答不出這 5 題，AI 專案就別簽

方法拆解

1. ① 失敗能不能收回？

   AI 的風險不是「效果不夠好」，而是「錯了收不回來」。對外回覆、財務過帳、合約生成這類動作一旦自動化，同一個錯誤會被複製很多次。先列出這個場景裡不可逆的動作，再決定哪些必須留人工閘門。

   • 列出不可逆動作（發出、過帳、簽署、刪除）
   • 為每個動作指定人工確認點
   • 寫明回滾時間與回滾負責人
2. ② 資料在不在手？

   多數「AI 不準」其實是「資料不在手」。立項前要能指出：這個場景最少需要哪三類資料、現在放在哪個系統、誰有權限、多久更新一次。這四件事說不清，模型選型再貴也沒用。

   • 列出最小資料集，不是全部資料
   • 指名資料擁有者與授權路徑
   • 寫明更新頻率與資料過期怎麼辦
3. ③ 驗收能不能算？

   「提升效率」不是驗收標準。簽約前就要能寫出：用哪 30–50 個真實樣本、由誰標註、達到多少算通過、低於多少算失敗。樣本必須來自業務，不能由供應商準備。

   • 用真實業務樣本建評測集
   • 把通過線與失敗線寫成數字
   • 約定誰有權判定通過
4. ④ 誰有權喊停？

   每個 AI 專案都需要一個能喊停的人，和一個明確的止損日。沒有這兩個，專案會以「再調一版」的形式無限延長，預算在沒有決策的情況下被消耗掉。

   • 指定業務負責人，不是 IT 負責人
   • 約定止損日與停損條件
   • 停損後資料、模型與文件的交接方式
5. ⑤ 三個月後誰維護？

   上線不是終點。知識會過期、模型會更新、業務流程會改。如果沒有人在三個月後仍然盯著準確率、採用率與成本，這個系統會安靜地失效，而使用者只會說「不好用」。

   • 指定維護人與每月複盤節奏
   • 定義三個長期指標：準確率、採用率、單次成本
   • 寫明知識更新與版本回溯流程