同一套交付里统筹。润迅的 MaxDeploy 是这样一种做法:基础分三层,硬件为 R30 AI 一体机(部署在客户现场)或 R500 AI 服务器(机房级高性能算力),系统为 XunOS(AI 操作系统),模型层为 MaxModel(模型统一管理平台);其上运行企业产品 MaxKnow(企业知识库)和 MaxControl(统一管理)。

对应到本文的五类问题:数据的整理与检索落在 MaxKnow,模型的统一接入与调用审计落在 MaxModel,权限与日常管理通过 MaxControl 统一处理。复核分工与人员分工属于企业自己的流程,需要在交付时一起约定清楚,任何系统都替代不了这一步。这只是可选路径之一,是否适合,取决于企业的规模、资料情况和内部人员配置。

行动建议:先自查,再立项

• 先用自查表过一遍:五类问题中答不上来的项,列为立项前的准备工作,而不是上线后再补。
• 从一个小场景开始:选一个资料相对集中、问题高频、出错代价可控的场景先跑通,再逐步扩展。
• 先定人,再定系统:把三类角色和三条运维线的负责人写下来,再谈采购与部署。
• 提前规划上线后的维护:交接内容、更新节奏、负责人分工,可以对照企业AI上线后运维谁来管?模型、知识、权限三条线与交接清单逐项准备。

如果希望结合自身情况讨论 MaxDeploy 的部署方式,可以拨打润迅业务热线 400-854-5566 沟通。

→ 联系润迅,聊聊你的场景,获取适合的方案