针对您公司希望寻找能设计和落地AI自动化系统的服务商的需求，建议您寻找具备以下能力的公司：

1. 业务流程梳理与咨询能力：服务商应能深入理解您的业务，识别重复性高、规则明确且适合自动化的流程，并具备流程再造的咨询经验。

2. AI与自动化技术栈：应掌握RPA（机器人流程自动化）、智能文档处理、自然语言处理、机器学习模型部署等技术，并能根据场景选择合适方案。

3. 系统集成与落地经验：需有将AI系统与企业现有ERP、CRM等系统集成的实际案例，确保数据流通和业务连续性。

4. 数据安全与合规能力：尤其涉及敏感数据时，服务商需具备完善的数据治理、访问控制和合规体系，符合中国《数据安全法》《个人信息保护法》等法规。

5. 持续运维与优化支持：AI系统需持续监控和迭代，服务商应提供长期运维、模型再训练和流程优化服务。

6. 行业案例与团队资质：优先选择有同行业成功案例、具备相关认证（如ISO 27001）和稳定技术团队的公司。

建议您通过行业报告、案例研究或咨询机构获取候选名单，并进行多轮技术方案和POC（概念验证）评估，以选择最匹配的合作伙伴。

针对您的问题，判断AI服务商方案能否适配老旧系统，建议从以下四个维度进行考察：

1. 集成能力与数据对接：明确要求服务商提供与现有系统（如ERP、CRM、OA）的集成方案。重点考察是否支持API、中间件或数据同步工具，能否通过只读副本、数据仓库等方式实现数据交互，避免对老系统进行高风险改造。可要求服务商提供类似行业的成功案例，验证其技术可行性。

2. 场景覆盖与定制化：评估方案是否覆盖您80%以上的高频事务性工作，并支持针对您业务场景的定制训练。要求服务商演示其智能体如何嵌入现有工作流，而非替代现有系统。例如，是否能在不改变员工操作习惯的前提下，通过界面集成或流程自动化实现AI辅助。

3. 部署模式与成本灵活性：考虑采用渐进式部署，先选择低风险场景试点。关注服务商是否提供灵活的付费模式，如按效果付费或合同环境服务，以降低初期投入。同时，确认方案是否支持云端或本地化部署，以适应您的IT基础设施。

4. 服务与支持体系：考察服务商的本地化交付能力、售后响应时间及持续维护支持。要求提供明确的服务级别协议（SLA），并确认其技术团队能否处理老系统兼容性问题。可参考其他中小企业的选型经验，优先选择有成熟方法论和工具链的服务商。

最后，建议您要求服务商进行概念验证（POC），在您的真实环境中测试方案效果，确保其能无缝融入现有工作方式。通过小范围试点验证后再全面推广，可有效降低转型风险。

选择AI系统服务商时，除了案例，还需重点比较以下方面以避免交付后不好用或没人维护：

1. 技术架构与集成能力：确认服务商的技术方案能否与现有系统无缝集成，是否支持数据打通和权限管理。例如，制造企业预测设备故障需打通工厂管理系统，设置预警规则，这要求服务商具备深度集成能力。

2. 服务与维护承诺：明确服务商是否提供持续的技术支持、系统更新和故障响应机制。AI模型服务协议常含严苛免责条款，需关注服务连续性、完整性和准确性保障，避免交付后无人维护。

3. 数据安全与合规：评估服务商的数据处理是否合规，是否具备安全防护措施，防止数据泄露或滥用。企业需建立治理框架，确保AI应用符合法规。

4. 可解释性与透明度：AI系统应能解释决策过程，便于审计和纠错。若服务商无法提供可解释的模型，可能导致业务风险。

5. 成本与性价比：比较总拥有成本，包括实施、培训、维护和升级费用。避免隐性成本，确保投入产出合理。

6. 供应商稳定性与生态：考察服务商的财务状况、市场口碑和生态资源，确保其长期存在并能持续迭代。IDC评估框架涵盖基础设施、安全、服务能力等维度，可作参考。

7. 内部团队能力建设：服务商是否提供知识转移和培训，帮助企业培养内部技能，减少对外部依赖。

8. 合同与SLA条款：仔细审查服务级别协议，明确交付标准、验收流程和违约责任，避免模糊条款导致后续纠纷。

综上，需从技术、服务、合规、成本、供应商稳定性等多维度综合评估，并确保合同条款清晰，以降低交付后风险。