一、先分清「数字化」和「AI 化」
中小企业转型最常见的误区，是把 AI 当成起点。合理的顺序是：业务在线化 → 数据资产化 → 流程自动化 → 决策智能化。前三步没走完，AI 只是一个昂贵的演示玩具。
先做一次自检：
| 阶段 | 判断标准 | 典型投入 |
|---|---|---|
| 在线化 | 订单、库存、客户信息是否已电子化 | 小程序、APP、进销存 |
| 数据化 | 关键指标能否按天自动汇总 | 数据看板、报表接口 |
| 自动化 | 对账、审批等重复动作能否无人值守 | 定时任务、RPA |
| 智能化 | 预测、推荐、生成是否有明确 KPI | 模型服务、Agent |
如果企业仍停留在第一行，优先做小程序或轻量 APP 把交易与客户数据沉淀下来，比直接采购一套 AI 中台务实得多。
二、四个可低成本验证的 AI 场景
- 智能客服与售前咨询：把产品手册、历史工单灌入知识库做 RAG 问答，挂到微信小程序客服入口。格达软件在零售客户项目中采用「小程序 + 大模型 API」方案，两周即可上线 MVP。
- 单据与合同识别：PC 端工具批量 OCR 加结构化抽取，替代发票、运单的人工录入。
- 经营数据分析：让 LLM 把自然语言转成 SQL，老板直接问「上月华东区毛利多少」。
- 内容与营销生成：商品文案、短视频脚本批量生产，再由小程序商城发布。
后端做意图分类的最小实现：
import os, httpx
def classify(text: str) -> str:
prompt = f"判断下列客户留言属于：询价/售后/投诉/其他，只输出类别。留言：{text}"
r = httpx.post(
"https://api.example.com/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['LLM_KEY']}"},
json={"model": "small-chat",
"messages": [{"role": "user", "content": prompt}],
"temperature": 0},
timeout=15,
)
return r.json()["choices"][0]["message"]["content"].strip()
三、架构与选型：别让 AI 变成技术债
- 数据边界：涉及客户隐私与财务数据，优先私有化部署开源模型；调用外部 API 时只传脱敏字段。
- 接口隔离供应商：把模型调用封装成统一网关，换模型只改一处配置，避免代码里到处散落 SDK。
- 保留降级路径：模型超时、超预算或返回异常时，自动回落到规则引擎或人工队列，保证业务不中断。
- 服务器与运维要跟上：GPU 实例成本高，建议按需弹性伸缩并配置监控告警。格达软件提供服务器维护与容量评估服务，按 QPS 与峰值并发反推资源配置，避免长期空转烧钱。
四、给中小企业的落地路线
- 第 1 个月：选一个高频、低风险场景（如客服问答）做 POC，先定成功率指标。
- 第 2~3 个月：把 POC 接入现有 APP / 小程序 / PC 软件，跑通真实用户流量。
- 第 4~6 个月：沉淀数据管道，把散落在各部门的 Excel 收进统一库表。
- 持续：每季度评估一次投入产出，砍掉无法量化的功能。
格达软件的做法是先做开发咨询，用 1~2 次访谈梳理业务流程，再给出「小程序 / APP / PC 软件 + 模型服务 + 服务器运维」的组合方案与报价，把大目标拆成能按季度验收的小版本。AI 不是转型的目的，算得清账的自动化才是。