企业 AI 项目最常见的死法，不是模型不行、也不是工程做不出来，而是从头到尾没人把两件事说清楚：立项时没说清「凭什么值得做」，验收时没说清「达到什么才算做成」。结果就是演示很惊艳、上线没人用，或者上线了却算不出到底带来了什么。
鼎上娱乐在项目里把这两件事固化成可打分的表格和可量化的门槛。这篇把立项与验收的完整方法写下来，你可以直接拿去套自己的场景。
立项第一步：先有基线，再谈提升
任何「AI 能提升效率」的说法，都要先回答一个扫兴的问题：现在这件事不做 AI，是怎么做的、成本多少、错误率多少、耗时多少。这条现状就是基线。没有基线，上线后无论数据多好都无法证明是 AI 带来的。
基线要量化到能被财务或业务方认可：每单处理时长、每人日处理量、一次通过率、人工兜底比例、单位成本。拿不到精确值时，用抽样统计给一个带区间的估计，也比「大概很快」强。
用四个维度给候选场景打分排序
企业里能做的 AI 场景很多，资源有限时按四个维度打分排序，避免凭喜好立项：
| 维度 | 问的问题 | 高分特征 |
|---|---|---|
| 价值 | 做成了省多少、多赚多少 | 高频、量大、直接影响成本或营收 |
| 可行性 | 现有数据与模型能力够不够 | 有结构化数据或可治理语料，任务边界清晰 |
| 容错 | 出错的代价有多大 | 有人工兜底、错误可逆、非合规强约束 |
| 可衡量 | 效果能不能量化对比基线 | 有明确指标、能 A/B、能埋点 |
四个维度里，「容错」和「可衡量」最容易被忽略，却最能决定项目会不会烂尾。高价值但低容错、难衡量的场景，建议往后放，先做那些「价值够用、能衡量、错了能兜住」的场景，把方法论和信心先跑出来。
验收门槛：把「算不算做成」写成数字
立项时就该把验收标准写死，而不是上线后再找好看的数据。一个可量化的验收门槛通常包含三层：
- 质量线：准确率/可用率不低于某个值，且不低于基线一定幅度（例如一次通过率从 62% 提升到 80%）；关键指标见智能体上线前的六个指标。
- 成本线：单次调用或单条内容的综合成本（算力+校验+抽检）低于人工基线，且随规模摊薄。
- 体验线：响应延迟、人工接管率、投诉/回退率在可接受区间，业务方愿意签字确认。
三条线里任何一条不达标，项目就不算验收通过。把这三条写进合同或立项书，能挡掉绝大多数「其实没省到钱」的尴尬。
灰度上线与回退：给失败留一条体面的路
AI 功能不应该「一次性全量」。稳妥的做法是灰度：先切 5% 流量或一个部门，与留在旧流程的部分做对照，跑一到两周看真实指标。达标再逐级放量，不达标就回退。
回退机制必须在上线前就存在，而不是出事才临时想：保留旧路径作为开关，AI 侧异常时一键切回；有副作用的操作要能补偿，具体与智能体编排里的失败回滚是同一套要求。没有回退的项目，本质是在拿生产赌运气。
一份立项与验收的自查清单
- 是否已量化现状基线，而不是「大概会更快」；
- 候选场景是否按价值/可行性/容错/可衡量四维排过序；
- 验收的质量线、成本线、体验线是否都写成了数字；
- 是否有明确的灰度比例、对照方式与放量节奏；
- 回退开关与副作用补偿是否在上线前就绪；
- 谁对「验收通过」签字，标准是否双方事前一致。
把「值不值得做」交给打分排序，把「算不算做成」交给数字门槛，把「万一不行」交给灰度与回退——这三件事做扎实，AI 项目就从一场演示，变成一项能被衡量、能被复盘、能被复制的工程。这也是鼎上娱乐在落地实践里反复使用的立项与验收框架。