答不出这 5 题，AI 项目就别签

方法拆解

1. ① 失败能不能收回？

   AI 的风险不是「效果不够好」，而是「错了收不回来」。对外回复、财务过账、合同生成这类动作一旦自动化，同一个错误会被复制很多次。先列出这个场景里不可逆的动作，再决定哪些必须留人工闸门。

   • 列出不可逆动作（发出、过账、签署、删除）
   • 为每个动作指定人工确认点
   • 写明回滚时间与回滚负责人
2. ② 数据在不在手？

   多数「AI 不准」其实是「数据不在手」。立项前要能指出：这个场景最少需要哪三类数据、现在放在哪个系统、谁有权限、多久更新一次。这四件事说不清，模型选型再贵也没用。

   • 列出最小数据集，不是全部数据
   • 指名数据拥有者与授权路径
   • 写明更新频率与数据过期怎么办
3. ③ 验收能不能算？

   「提升效率」不是验收标准。签约前就要能写出：用哪 30–50 个真实样本、由谁标注、达到多少算通过、低于多少算失败。样本必须来自业务，不能由供应商准备。

   • 用真实业务样本建评测集
   • 把通过线与失败线写成数字
   • 约定谁有权判定通过
4. ④ 谁有权喊停？

   每个 AI 项目都需要一个能喊停的人，和一个明确的止损日。没有这两个，项目会以「再调一版」的形式无限延长，预算在没有决策的情况下被消耗掉。

   • 指定业务负责人，不是 IT 负责人
   • 约定止损日与止损条件
   • 止损后数据、模型与文档的交接方式
5. ⑤ 三个月后谁维护？

   上线不是终点。知识会过期、模型会更新、业务流程会改。如果没人在三个月后仍然盯着准确率、采用率与成本，这个系统会安静地失效，而用户只会说「不好用」。

   • 指定维护人与每月复盘节奏
   • 定义三个长期指标：准确率、采用率、单次成本
   • 写明知识更新与版本回溯流程