我们接触过的企业里，超过一半是带着工具清单来的：某个大模型账号已经开了，某个智能体平台也试过，团队里几个人在用，但说不清哪个流程因此变好了。这不是工具选错了，是顺序错了。
一次有效的 AI 诊断做三件事。第一是把现有业务流程画出来，标注每个环节的人力投入、耗时和出错率——大部分卡点在这一步就浮出水面了，而且往往不在大家以为的地方。第二是评估团队现状：谁有能力承接、谁需要培训、有没有人能长期维护。第三是排优先级，把候选场景按"投入产出比"和"验证难度"两个维度排开，先动那些能在一两个月内看到结果的。
诊断的产出应该是一份能被质疑的报告：卡点有数据支撑，场景有预期收益测算，路径有明确的先后顺序。如果一份 AI 方案通篇在讲技术趋势，没有一个数字来自你自己的业务，那它对你就没有决策价值。
诊断本身不需要很长。以中型企业为例，一到两周的访谈与数据梳理通常足够输出第一版结论。真正花时间的是之后的落地，而诊断的意义正在于——让后面几个月的投入花在对的地方。