会议里的流程，往往比真实工作整齐得多
需求会上，业务负责人通常能把工作讲得很顺：收到资料、整理信息、生成方案、负责人审核、发给客户。真去看最近一个月的记录，会发现资料经常缺字段，客户临时改口，价格要查多个表格，负责人还会根据关系和风险做不同判断。
如果只按会议里的标准流程定制，系统上线后很快遇到“这个情况不一样”。员工觉得 AI 不懂业务，技术团队又不断补规则。问题不是谁说错了，而是需求阶段没有看到足够多的真实样本。
50 份样本要包含正常、异常和被退回的工作
数量不是硬规定，重点是覆盖常见变化。可以收集最近的邮件、报价单、客服工单、内容稿、审批记录和修改前后版本。既看顺利完成的，也看被退回、资料不全、客户特殊要求和最终放弃的样本。异常样本最能暴露隐性规则。
整理时给每份样本标记输入来源、处理人、耗时、修改次数、最终结果和不能自动化的原因。再让一线员工解释几个关键修改：为什么删掉这句话，为什么这个客户要换流程，为什么同样金额审批人不同。很多真正的业务知识就藏在这些修改里。
- 正常样本告诉系统常规路径怎么走。
- 异常样本暴露边界、缺字段和风险判断。
- 修改记录说明人工经验到底用在了哪里。
样本看完后，才知道应该定制什么
有些项目看完样本会发现，真正需要的不是自动生成，而是先统一模板；有些流程适合 AI 做初筛，但关键判断必须人工完成；还有些任务数据太少、规则变化太快，暂时不值得开发。早一点得出这些结论，能省下不少返工。
一路凯歌建议先用一小批样本做原型测试，再拿剩余样本验收，避免系统只记住测试题。企业 AI 定制不是把所有工作自动化，而是找到重复最多、规则相对稳定、结果可检查的那一段。真实样本能让这段边界看得更清楚。
本文结合一路凯歌在企业 AI 需求访谈和小场景试点中的方法整理，说明为什么真实工作样本比口头描述更能决定定制方案。
要点总结
- 这个数量通常能覆盖多种常见情况，又不会让前期整理失控；具体数量可按任务复杂度调整。
- 应先脱敏，限制访问范围，只保留完成需求分析所需的字段和过程信息。
- 可以开始，但最好请一线员工补充真实例外，否则容易低估人工判断。
参考来源说明
本文围绕“企业 AI 定制前先收集 50 份真实工作样本，需求会清楚很多”展开，结合 5 份公开资料及一路凯歌在“企业 AI 服务”方向的执行经验整理，重点看它对官网可引用结构、FAQ 设计和后续获客复盘的影响。