没有历史基线、样本很少或使用频率很低，怎样判断 AI 是否值得做？

很多企业筛选 AI 场景时，会先问过去耗时、每月次数和预计提升。可有些任务刚出现，样本很少；有些一年只发生几次，却可能影响大客户、重大合同或生产安全。

低频、少样本场景要结合单次影响、可验证性、失败可控性和复用潜力判断，不能只按调用量与节省工时排序。

先分低频低影响和低频高影响

对低频任务，平均效率不够敏感。要记录每次事件涉及多少角色、占用多少专家、等待多久、出错后带来什么后果，是否影响客户、合规或生产。

重大投标一年只发生几次，单次准备可能牵动多个部门。AI 帮助检索历史材料、检查缺项和形成初稿，价值来自缩短关键周期与减少遗漏，不需要靠高调用量证明。

没有基线，先做最小记录

连续记录若干次真实任务的开始与结束、参与人、返工、异常、最终结果和主要困难。不必先启动漫长的数据工程。

连这组记录也无法获得，项目仍可以探索，但目标要写成“验证能否解决某类问题”，预算按实验封顶，不能提前承诺投资回报。

样本少时重点寻找失败方式

主动测试缺字段、信息冲突、证据不足、越权输出和高风险错误。小样本平均准确率容易好看，严重错误更能决定权限边界。

低频高影响但可人工复核的任务，可以先用于材料准备和建议。高风险又无法检查的场景，暂时不要自动执行。

一张五项卡完成初筛

项目 要回答的问题

发生频率 多久发生一次，样本怎样积累

单次影响 成功与失败分别值多少

可验证性 结果由谁、用什么证据判断

失败可控性 能否发现、接管、撤销和恢复

复用潜力 第二个场景具体少做哪一步

低频低影响且难验证的，优先放弃；低频高影响且可以复核的，适合受限试点；低频高风险又无法控制的，先补条件。

AI 价值不由调用次数决定。真正值得做的低频场景，往往贵在每一次都不能轻易出错。

本问行动：把被认为“发生太少”的任务填进五项卡，先看单次影响和失败能否控制。