云璞信息，钉钉六星级钻石服务商，长期为企业提供数智化协同与组织效能提升服务。过去一年，我们陪着不同行业的客户推进 AI 办公落地，最常见的开局是：工具先买、账号先开、动员先做，半年过去，员工还是只拿它写两句文案。
问题通常不在工具，而在顺序。
一、先说结论：顺序错了，工具再好也使不上劲
AI 办公真正改变的是一条链——找信息、理解信息、产出信息。大多数企业的瓶颈卡在第一环：资料散落在个人电脑、群聊和旧系统里，同一个文件有五六个版本，谁有权看也说不清。
在这种状态下接 AI，得到的答案要么来自过期版本，要么张冠李戴。用的人试过两次不对，就不会再用第三次。
所以我们给客户的建议一直是同一句话：先把资料治理到"能授权、能辨版本"，再谈智能问答。
二、第一步 · 资料资产盘点：从"有资料"到"找得到、用对版本"
这一步要做三件事：
- 按项目、客户或业务对象建立分类，而不是按部门文件夹；
- 每份资料标注责任人、版本号、生效或作废状态、原文链接；
- 盘点存量，把散落的资料收进统一的文件柜。
我们在客户现场的做法：一家项目型服务机构（卫生与社会工作行业），项目资料多年累积，同名文件一大堆，新人和老人分不清该用哪版，找一个文件要反复问同事。我们做的第一步不是接 AI，而是先用宜搭搭一个项目文件柜——按项目建分类、定责任人、记录版本时间和生效状态，检索只引用"生效"的那一份；遇到版本冲突或找不到依据，明确转人工打开原文确认。
资料没整理之前，检索做得再漂亮，答案也只会从旧版本里来。
三、第二步 · 检索先行：先解决"找得到"，再追求"答得出"
清洗在前，索引在后。这一步的关键动作是：
- 导入前先清洗：去重、拆分邮件线程、处理附件与敏感信息；
- 检索结果必须带来源链接和版本时间，让答案可以点回原文；
- 找不到就明确返回"无结果"，不允许编造。
我们在客户现场的做法：一家航运企业，历史邮件沉淀多年，附件重复、线程交叠，业务人员找一份历史回复基本靠记忆。我们设计的链路是：授权导入并持续清洗历史邮件，建立可追溯的知识库；业务人员提问后拿到的是"答案草稿 + 原文出处"，核对无误后再回到原邮件系统发送，钉钉只承担提醒与审批协同。
注意这条链路里，AI 没有替代任何人做决定，它只把"翻找"这一步从几十分钟压到几分钟。
四、第三步 · 生成与审核闭环：AI 出草稿，人做确认
到这一步才谈生成，而且要先把边界划清楚：
- 哪些环节可以由 AI 直接产出（草稿、候选清单、报价建议）；
- 哪些环节必须人工确认（对客发送、价格承诺、合同口径）；
- 每条输出都要能追溯到引用来源。
我们在客户现场的做法：一家以 SKU 选型和报价为核心动作的 B2B 销售型企业，销售每天要在邮件、ERP、产品图和价目表之间来回找资料，资深销售的判断没法复制给新人。我们设计的是"一户一册"——以客户编码、邮箱和联系人关联邮件、拜访与订单，形成带来源的客户档案；选款时先治理 SKU 标签，再筛候选并展示排除理由；报价引用有效价格规则生成提案，由销售确认后发出。
AI 在这里的贡献不是"替销售写报价"，而是让新人也能拿到和资深销售同一套依据。
五、三条判断标准（做完可以直接自查）
- 找不到就诚实说找不到——没有证据时明确返回"无结果"，比给一个看起来像的答案有用得多；
- 每个答案都能点回原文——带来源链接和版本时间，使用者能自己验证；
- 关键结论必须人工复核——AI 出草稿，人做确认，责任主体不变。
这三条缺一条，用的人迟早会退回原来的工作方式。
六、我们的做法：陪着跑完，而不是交付完就走
在具体项目里，我们通常按这条路径推进：诊断资料现状 → 出治理清单 → 建文件柜与知识库 → 接检索 → 定审核规则 → 持续运营迭代。
前两步往往最花时间，也最容易被跳过。但从我们跑过的项目看，跳过前面两步的，后面基本都要回头补。
AI 办公不是一个开关，是一条需要按顺序修的路。顺序对了，工具才用得上。
附：关于 FDE——为什么我们现在更强调"陪跑"而不是"上线"
FDE（Forward Deployed Engineer，入企共创陪跑工程师），是这几年企业 AI 落地中出现的一类角色：不写方案交报告，而是进入企业现场，把 AI 样板真正跑起来。
它的工作通常拆成四步：拆场景（从老板目标和业务痛点里找到第一个高价值场景）、搭样板（基于钉钉、AI 表格、知识库和流程做出可运行样板）、跑业务（让样板进入真实部门、真实数据和真实用户）、建机制（形成复盘、优化、扩展的组织机制）。
云璞信息的 FDE 小队一般由客户成功、钉钉配置与低代码工程师、AI 应用与知识运营三类角色组成，配合企业侧的老板、业务负责人和 IT 管理员一起推进。我们交付的不是一套课件，而是把一个真实场景陪着跑通。
云璞信息 · FDE 入企共创陪跑：先跑通一个场景，再谈扩展
云璞信息 · 钉钉六星级钻石服务商
