场景价值矩阵
Scenario-Value Matrix
"业务价值"ד实现可行性"四象限,帮助筛选AI落地的最佳切入场景。
这是什么
场景价值矩阵,是给"到底先从哪儿下手做 AI"这个问题的一张筛选图。今天几乎所有业务环节看起来都"能上点 AI"——客服能、文档能、排程能、知识库也能……于是最容易犯的错,就是哪儿都想做一点,结果资源摊薄、四面出击,最后哪个都没做成。
这张矩阵用两把尺子把候选场景过一遍:一把量"业务价值"(这个场景做出来,到底值不值钱、解不解决真问题),一把量"实现可行性"(以现有的数据、技术、人手,到底做不做得动)。两把尺子各打 1 到 10 分,一交叉就落进四个格子:价值高、可行也高的,立即做(这是你的突破口);价值高但难,规划做(列入路线图慢慢啃);价值低但容易,顺手做(有空再说);价值低又难,别做(果断舍弃)。它的全部用意,是帮你在一堆"都能做"里,找出那 1 到 2 个"最该先做"。
来历与出处
场景价值矩阵是邱懿武的改编方法,首次发表于《AI 转型》第五章。它的底层逻辑,是把波士顿矩阵那套"两维度交叉、四象限定位"的经典思路,重构到了"AI 落地场景筛选"这个具体问题上——所以它的源头是经典矩阵思维,但落点是 AI 时代特有的"从哪切入"难题。
它要解决的痛点,源于一个被反复验证的现象:AI 转型最常见的死法,不是技术不行,而是"到处都想做一点"。 资源是有限的,注意力是有限的,团队的信心更是稀缺的。如果一开始就贪大求全、全面铺开,往往在还没拿到任何成果之前就把家底耗光、把团队拖垮。这张矩阵的使命,就是逼你做减法——把有限的资源,压到一个"又有价值、又做得动"的场景上,先打出一场胜仗。
解决什么真实问题
最典型的场景:一家企业或团队决定搞 AI 转型,开个会一头脑风暴,列出了一长串"能用 AI 的地方",然后所有人面面相觑——从哪开始?这张矩阵给的不是又一轮争论,而是一套排序逻辑:每个场景按价值和可行性打分、落格,先后顺序自然就出来了。
它还解决一个很现实的沟通问题:怎么向领导或客户解释"为什么先做这个、不做那个"。空口说"我觉得这个更重要"没有说服力,但一张四象限图摆出来,谁在右上角、谁在左下角,一目了然,决策立刻就有了依据。
更重要的是,它专治"价值幻觉"和"贪多求全"这两种 AI 转型的通病——让你别被那些"听起来很高大上"的场景迷惑,也别被"立即做象限里好多个都不错"的诱惑带跑,逼着你把首批突破口死死控制在 1 到 2 个。
核心思想
理解这张矩阵,关键是想明白它为什么要把"价值"和"可行性"这两件事分开来量。
打个比方。挑 AI 切入场景,就像挑山头打。业务价值回答的是"这座山头值不值得打"——拿下它能带来多大战果。实现可行性回答的是"以我现在的兵力打不打得下来"——数据够不够、技术成不成熟、流程改造大不大、人配不配合。两件事必须分开看,因为一座山头"值不值得打"和"打不打得下来"是完全不同的两个问题,混在一起想,就会犯两类错:要么贪图价值去强攻一座根本打不下的山(左上"规划做"被当成了"立即做"),要么图省事去打一堆没什么战果的小山包(右下"顺手做"被当成了主战场)。
矩阵最精妙的地方,是它给出的那条作战节奏:先用"立即做"象限拿下一场快速胜利、建立团队信心,再用这场战果去争取资源,回头啃"规划做"象限那块高价值的硬骨头。 注意这个顺序——不是先攻最有价值的山(那往往最难),而是先攻"又有价值又打得下"的那座。因为转型最缺的从来不只是资源,更是"我们能行"的信心。一场漂亮的首战,比什么动员都管用。这也是为什么它反复强调:首批突破口只选 1 到 2 个,集中兵力,才能真出战果。
完整案例
举一个中型企业启动 AI 转型、做场景初筛的例子(示例)。
团队穷举出 4 个"看起来都能上 AI"的候选场景,逐个用价值×可行性双维打分:
- 客服问答自动化:业务价值 8(人力成本高,痛点真实)、实现可行性 7(历史工单数据现成、技术成熟)→ 落在右上,立即做。
- 核心生产流程智能排程:业务价值 9(价值最高)、实现可行性 3(依赖数据治理和流程改造,很难)→ 落在左上,规划做。
- 内部文档自动归类:业务价值 4(价值小)、实现可行性 8(容易)→ 落在右下,顺手做。
- 全公司知识库统一智能体:业务价值 3、实现可行性 2(又难又一时看不到回报)→ 落在左下,不做。
注意这里最容易走偏的一步:智能排程的业务价值打了 9 分,是全场最高的——如果只看价值,团队很可能一上来就去啃这块硬骨头,结果陷在数据治理的泥潭里几个月出不来,士气全无。矩阵的判断恰恰相反:先打客服问答自动化这个"又有价值、又做得动"的突破口,快速拿到成果、建立信心,再用这场胜仗换来的资源和底气,去分步攻坚智能排程这块高价值硬骨头。
而那个"全公司知识库统一智能体",听起来最宏大、最像"数字化转型该有的样子",却恰恰是该被果断舍弃的——既难落地,又一时看不到回报,是典型的"价值幻觉"陷阱。
切入逻辑一句话:先用客服自动化拿下快速胜利、攒下信心和资源,再去啃排程这块硬骨头——而不是一上来就贪大做全公司知识库,四面出击拖垮整场转型。
常见误解与边界
第一个误解:把矩阵当成一次画完就不变的定论。 "可行性"在 AI 时代变化极快——今天因为模型或工具不成熟而打"低可行"的场景,可能半年后就因为一次技术升级变成"高可行"。所以矩阵要定期重评,别拿半年前的图指挥今天。
第二个误解、也是最该警惕的:价值幻觉。 有些场景听起来高大上、很像"该做的样子",但其实没有真实可量化的收益。给业务价值打分时,一定要回到那个最朴素的问题——"这个不做,我会损失什么?"答不上来,价值分就该往下压。
第三个误解:被"立即做"象限的数量诱惑而全做。 就算右上角落了好几个场景,也不能都上。首批突破口必须控制在 1 到 2 个——集中资源才能出战果,分散了就又回到了"到处做一点"的老路。
最后说清楚边界:这张矩阵是一个粗筛工具,它给的是相对优先级,不是绝对答案。它帮你快速从一长串里框出"先打哪个",但选定突破口之后,还需要交给更精细的方法去深评——做 13 项打分的三阶评估法、判断穿越难度的 J 曲线、做最小验证的 MVP。矩阵在前定方向,深评在后定细节。
一句话记住它
AI 转型死于"到处都想做一点"——先把有限资源压到一个"又有价值、又做得动"的场景上,打赢首战,再去啃硬骨头。
想看这套方法喂给 AI 的执行规格?点上方「标准模组」。
用过此方法的案例
企业 AI 转型最大的浪费不是「选错工具」,而是「选错场景」——场景价值矩阵的核心是用「业务价值 × 实现可行性」把 8 个候选场景快速降维到 2 个,再用三阶评估法做深度验证
case-052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
case-066当大平台用 AI 做到「标准化交易效率极致化」,区域中小平台的出路是做大平台做不了的事——稳家的护城河是 10 年本地隐性知识(学区、邻里、物业),聚焦 800 万以上置换客群,从传统佣金转向本地置换顾问模式
用「场景价值矩阵」推演你的问题
描述你正面临的难题,InnoLab 会用这套方法当场跑一次结构化推演。
免费推演一次