AI 项目从 POC 到生产：必须跨过的五道门

01 / 为什么演示成功不等于项目成功

AI 演示最容易制造一种错觉：只要回答准确、界面流畅，项目就已经完成了大半。实际上，演示通常使用经过挑选的数据、清晰的问题和人工兜底，而真实业务充满缺失信息、异常流程、权限限制与责任边界。POC 只回答“能不能做”，生产系统还要回答“谁来用、怎么用、出了问题谁负责、价值如何持续出现”。

因此，评审 AI 项目时不能只看模型准确率。一个准确率很高但无法嵌入工作流的系统，往往不如一个能力适中、却能稳定缩短交付周期的系统。

02 / 第一、第二道门：价值与数据

第一道门是业务价值。项目必须绑定一个可观察的经营指标，例如响应时间、一次解决率、报价周期、库存周转或人工复核量。指标不能只写“提升效率”，还要明确基线、目标、计算口径和观察周期。

第二道门是数据。需要确认数据从哪里来、谁有权使用、多久更新、缺失时怎么办，以及答案能否追溯到原始依据。数据责任人不清晰，模型就会在看似合理的文字中放大组织原有的混乱。

• 01明确一个主指标和两个护栏指标
• 02为关键数据指定业务责任人
• 03记录数据版本、更新时间与引用来源
• 04用真实异常样本进行压力测试

03 / 第三、第四道门：集成与治理

第三道门是系统集成。AI 只有进入工单、CRM、ERP、知识库或审批系统，才可能成为生产力。每一次读取和写入都要定义权限、超时、失败重试和人工接管方式。不要让员工在五个窗口之间复制粘贴，再把这种操作称为智能化。

第四道门是风险治理。对外发送、价格承诺、合同判断、财务入账等高风险动作，需要清晰的人工确认点。可逆、低影响、可审计的动作可以自动执行；不可逆或影响客户权益的动作应当保留审批。

自动化程度不是越高越好，合适的自动化应与风险等级和可逆性相匹配。

04 / 第五道门：组织责任

生产系统必须有业务负责人，而不能只由技术团队托管。业务负责人决定规则、接受指标、处理例外并推动采用；技术负责人保障性能、安全和可观察性；一线用户持续提供失败样本。三者缺一，项目都会在上线后快速失去动力。

建议建立每周运营机制：看使用率、成功率、节省时间、人工接管原因和用户反馈。模型版本变化只是其中一项，更重要的是流程是否真的改变。

05 / 一条可执行的上线顺序

先选择一个高频、边界清楚、结果可验证的流程，用两周建立基线和样本集；再用两周完成小范围闭环；随后逐步增加权限与覆盖人群。每扩大一步，都必须重新检查价值、数据、集成、风险和责任五道门。

这样的节奏看起来没有“全面上线”那么热闹，却更容易形成可以复制的组织能力。AI 项目的终点不是一次发布会，而是一个能够每天稳定产生结果的业务系统。