先把AI目标改写成业务动作

企业AI项目效果不理想，常见原因不是模型能力不足，而是需求只有“做一个智能助手”这类模糊表述。可执行的需求，需要回答谁在什么场景使用、输入什么资料、系统完成什么处理、输出交给谁，以及错误结果如何处置。

明确输入、输出与人工边界

第一步是把目标改写成可观察的业务动作。例如，将“提高客服效率”改成“根据已审核的产品资料生成答复初稿并显示引用来源；涉及价格、合同和投诉时转人工”。这样的描述同时限定了资料范围、输出形式和风险边界。

建立覆盖异常情况的验收题库

第二步是从真实工作中抽取高频、低频、模糊、越权和资料缺失等问题，形成验收题库。测试不只看回答是否流畅，还要记录引用是否正确、应拒答时是否拒答、人工修改量和平均处理时间。

上线后的责任同样属于交付

最后要约定上线后的维护责任：资料由谁更新、提示词由谁调整、异常由谁处理、版本如何回退。对首个项目来说，小范围上线、明确指标、持续复盘，比一次性覆盖所有部门更容易得到可靠结果。

可直接使用的AI需求确认表

可直接使用的AI需求确认表：使用角色是谁；当前流程耗时多少；允许系统读取哪些资料；输出用于参考还是直接执行；哪些结果必须人工审核；出现错误如何回退；用什么指标判断有效；由谁负责资料更新。项目启动前逐项形成书面答案，能够显著减少范围争议。