AI 装了半年，员工还在群里问报销怎么走有个做工程服务的老板，前阵子给公司几个骨干都开了 AI 账号。
半年过去，他翻了一遍使用记录，说这东西也就那样，写写通知、改改文案还行，干不了正事。
我问了他一句，客户名单、成本表、返修记录，有没有让 AI 看过。他愣了一下，说那哪能给它看。
他答得特别快，一秒都没停。
同一周，深圳有一场面向企业家的 AI 实战课，讲的是怎么让智能体替公司干活。台下坐着六十位老板，最热闹的环节不是听课，是拿自己公司的营销、行政、业务分析场景上手试。
两件事放在一起看，反差很清楚。工具早就摆在那儿了，难的是让自己的数据走过去。
用得广，投得少中国信通院今年三月出过一份中小企业 AI 应用的报告，里面有两组数字挺扎心。
中小企业里真正把 AI 用进核心业务的，只有 23%。能把全流程用起来的，4%。
报告里还有一句更实在的描述，叫"想得多、投得少""用得广、用得浅"。
换成老板的语言就是，公司里装了一堆 AI，每天都在用，但用到的都是不痛不痒的地方。
你可能会觉得是员工不积极，或者工具不好使。
多半不是。公开资料人人都拿得到，AI 拿这些答出来的话，跟你在网上搜到的差不多。
你公司自己的报价口径、客户跟到哪一步、哪批货返修过几次、哪个师傅手上压着多少活，这些别处没有。
AI 看不见这些，就只能在边上打转。
有个做电商的老板算过另一笔账。他团队二十人，没有一个计算机专业出身，两个多月里自己搭了一百多个自动化任务，把市场调研、开店、制图、测款串了起来。
过去他从选品到开店要一个月以上，先打样、再拍图、再招运营，前期投入少则三五万。现在他让 AI 先跑调研、生成样品图，当天上架测，数据跑出来再按单生产。
他生意的顺序被改了过来，从先生产后销售，变成先验证后生产。
他做对的关键一步，是把公司里原本散落的数据，接到了 AI 手边。
三个动作，让 AI 看见你自己的账一、先把散落的资料搬进一个住处你公司的答案，很可能早就写在文件里了，只是没人找得到。
产品手册、售后政策、报销制度、常见问答，这些平时躺在各个电脑里，凑一凑就是第一批家底。
陀螺匠的企业知识库支持导入 DOCX、XLSX、PPTX、PDF、MD、TXT 六种格式，一次最多传二十个文件，单个不超过 20MB。传进去之后系统自动切段、做向量化，这一步不用你管。
有个细节值得花心思。建库的时候要填一段描述，写得越详细，后面 AI 检索的命中率越高。
你可以把它当成给这个库写一份说明书，讲清楚这里放什么、给谁查。
零散的知识也有去处。系统支持手动添加分段，一段能写到两万字，适合把那种没成文、只存在老员工脑子里的口径补进去。老员工离职前花两小时口述一遍，你整理好存下来，这些经验就留在了公司。
二、给资料配一个会说话的入口光有库不够，还得有个东西替你答。
陀螺匠的应用编排里，可以把建好的知识库关联给一个 AI 应用，之后它回答问题就基于你自己的资料，不会张嘴就是通用答案。
配置不用写代码。人设和回复逻辑可以让 AI 先生成一版，你再照着自己的语气改一改。发布前右侧有调试预览，拿十个常见问题问它一轮，答案不对就回去改资料，调顺了再发。
这里有两扇门，用法不一样。
内部的给员工用。新人问报销怎么走，直接问智能体，答案来自公司的制度文件，不用再追着老员工问。
外部的复制链接就能分享，客户不用登录就能访问，放到官网或者公众号，就是一个小公司版的自助客服。
外部这扇门记得管住。系统支持设置每个用户的使用频次上限，到次数就不再放行。人设里也写清楚，只答产品、价格、售后，超出范围的礼貌拒绝，客户的体验反而更好。
三、想清楚数据放在哪儿这是老板最容易卡住的一步。
客户名单是命根子，成本表连着报价底线，工资表更是碰不得。交给一个自己摸不着、管不了的地方，心里没底，太正常了。
陀螺匠支持私有化部署，数据放在你自己的服务器上，源码也交到你手里。
换个角度看，数据在自己家，AI 才敢读成本、读合同、读考勤。放在别人家，你也就只能让它看看无关痛痒的公开资料。
这里还有笔实在账。模型调用可以走一号通通道按量付费，也可以自备 Key，用量看得见，单价算得清。
两个前提，别跳过第一件事，模型要先配好。陀螺匠的模型设置分两类，对话模型负责思考和回复，向量模型负责知识库的向量化和检索，建库之前先把向量模型配上。
第二件事，资料是活的。政策改了、价格调了，库里的旧文件要记得换。
AI 很勤快，但它只会照着库里现有的东西答。库里过时了，它答出来的就过时。
按行业经验估算，这类工具用得好坏，七分在资料维护，三分在配置技巧。
明天可以做的三件事一，让行政或者 IT 把公司里重复回答最多的十个问题列出来，这就是第一批要入库的资料。
二，从这十个问题里挑一个，比如报销流程或者售后政策，先建一个小库试水，别一次全铺开。
三，问自己一句话，客户名单和成本表，我敢不敢让 AI 读。如果答案是不敢，先解决数据放在哪儿的问题。
一句话总结：中小企业 AI 落地，卡点常常不在模型，而在 AI 看不看得见你公司自己的数据。
金句：AI 能替你干多大的活，取决于你公司的数据能走多远。