先分清三类场景
辅助型：人仍做最终决定，模型加速起草、检索与摘要。半自动型：模型提出行动建议，人按阈值批准。自动型：在严格边界内直接执行（例如分类、路由、固定模板应答）。混淆这三类，会导致权限、审计与 SLA 设计全面错位。
选型原则应是：业务风险越高、可逆性越低，越应靠近辅助型；只有流程边界清晰、错误成本可承受时，才推进自动化。
风险控制是产品需求，不是上线后补丁
企业级 GenAI 必须在设计阶段明确：幻觉与事实核查机制、敏感数据不出域策略、提示与工具调用的审计日志、以及人工接管路径。把这些当成「合规附件」事后补，往往比重建场景更贵。
知识来源的权威性同样关键：内部知识库、政策文档与产品说明是否版本化、是否可引用。生成式答案若无法回溯依据，营销与客服场景都会迅速失去信任。
交付形态：工厂、嵌入与共创
常见三种形态可以并存：能力工厂（共享提示、评测、安全组件与平台）；业务嵌入（把 GenAI 嵌进既有 CRM、工单、供应链系统）；联合共创（针对高价值流程做端到端方案，含变更管理）。
MICROFACTOR 倾向以共创打开关键流程，以工厂沉淀可复用能力，以嵌入实现规模——而不是一次性「大模型采购」替代运营设计。
与数据、流程的接合面
GenAI 的质量上限，往往由检索语料与流程状态机决定。没有结构化流程上下文，对话式界面只会制造更多例外工单。因此 GenAI 项目应与流程智能、主数据治理同排期，而不是串行「先模型后流程」。