一位做建材批发的老板最近问了个很实在的问题：公司买了大模型账号，销售也在用，可月底复盘时发现，成单周期没缩短，报价出错率也没降。钱花了，效率却没进报表。这不是模型不行，而是 AI 被放在了一个「需要专门去打开」的位置上。
触点不在新入口，在旧路径里
很多企业做数字化的惯性，是再建一个系统、再开一个 App、再让员工多记一个账号。结果是入口越来越多，使用率越来越低。客户的耐心和员工的操作意愿都是有限资源，任何一次「跳出去再跳回来」，都会流失一部分动作。
AI 真正的价值，不是造一个新入口，而是嵌进已经高频发生的路径里。对绝大多数中小企业来说，这条路径只有两条：客户在微信里，业务在小程序里。触点选对了，AI 才有被用起来的机会。
误区：把 AI 当成一个部门
另一个常见误区，是把 AI 当成一个独立项目交给 IT 或某个创新小组，做完演示就搁置。业务负责人觉得那是技术的事，一线员工觉得那是额外负担。工具与流程两张皮，数据也就断在原地。
更现实的做法，是把 AI 能力拆成若干「可直接完成一个动作」的小块：起草一段回复、识别一张证件、生成一版话术、判断一条线索的优先级。每块都挂在一个具体岗位上，谁用、什么时候用、用完交给谁，都要能说清楚。
判断一个触点值不值得做
我通常建议用三个问题筛选：这个动作每天发生多少次？做错一次的代价有多大？做完之后有没有明确的下一步？三个答案都清晰的环节，才值得优先嵌入 AI。
按这个标准，小程序和企业微信里其实藏着大量高价值触点。它们的共同特征是：高频、有明确输入输出、结果需要被人确认。下面拆三个典型场景，都是中小企业不需要大改造就能起步的。
触点一：小程序里的自助服务
客户打开小程序，最常见的行为不是浏览首页，而是查订单、问进度、看资质。这些问题的答案往往在业务员手里，客户只能等。把 AI 接在这类问答上，让它先基于企业自己的资料给出可核对的回复，人工只处理异常。
关键在于「可核对」。AI 回复要能指出来源，比如某条订单状态、某份产品说明，而不是自由发挥。对信息化负责人来说，这比模型参数重要得多——它决定了业务敢不敢把这件事交给系统。
触点二：企业微信里的会话辅助
销售在企业微信里跟客户聊，真正耗时的不是打字，而是判断：这个客户到哪一步了、该推什么、上一条承诺有没有兑现。AI 可以在会话侧边给出提示，把历史沟通、报价记录、常见异议整理成一页纸。
这里要克制。不要做自动回复客户，也不要做全量监控。先做「给坐席看的辅助信息」，让销售自己决定用不用。用两周时间观察哪些提示被采纳，再决定下一步要不要自动化。这是风险最低的验证方式。
触点三：从对话到工单的自动落档
很多线索死在「聊完就忘」。客户在微信里说了需求，销售记在备忘录里，隔几天就沉底了。AI 可以在会话结束时自动抽取关键信息，生成一条结构化工单，进入 CRM 或表格，并指派跟进人。
这一步的收益不在酷炫，而在可统计。有了结构化记录，管理者才能回答「上周有多少条真实需求」「平均多久首次跟进」。没有这些数字，任何 AI 投入都无法评估，也无法向团队解释为什么要继续。