case-052 2026-05-29 邱懿武复原分析
HR SaaS 15 个功能都想 AI 化，但预算只有 300 万——用智能密度评估决定先做哪个
智能密度不是 AI 功能的「重要性」排序，而是「AI 真正能发挥作用」的可能性评估——假勤异常检测智能密度最高（数据结构化、规则明确、高频高人力消耗），而用户最想要的「简历筛选 AI」反而因主观性强排名第五
AI转型SaaS企业软件战略智能密度AI优先级HR SaaSAI落地场景选择邱懿武原创预算分配AI产品
Analysis Flow · 完整推演↓ 一步步看 InnoLab 怎么分析这个问题
#01问题重构
#02调用方法 · ST16
ST16·战略→ 揭示
#03调用方法 · DC01
DC01·决策→ 揭示
#04调用方法 · EV01
EV01·进化→ 揭示
#05调用方法 · ST19
ST19·战略→ 揭示
#06调用方法 · DC06
DC06·决策→ 揭示
#07关键判断
#08推演结论
- 用「智能密度」作为 AI 化优先级的第一过滤器：数据结构化程度高 × 决策标准化 × 人力消耗大的场景，才是 AI 真正能发挥作用的地方，而非「用户呼声最高」或「竞品在做」
- 优先选择「假勤异常检测」和「薪酬核算校验」：两者智能密度最高、商业价值最清晰、技术风险最可控——这两个模块 AI 化后带来的真实 ROI，远高于「简历筛选 AI」的噱头
- 建立 AI 产品价值评估清单（DC06）：对每个 AI 功能候选，回答「如果 AI 判断错了，谁承担什么后果」——误判风险越高的场景（如简历决策、绩效评级），AI 只做辅助提示，不做决策替代
- 将 AI 化结果可视化用于销售：假勤异常检测 AI 可以直接演示「本月检测出 17 条异常，节省 HR 38 小时」——这种具体数字比「AI 赋能」的模糊宣传更有销售说服力
- 不要因为竞品做了「AI 绩效」就跟进——绩效评估的智能密度最低（主观性强、标准不统一），竞品在这里做的大多是 UI 层面的 AI 包装，真实价值存疑；跟进只会消耗资源而无差异化
- 不要把「用户调研里最想要的功能」等同于「AI 最应该先做的功能」——用户感知的痛点是真实的，但用户不了解 AI 的技术可行性边界；智能密度评估补充了这个判断维度
- 不要让 AI 替代高风险决策（简历最终筛选、绩效打分、薪酬定级）——这些决策的误判后果由人来承担，当前 AI 在非结构化、高主观性场景的错误率无法接受；AI 辅助 + 人工决策才是正确架构
Try It · 用你的问题跑一次
换你的问题，InnoLab 来跑一次
这是 InnoLab 跑过的案例。你也可以把你的真实商业问题输进去。