误区一：上AI必须先招算法团队
不少企业以为引入AI要先把算法工程师配齐，其实多数落地场景靠现成工具加清晰流程就能跑通。中小企业在客服、文档、报表三类场景，用平台化产品通常两周内可见效，不必等自研模型，先解决具体痛点更实际。算法团队适合做长期自研，而多数中小企业的痛点是即时提效，路径不同不必硬凑。先让业务部门提一个具体场景，比先谈组织调整更落地，也更容易争取到内部支持。
误区二：模型越新效果越好
追新模型容易忽视"业务规则是否写清"。一个把售后流程、价格区间、转人工条件写明白的旧模型，往往比没梳理业务的旗舰模型更稳。把规则文档化，比换模型优先级更高，这是多数项目跑顺的关键。我们见过企业追新模型却没写业务规则，结果答非所问，反而拖累口碑。
误区三：一次配置永久生效
AI接入后若不维护，三个月后准确率通常会明显下滑。价格变动、政策更新、新增产品都要回流到知识库。据我们项目经验，设每月一次的复盘，能把效果衰减控制在一定范围，避免用半年前的模型回答今天的问题。衰减往往无声，等发现时客户已收到过时答复，月度复盘能把损失挡在前面。
误区四：全员培训才算落地
强制全员学提示词反而推高抵触。更务实的做法是先让一两个岗位用起来，产出可见结果再横向推广。安庆本地几家制造企业就是先由客服试点，半年内自然扩散到三个部门，比开会动员更有效。试点岗位产出报表或摘要后，其他部门看到价值会主动来问，推广成本更低。
误区五：数据安全只能靠堆设备
不少管理者以为防泄露必须买昂贵硬件。其实做好"敏感字段脱敏+权限分级+操作留痕"三件事，用现有系统通常就能覆盖大部分风险，先守住数据出口往往更关键，比添设备更重要。脱敏与留痕用现有系统大多能配，先把出口管住比采购硬件见效快。
引入AI是流程重构，不是装备竞赛。
鼎宇网络（安徽安庆）在服务中小企业时，通常会先帮客户理清"先做什么、用现成什么、谁来维护"，再谈技术选型，避免陷入重投入却难落地的误区。