原来卡在哪
工程租赁是典型的中小企业：老板既是唯一的销售，又负责调度和管理。客户营收3000万时，2500万来自几个大客户，剩下500万来自大量长尾小客户——业务上行期这500万可以不管，老板精力有限，大客户已经够忙，小客户丢了也就丢了。但到了下行周期，原来「无所谓」的500万可能明天就真没有了，老板才发现自己有客户，却没能力把所有客户都接住。真正要解决的问题是：老板没办法服务的长尾客户，能不能被接住？一个10万元左右的小订单，看似金额不大，报价却要综合车型、要不要配操作员、油费、运输距离、作业类型等多个变量，很难靠固定规则处理。
具体怎么做的
先把整个业务链路梳理出来：把客户怎么获客、从哪里进来、怎么询价、哪些订单老板必须亲自处理、哪些可以标准化都看清楚，甚至把抖音、快手、小程序等获客入口一起纳入考虑——前面没有获客入口，后面再漂亮的报价工具也没有意义。
把订单做分层：大客户价格不透明、订单价值高，仍由老板亲自判断；相对标准化的小订单，系统先收集需求，再根据车型、操作员、油费、距离、作业类型等因素计算合理报价区间，AI负责和客户沟通、判断能否快速成交，能接受就继续走，不接受或订单复杂就转人工。
把AI放进原有业务流程，让客户沿用原来的工作方式：面对的中小企业客户一线员工多是中年人、学历不高，不强求换工具改习惯，前端做得足够简单，必要时用语音或微信Bot承接，技术方案未必最优雅，但在真实业务里才能真正跑起来。
效果 · Before → After
长尾小订单处理方式
项目价值构成
踩过的坑
- 需求看起来简单，真正做起来很复杂——“做个内部数据库+搜索”听起来简单，但数据库怎么搭、数据怎么清、检索怎么做，成本很难提前估算；应对：不因客户说得简单就默认交付也简单
- 中小企业老板的接受程度有限——不会因为“这是先进AI技术”就愿意大刀阔斧改造企业；应对：从一个试错成本低、能马上看见结果的小点做POC，跑通后客户觉得靠谱，再谈更大路线图
- AI工具本身不能决定项目成败——真实业务问题往往是模型+Prompt+传统业务规则+运筹学的混合体，光靠通用AI工具解决不了全部；应对：能用现成工具先用，解决不了就自己做工程化；把「一号位是否愿意采用」当成关键判断标准，尽量嵌入客户已有工作习惯