说「现在别做」是我们最难卖的建议。客户带着预算来,我们却说先等等,这话不讨喜。但做完 30 多个场景之后,我们发现失败的项目几乎都能在上线前看出征兆。
下面四个信号,出现两个以上,我们会建议先做别的事。
信号一:只有 IT 在推
问「这个场景上线后谁负责用、谁来判断结果对不对」,如果答案始终是 IT 部门,项目大概率会停在验收报告里。
AI 应用需要有人定义「什么算对」,这个人必须是业务,因为他承担误判的后果。缺了这个角色,我们会建议先做一次流程梳理,把责任人定下来。
信号二:标准只在一个人脑子里
「我们老师傅看一眼就知道」「这个得问王工」。如果判断标准没有被写下来,模型学不到;写下来之后员工也不认,因为标准是临时编的。
做法是把 20–30 个历史案例拿出来,让这位专家逐条说出判断依据,整理成检查项。这一步通常要 2–3 周,但它决定了后面能不能做。
信号三:数据还查不到
同一个指标三个部门三个数,或者要数据得找某个同事手工导。这种情况下先做 AI,等于在流沙上盖楼。
我们一般建议先花 4–6 周做指标口径与集成,把「能看到」解决掉,再谈「能预测」。
信号四:场景频次太低
一年只发生 20 次的事情,做一套系统,人均一年用不到几次,学习成本都收不回来。这类场景适合用现成工具,或者人工加模板,不值得定制。
我们怎么劝
不会只说「不建议做」。我们会给一个替代方案:
- 如果缺责任人,先做 90 分钟诊断,把场景、指标、责任人对齐,形成一页纸的方案。
- 如果缺标准,先做案例梳理,把专家判断写成检查项,这部分本身就是资产。
- 如果缺数据,先做指标字典与集成,通常 4–6 周就能看到效果。
经验:劝退不是不做,是把顺序换对。这 11 个项目里,有 6 个在补齐基础后重新启动,成功率和交付速度都明显更高。
如果你正在评估一个场景,可以先自己对照这四个信号。出现两个以上,先别急着比价,先把缺的那一块补上。