样板田
企业用一个足够真实、足够具体、足够小的业务场景，把市场信号推进到 Demo、试用、反馈、复盘和下一轮迭代的小型闭环。它不是 PPT 或大系统，而是验证机会是否值得进入真实业务的组织试验田。
简介
样板田是企业在面对 AI 机会、业务创新或产品新方向时，用来摆脱“想法很多但都停在评估里”的组织机制。很多企业不是没有机会，也不是没有想法，而是每个机会都像战略、每个需求都像值得做；如果没有一个小而真实的验证场景，组织就无法区分哪些是老板的一时兴奋，哪些是客户个案，哪些是可复制的业务机会，哪些应该尽快停止。
样板田要求先选一个足够具体的场景，把外部 市场信号翻译 成可执行项目：服务谁，解决哪段流程，第一版不做什么，AI 具体负责什么，人在哪里审核和兜底，数据从哪里来，试用后看什么指标，有效后如何进入真实业务。它的价值不在“做得完整”，而在让组织获得一次真实闭环经验。
在 AI 时代，样板田尤其重要。AI 原型、代码生成、资料整理和流程搭建变快后，最慢的反而是前置问题定义：场景是否真实、边界是否收住、成功标准能否验证、跨部门责任是否明确。样板田把这些抽象讨论压缩到一个可试用的小闭环里，让团队用结果而不是会议判断方向。
关键信息
- 类型：组织能力 / 产品验证 / 企业 AI 落地概念
- 核心目的：用小场景验证机会，避免大系统立项前的长期空转
- 典型周期：以 30 天左右真实反馈为一轮验证节奏
- 关键产物：Demo、试用对象、验证指标、复盘结论、下一轮迭代决策
- 适用场景：AI 项目、B 端新功能、企业流程自动化、客户现场机会、业务负责人提出的新方向
核心特性
1. 足够真实
样板田不能是纯演示 PPT，也不能是脱离业务现场的工具培训。它必须落在真实客户、真实员工、真实流程或真实数据上。只有真实场景会暴露组织平时在会议室里看不见的问题：权限卡点、数据口径、人工审核、系统接口、用户不愿录入、跨部门责任归属等。
“真实”不等于“完整上线”。样板田可以很小，但它必须让目标用户能实际试用，能产生反馈，能让团队看到这条路径是否有继续投入的必要。
2. 足够具体
样板田的对象不是“做一个更智能的报价系统”这种大命题，而是“某类客户当前报价流程中重复整理资料的一段，第一版由 AI 帮助整理字段、人审核后生成报价草稿”。越具体，越能定义边界、数据、责任和指标；越抽象，越容易滑向大而全系统。
具体化通常需要回答：哪个客户最急？哪段流程最痛？第一版只解决哪一步？哪些能力暂时不自动化？哪些错误必须人工兜底？
3. 足够小
样板田必须小到能在有限时间内跑完一轮 Demo → 试用 → 反馈 → 复盘。它不是把未来完整产品砍掉几个按钮，而是围绕最关键假设定义一个 MVP。小的价值在于降低跨部门阻力：研发不用一次改旧系统，中台不用立刻重构公共能力，数据团队可以先用局部字段和人工补齐，业务团队也能更快试用。
小并不意味着低价值。相反，样板田通常选的是最能代表业务价值的一段痛点。如果这一段都无法产生反馈，完整系统更不值得做。
4. 复盘可复制
样板田的终点不是 Demo 做完，而是复盘出可复制的路径。复盘应回答：这个机会是否真实？哪些假设被验证或推翻？哪些风险是真风险，哪些只是想象中的风险？哪些人工补位未来可以系统化？哪些规则可以沉淀成 Skill、流程模板、业务规则或评测集？
当企业连续跑通几块样板田后，团队会形成“市场信号可以被拆解和验证”的共同经验。老板的直觉不再被视作拍脑袋，业务负责人的客户洞察不再只是聊天记录，产品和研发也不必只用风险语言回应机会。
不同素材中的观点
- 2026-07-07-woshipm-product-slow-fde-sample-field：样板田是解决“产品慢半拍”的组织新能力。企业缺少的不是想法，而是把想法从市场信号推进到 Demo、试用、反馈、复盘和下一轮迭代的闭环。文章强调，样板田不是 PPT、不是大而全系统、不是 AI 工具培训，而是能回答“项目服务谁、解决哪段流程、第一版不做什么、AI 负责什么、人在哪里兜底、数据从哪里来、看什么指标、有效后如何进入真实业务”的小型闭环。只要跑通一块样板田，团队就会重新理解老板市场判断、业务现场和 AI 项目之间的关系。
实用信息
样板田设计模板
- 场景名称：用一句话描述，如“重点客户报价资料整理 Demo”。
- 目标用户：第一批真实试用对象是谁，不写“所有客户”。
- 当前痛点：流程中最卡的一段是什么，最好能用时间、错误、等待或返工描述。
- 第一版边界：本轮只做什么，明确不做什么。
- AI / 系统 / 人分工：AI 生成或识别什么，系统约束什么，人审核或兜底什么。
- 数据来源：需要哪些字段、文档、历史记录或人工录入。
- Demo 标准：做到什么程度就能给用户看，而不是做到什么程度才叫上线。
- 验证指标：30 天内看试用次数、流程耗时、错误减少、客户反馈、是否愿继续投入。
- 停止标准：什么结果说明不值得继续做。
- 复盘沉淀：哪些规则、模板、经验可进入下一块样板田。
与 POC / MVP 的区别
| 概念 | 关注点 | 样板田的差异 |
|---|---|---|
| POC | 技术能否实现 | 样板田不只看技术，还看用户、流程、数据、人审和组织推进 |
| MVP | 最小成本验证核心假设 | 样板田是 MVP 在企业组织和真实业务现场中的承载场景 |
| 试点项目 | 小范围上线 | 样板田更强调验证和复盘，不一定达到上线稳定性 |
| AI 工具培训 | 教人使用工具 | 样板田检验业务结果，不以“学会工具”为终点 |