STEP 01
定义经营结果
明确要改善什么指标、当前基线是多少、期望变化是什么，以及谁对结果负责。没有结果定义，就无法判断 AI 是否值得做。
Gottao AI capability loop
近道 AI 业务能力闭环
不从智能体清单开始，也不先建设大而全的平台。近道从一个可衡量的经营结果出发，进入真实业务现场，重构人机协作，连接必要上下文，交付最小完整闭环，再用真实结果持续复盘和扩展。
结果优先先定义改善什么，而不是要用什么模型
现场优先以真实工作代替会议室里的理想流程
闭环优先先跑通一项完整能力，而不是做功能碎片
复用优先每次交付都为下一项能力沉淀公共资产
The six steps
六步如何共同形成能力
六步会在项目中反复循环。新发现的异常、数据限制和业务反馈，会推动团队回到前面的判断重新设计。
STEP 02
进入业务现场
观察工作真实如何发生，找到等待、重复劳动、信息断点、经验依赖和异常处理，而不是只依赖现有 SOP 或需求访谈。
STEP 03
设计目标流程
重新划分员工、AI 和业务系统的职责，明确 AI 是提示、建议、判断还是执行，以及决策权、审批与升级机制。
STEP 04
连接必要上下文
只补齐当前能力需要的 ERP 数据、业务接口、知识、规则、历史案例和权限，不盲目建设大而全的数据或 AI 平台。
STEP 05
交付最小完整闭环
跑通业务触发、上下文获取、AI 分析或决策、系统执行、人工异常与结果记录，让能力可以在真实环境中运行。
STEP 06
评估、复盘和扩展
根据业务结果、AI 质量、使用、成本和风险持续优化，并沉淀可复用的数据、知识、接口、工作流和治理机制。
What changes
这套方法改变了什么
它把 AI 项目从“技术能做什么”重新拉回“企业需要形成什么能力”。
从场景清单变成经营优先级
不再按部门收集几十个想法，而是按经营结果、可行性、风险和依赖排序。
从需求开发变成流程重构
不把现有低效流程直接自动化，而是重新划分人、AI 与系统的职责。
从聊天工具变成系统执行
AI 获得可信上下文，并能在权限范围内调用真实业务工具完成动作。
从项目验收变成持续运营
上线后继续观察经营结果、质量、成本和风险，驱动下一轮改进。
从单点应用变成公共能力
将数据、知识、接口、评估和治理沉淀下来，降低后续场景交付成本。
Minimum complete loop
为什么强调“最小完整闭环”
“最小”控制范围和投资，“完整”确保能够在真实业务里产生并记录结果。只有两者同时成立，试点才有学习价值。
必须有业务触发
知道什么时候启动工作，由谁或什么事件触发，而不是等待用户随意提问。
必须有企业上下文
任务需要的数据、规则、知识、状态和历史案例能够被安全获取。
必须有真实动作
分析结果可以进入审批、系统更新、任务创建或其他业务后续。
必须有人工异常
低置信度、高风险和未知情况可以升级给明确的人处理。
必须记录结果
能够追踪后续发生了什么，形成评估、审计和改进所需的反馈。
必须可以持续运营
有人负责知识、质量、工作流、权限、成本和业务结果。
广告优化不是建设一个会回答广告问题的聊天机器人。
它需要连接广告表现、销量、利润、库存与历史策略，主动发现异常，分级建议与执行，并根据后续销售和利润结果持续评估。
Example
同一个方法，如何用于广告优化
- 定义希望改善的利润、广告效率或库存风险指标。
- 观察运营人员如何发现异常、分析原因和做出调整。
- 设计 AI 建议、低风险执行与高风险审批的边界。
- 连接广告、商品、销量、利润、库存与历史策略。
- 从少量商品和有限动作开始运行最小闭环。
- 根据后续销售与利润结果持续校准策略。
Reusable assets
每次闭环都要沉淀企业公共能力
下一项场景不应该从零开始。公共能力越成熟，企业交付新 AI 能力的速度越快、风险越低。
可信数据与口径
可重复使用的数据源、业务状态和指标定义。
知识与规则
有来源、版本、责任人和更新机制的企业上下文。
系统接口与工具
在权限范围内查询和执行真实业务动作的能力。
流程与人机协作
可复用的触发、判断、审批、异常和记录模式。
评估数据与指标
质量维度、黄金数据集、上线门槛和业务指标。
权限与治理机制
访问、执行、审计、成本、风险和责任边界。
Apply the loop
从一个真实经营问题开始应用这套方法
不需要先决定买什么系统。先判断结果、流程、上下文与第一项最小完整闭环。