2026-09-04 · AI 落地实战

企业上AI项目，先用这5个问题过滤90%的坑

最近接触的企业里，十个有八个已经"上过AI项目"，其中大半的结局是：钱花了，系统用不起来，最后变成内部演示工具。

复盘这些烂尾项目，问题很少出在技术本身，几乎都出在立项那一刻——需求就没想清楚。立项前，把这5个问题过一遍，能过滤掉90%的坑。

问题一：这个需求是真的，还是"别人有我也要有"？

把想解决的问题写成一句话："现在谁，靠什么方式，要花多长时间才能完成什么事。"写不出来，说明需求还不存在，只是焦虑。AI不能解决"没想清楚"的问题，它只会把混乱放大。

问题二：数据在吗，能拿出来吗？

AI不是凭空变出能力的。客户资料散在五个业务员的微信里、订单记录在纸质单据上——先把数据聚起来，才谈得上智能化。立项前先盘：数据在哪、谁管、能不能合规导出。这一步往往比模型选择重要十倍。

问题三：怎么算"做成了"？

没有验收标准的AI项目，最后都会变成"感觉不太好用，但也说不上来哪不行"。立项时就要定死可量化的标准，比如：客服自动回复覆盖率达到80%、报价单生成时间从2小时缩到10分钟、每月省出2个人力。定不出来，就先别立项。

问题四：三个月算得回账吗？

不是要求所有AI项目三个月回本，而是要求"三个月能看见变化"。省了多少人力、多接了多少单、快了多少响应——这些数字三个月内应该有动静。一个永远"明年见效"的项目，多半是概念项目。

问题五：谁来承接和运营？

交付方做完系统只是开始。谁日常维护？谁训练和更新知识库？员工不会用怎么办？很多企业止步于"没有内部接口人"。立项时就指定运营责任人，比选哪家供应商更影响成败。

写在最后

这5个问题过完，如果答不上来两三个，建议把项目往后放一放；如果全部答得上来，那这就是一个值得投入的真实需求——接下来要做的，是找到有真实交付能力的团队。