AI SaaS 团队如何寻找企业 AI 自动化项目？

重点监测信号

• 新项目、流程改造或明确业务问题，而非泛泛 AI 兴趣
• 数据源、用户角色、系统集成和期望输出形成项目边界
• POC、上线、内部评审或客户交付时间
• 安全、隐私、评测和人工监督要求需要单独核实

直接答案：AI SaaS 团队应该发现“业务流程正在改变”，而不是发现更多 AI 术语

企业 AI 项目的早期信号通常不是“我要买 AI”，而是某个团队开始描述要自动化的流程、当前失败点、数据与系统边界、使用角色、试点或上线时间。AI SaaS 销售应把这些信息整理成 Discovery Brief，再决定是否进入产品与技术核实。

本文是典型工作流，不代表真实客户或项目成效。

01｜适合哪类团队？

适合提供企业 AI 助手、RAG 知识库、客服自动化、文档处理、Agent 工作流、模型部署或 AI 集成服务的创业公司与服务商。

02｜过去怎么找客户？

团队通常在创业者、开发者、行业软件和 AI 社群中搜索 RAG、agent、automation、LLM。销售看到有人询问工具，就发送 Demo 或产品介绍。

这种方法容易把学习讨论、个人项目和企业采购混在一起，也常常在没有理解流程的情况下过早展示功能。

03｜旧流程卡在哪里？

• AI 术语很多，业务问题很少；
• “想做 Agent”没有说明用户、权限和成功标准；
• 销售与工程对项目成熟度判断不同；
• 数据、集成和风险问题在 Demo 之后才暴露；
• 新项目与普通技术问答没有分流。

04｜应该配置哪些信号？

AI 项目信号应覆盖六个问题：

1. **业务流程：**哪个任务需要改变？
2. **当前问题：**人工耗时、信息分散、错误、等待还是规模限制？
3. **数据：**文档、工单、CRM、数据库或内部知识来自哪里？
4. **使用者：**客服、销售、运营、法务、工程还是客户？
5. **系统边界：**需要接哪些工具，谁能批准访问？
6. **时间与评测：**何时试点，如何判断输出可用？

演示消息：“We are starting an AI document-processing project for our operations team. Still evaluating the RAG stack and need a pilot before Q4.”

这是一条早期项目 Signal，但仍缺少文档类型、数据权限、量级、评测标准和采购路径。

05｜一套可执行的日常工作流

步骤	处理重点	输出
信息源选择	行业软件、AI Builder、企业 IT 与创业者群	受控来源清单
语境过滤	排除教程、个人实验、工具推广	商业项目候选
项目提取	流程、用户、数据、集成、时间、风险	Discovery Brief
成熟度判断	想法、调研、POC、实施、替换	阶段标签
产品核实	产品是否覆盖核心流程	产品意见
技术核实	数据、评测、安全与集成可行性	下一问题
销售路由	人工确认账户和沟通方式	CRM 或观察队列

早期项目不应因为“意向不够高”被丢弃，也不应被当成立即成交机会。更适合的状态是 Monitor and Engage：提供有用的架构或评测问题，并观察项目是否进入下一阶段。

06｜AI 和人工分别负责什么？

AI 负责从对话中提取业务流程、系统和时间，识别同一项目的后续更新，并把未知项显式列出。人工负责判断数据与风险边界、产品匹配、技术可行性、商业关系和沟通权限。

对于企业 AI，尤其要保留人工对隐私、安全、准确性、偏差和责任边界的判断。发现项目不等于证明方案可以安全部署。

07｜应该衡量什么？

• 候选讨论中，能明确业务流程的比例；
• Discovery Brief 的数据、用户、集成、时间和评测字段完整度；
• 想法、调研、POC、实施和替换阶段的分布；
• 产品或工程退回项目的原因；
• 从早期项目到出现下一明确动作的时间；
• 进入 CRM、长期观察和放弃三种状态的变化。

不应把“发现项目”写成“获得客户”，更不应为演示数据添加虚构 ROI。

08｜可复用的经验

1. 业务流程比 AI 名词更重要。
2. 新项目是采购之前的信号，应建立观察与培育状态。
3. 数据、集成、评测和风险字段应在 Demo 前出现。
4. AI 的任务是整理问题，不是替团队承诺可行性。
5. 记录项目阶段变化，才能区分持续推进与一次性讨论。

相关内容包括新项目启动场景和企业 RAG 部署信号。

常见问题

讨论 RAG、Agent 或 LLM 就是企业 AI 项目吗？

不是。学习、开源演示和个人实验也会出现这些术语。需要结合业务流程、组织背景、数据、集成、用户或实施时间判断。

AI SaaS 项目第一次应该问什么？

先问要改变哪项业务流程、谁使用、输入数据来自哪里、输出如何被验证、需要连接哪些系统、风险边界是什么，以及何时需要完成试点。

AI 可以自动判定项目可行性吗？

不能。AI 可以整理公开上下文和未知项，但数据可用性、模型质量、安全、成本、合规与集成可行性必须由产品、工程和客户共同验证。

资料来源与延伸阅读

1. NIST：AI Risk Management Framework