AI 项目立项前,先把这几个问题问清楚业务方

我们复盘那些做得磕磕绊绊的项目,发现一个共性:不是技术栈选错,而是开工前几个最基本的问题没问透,做到一半才发现各方理解的根本不是一回事。下面这几个问题,我们建议在写任何代码之前,先和业务方坐下来一条条对清楚。

「到底谁来用?」

是给一线员工每天用,还是给管理者偶尔看?是技术背景的人,还是完全不懂技术的业务同事?使用者不同,产品形态、交互方式、能接受的复杂度天差地别。一个要给车间师傅用的工具,界面再「先进」也是负担。

「用它来替代现在的哪一步?」

让业务方具体描述现在这件事是怎么做的:谁、在什么系统里、花多长时间、卡在哪。AI 是来替换或加速这条现有流程里的某一步,而不是凭空造一个谁都没用过的新流程。讲不清现状,就别急着上 AI。

“需求方说「我要一个 AI 助手」,你要追问到「你现在每天花两小时手动整理工单,我想让它五分钟搞定」为止。

「什么样算成功?」

这个标准必须在开工前定下来,而且最好是个数字。是准确率达到某个线?是把某个流程的耗时砍掉一半?还是业务方愿意天天用?没有事先约定的成功标准,项目就永远「差一点」,谁都不敢说它做完了。

「数据在哪、谁能给?」

AI 要吃数据。这些数据现在存在哪个系统、什么格式、质量如何、能不能拿到、拿出来涉不涉及合规?这些事越早确认越好。我们见过项目做到一半,才发现关键数据躺在一个没人维护的老系统里,导不出来,只能推倒重来。

「出错了,谁负责、怎么兜底?」

AI 一定会有出错的时候。错了之后,是系统拦住、还是人来复核?在涉及钱、安全、合规的环节,必须有人兜底,不能让模型自己拍板。这个责任链,上线第一天就要清楚。

把答案写下来,别停在口头

这几个问题最好的产出,不是一场愉快的讨论,而是一份各方认可的简短文档:谁用、替代哪一步、什么算成功、数据谁给、出错谁担。口头共识最不可靠——三个人开完会,各自记住的版本往往不一样,等做到一半翻出来,谁也不认账。落到纸面上,后面有分歧时还有个准绳。

这份东西不用长,一页就够。它的价值不在格式,而在逼着各方动手之前,把模糊的期待变成具体的、能对照的约定。很多返工,本质上就是因为这份约定从来没真正存在过。

还有一个该问自己:这事一定要用 AI 吗

问完业务方,还得拐回来问自己一个不那么讨喜的问题:这个需求,真的非 AI 不可吗?有些事,一条规则、一个表单、一段简单的自动化就能解决,非要上大模型,反而又贵又不稳。我们见过为了「显得有 AI」硬塞模型的项目,最后效果还不如原来的固定流程。把 AI 当成众多工具里的一个、而不是非用不可的标配,立项时就少踩很多坑。

判断的方法也简单:如果这件事的规则是确定的、答案是唯一的,大概率不需要大模型;只有当它需要理解自然语言、处理千变万化的输入、或者做一定的归纳判断时,AI 才真正用得上。把这个问题想清楚,你既不会错过该用 AI 的地方,也不会在不该用的地方白花钱。

这几个问题,问起来花不了一个下午,但能帮你躲掉后面几个月的返工。AI 项目最贵的成本,从来不是算力,是方向错了之后的重来。

留下你的场景和痛点,我们帮你判断从哪一步开始。