这是我们进场诊断真实在用的方法。摊开给你看——因为交付的功夫在执行，不在保密。它也是我们判断「哪些该上 AI、哪些不该」的那把尺子。
我们不问「你想上什么 AI」，问两个问题：今年最想突破的数字是什么？现在是什么在拖住它？从要赚的钱倒推回场景，比从一堆痛点里正着找，更快命中真正值得做的那一个。
从钱逆推出的候选场景，过三道筛子，剩下的才既痛、又高频、又能做：
不是所有环节都该上 AI。我们用两根轴判断：这件事有没有标准答案（越有标准答案，机器越强）× 有多依赖人与人的信任（越依赖人，越该留给人）。
一次驻场诊断的产出，是可以直接拿去决策的三页结论：
通用大模型像个聪明但没人带的新人，不懂你的业务语言、看不懂你的系统状态。我们做的第一件事，是把你业务里的对象、关系和规则画成一张「业务底图」（本体 / Ontology）——用自然语言就能画、能改，最懂业务的人自己参与。AI 站在这张图上，才能锚定你真实的生意。
AI 落地是循序渐进长出来的，不是一次性推倒重来：