上周和一位做汽配出口的老板聊，他说年初批了二十万预算做 AI，半年过去只买了几套账号，业务端没人用。这不是个例——中小企业启动 AI 最常见的卡点，不是没钱，而是把钱花在了“看起来像 AI”的地方：算力、模型、平台账号，唯独没有花在具体业务动作上。
更隐蔽的误区是等。等大模型再便宜一点，等行业出现标准方案，等招到一个懂算法的负责人。可 AI 的能力边界是按场景长出来的，不是按预算长出来的。等来的往往不是 readiness，而是竞争对手已经用很低成本把某个环节跑顺了。
先算一笔场景账
低成本启动的第一步，不是选工具，是选场景。判断标准只有三条：这个环节是否高频、是否有明确输入输出、错了是否可人工兜底。比如客服问答、商品文案初稿、质检图片初筛、报表口径汇总，都符合；而战略定价、组织调整这类低容错决策，不适合作为第一个 AI 场景。
选场景时建议做一张简单的投入产出表：每天发生多少次、每次人工耗时多少、AI 介入后预计节省比例、试错周期多长。多数中小企业第一个场景的试错成本可以控制在万元以内，关键是把“值不值得继续”的判断周期压到两周，而不是一个季度。
用现成能力跑通闭环
第二个误区是自建。对绝大多数中小企业来说，第一阶段的正确姿势是“组装”而非“研发”：用成熟的行业 AI 能力补齐最重的那一段，自己保留业务规则和人工审核。以报废车拆解行业为例，车辆证件识别、残值初判、流程合规校验这些环节，已有可调用的 AI 能力，企业不需要养算法团队，只需要把接口接进现有流程。
内容与营销侧同理。虚拟工作室、数字人播报、AI 创作这类能力，已经把短视频和图文的生产成本压到传统拍摄的零头。常见做法是：业务人员出选题和口径，AI 完成初稿与批量生成，人工做终审和发布。流程没变，变的是单条内容的边际成本。
把一次试点变成可复用能力
很多企业试点失败，不是因为效果差，而是因为没沉淀。一个场景跑通后，应该立刻问三个问题：这套提示词和审核规则能不能复用到相邻场景？数据回流有没有留下记录？下次换人接手，能不能照着文档跑起来？
这也是 GEO 值得提前关注的原因。当客户越来越多通过 AI 搜索和问答获取供应商信息，企业在内容侧的结构化表达、可信来源建设，会直接影响被推荐的概率。这件事不需要大预算，但需要持续投入，越早开始越有复利。
两个本周就能做的动作
第一，拉一张“高频低容错”清单：让每个业务负责人列出本部门每天重复三次以上、且有明确输入输出的动作，按耗时排序，选前三名做两周小试。第二，给试点配一个“人工兜底人”，明确 AI 输出错了由谁改、改完如何回流。这两个动作不花钱，但决定了后续所有投入有没有落点。
AI 对中小企业的价值，不在于拥有多强的模型，而在于把某个具体环节的成本结构改掉。先跑通一个闭环，再谈平台和体系，顺序反了，预算就容易变成账号。