你有没有见过这样一场演示：屏幕上，智能体流畅地回答着问题，页面漂亮，动作连贯，几个问题下来滴水不漏。演示结束，负责人说"方向没问题，接进业务吧"。

三个月后再问这个项目，往往已经悄悄停了。

这不是个案。德勤的调查显示，89% 的智能体试点最终没能进入生产环境；Teradata 的数字是 78% 的企业跑过试点，真正推广到全公司的只有 14%；Gartner 今年四月对 782 位企业负责人做过调查，每 1000 个立了预算的项目里，大约只有 120 个能走到生产，能拿出可衡量回报的大概 34 个。

口径不完全一样，但指向同一个事实：项目死在"看起来能用"那一步，是常态不是意外。

这篇就拆一件事：演示成功和生产可用之间，到底隔着什么。

一、演示能证明"有可能"，证明不了"能天天跑"

AI 智能体项目最容易制造一种错觉：演示跑通，事情就成了大半。

这是因为演示通常占着四个便宜：问题是提前备好的，数据是清洗过的，路径是可预测的，出错也不会造成真实损失。在这四个条件下，模型表现得非常体面。

真实业务恰好是反的。客户不会按标准问题提问，员工会上传格式乱七八糟的材料，系统里躺着一堆空字段和旧数据，业务规则随时改，还会冒出设计时根本没想过的异常。

一句话概括这个差别：演示追求的是"能跑一次"，生产系统追求的是"每天都能跑、出错能发现、有人能处理"。

中间隔着一大段工程和管理上的活。下面这五关，就是那段活的全部内容。

二、第一关：真实数据比样例脏得多

不少智能体在几份标准文档上表现很漂亮，一接进企业资料就开始答非所问。

企业文档里可能有扫描件、复杂表格、重复版本、过期制度和互相冲突的规则；数据字段则常常缺失、命名不统一、口径混乱。一个大型支付风控方向的 AI 项目，原始数据涉及几百个字段，最后只有一部分能真正进入分析——项目里大量时间花在字段对齐、标签梳理、样本验证和上下文搭建上，跟"调模型"关系不大。

把所有数据一股脑丢给模型也不行。信息越多，噪声也越多，模型很难判断哪些字段真的重要，更不知道业务人员默认遵循的那些没写下来的规矩。

脏数据的代价有明确测算。 Gartner 估计，数据质量问题平均每年给一家企业造成约 1290 万美元的损失；Forrester 的调研显示，超过四分之一的企业每年因数据质量问题损失超过 500 万美元，7% 的企业损失在 2500 万美元以上。思科 2024 年的 AI 就绪度指数里，80% 的受访企业承认自己在数据准备上存在明显短板。

这些成本平时不显眼，等到 AI 项目要接真实数据的时候，会一次性集中爆发。

所以从演示走向生产之前，必须换真实数据重新测一遍，不能继续拿演示样例当效果证明。

三、第二关：原来的流程可能根本没人说得清

很多企业想让 AI 复制老员工的能力，但老员工自己也讲不清楚判断过程。

一条客户咨询进来，他会结合客户身份、历史记录、当前政策和个人经验，几秒钟就作出判断。开发团队追问"具体规则是什么"，得到的回答通常是"看情况处理"。

AI 执行不了一套连人都说不清流程的流程。

得先把任务拆开：输入是什么，先看哪个字段，怎么分类，什么条件继续往下走，什么条件停下来，输出交给谁。业务专家写不出来的时候，可以先让 AI 生成一版粗糙的流程草图，再请他判断对错，来回几轮修正，把经验慢慢逼成 SOP。

这件事往深了说，牵涉一个常被忽略的问题。过去很多决策是模糊的，一些没写下来的例外、人情和默认做法，实际上充当着组织运转的润滑剂，大家都心照不宣。AI 不吃这一套，它要求把每个判断都明确写出来。

于是上 AI 的过程，同时变成一次把隐性判断显性化的过程。这件事本身很有价值，但确实费人。

Gartner 今年在数据与分析峰会上专门提出，企业需要把"上下文"当成一项关键基础设施来投资，因为智能体最容易卡住的地方，恰恰是那些从来没有被记录下来、又必须靠它来做判断的信息。

四、第三关：AI 不该独自扛整条流程

有些团队把所有步骤都交给大模型：理解需求、查数据、算金额、做审批、写系统、发结果。

这个设计在演示里很顺滑，到生产上风险很高。企业流程需要明确分工：

角色负责什么

AI理解、分类、总结、生成

规则明确条件和固定判断

数据库准确查询和存储

人工高风险、异常和最终责任

客服智能体可以先接高频咨询，解决不了就转人工；合同系统可以提示风险，但最终修改和签署仍由专业人员确认。

一套可靠系统会主动设计人工兜底，不会把"零人工"当成唯一目标。

五、第四关：系统和权限决定它能不能真做事

真实工作发生在客户管理、进销存、办公审批、财务、邮件和内部平台里。

智能体如果只会在对话框里回答问题，业务价值非常有限。它需要读到正确的数据、遵守权限、触发动作，并把结果送到下一个流程节点。

这就带出一串问题：系统有没有接口？谁能授权？敏感数据能不能传给模型？失败了怎么重试？写错的数据能不能撤回？

演示阶段可以用一份 Excel 糊弄过去，生产阶段必须正面回答这些依赖。行业调研也印证了这一点——Forrester 2026 年的数据显示，企业智能体项目止步试点的诱因，集中在架构选型失误和老旧系统集成困难上（该口径为国内样本，公开报道可自行查证）。

六、第五关：上线以后有没有人养它

AI 系统早期一定会出错，也一定会遇到新问题。

关键是有人记录错误、分析原因、补规则、更新知识、重新测试。项目交付之后如果没人负责，知识会过期，规则会变化，用户撞上几次错误就再也不信它了。

每个生产级智能体都要能回答这几个问题：谁负责看异常记录？谁判断业务答案对不对？谁更新知识和规则？多久复盘一次效果？哪些问题会触发重新测试或暂停服务？

这一点有硬数据支撑。 Forrester 今年的调研显示，真正进入生产的智能体里，只有 38% 在做自动化评测；而做评测和没做评测的项目，回滚率差了五倍多——没有评测机制的，47% 经历过回滚，有评测机制的，回滚率降到 9%。

另外，企业在这方面的治理成熟度普遍偏低，大概只有五分之一的企业认为自己具备可用的治理能力。

这说明"上线以后有没有人管"看起来是软性要求，实际直接决定项目能不能活过第一年。上线只是反馈循环的开始，不是终点。

七、用六个问题照一照

企业可以拿这六个问题检查项目到底准备好没有：

1. 有没有用真实数据和真实问题测过？

2. 原业务流程和判断边界拆清楚了没有？

3. AI、规则、数据库、人工的分工明确了没有？

4. 需要的系统、接口、权限和安全方案落实了没有？

5. 验收指标是不是对应真实业务结果？

6. 上线之后有没有明确的负责人持续维护？

其中任何一项缺位，项目都可能停在"看起来能用"那一步。

Gartner 的预测是，到 2027 年底，超过 40% 的智能体项目会被取消，原因集中在成本失控、业务价值说不清、风控不到位这三条。这个比例听起来吓人，但对照前面那几道坎，其实挺合理。

也不必因为这样就拒绝演示。低成本演示能帮管理层理解方向，也能尽早暴露数据和流程上的坑，关键是对它的作用保持准确预期。

新手最关心的 5 个问题

Q1：演示到底还有没有价值？

有，而且很值钱。它的作用是帮管理层理解方向、帮团队尽早暴露数据和流程的坑。问题只出在把"演示通过"当成"项目成立"。建议在演示结束时就明确写一句：本次演示验证了哪些假设，没验证哪些——把没验证的部分列清楚，后面就不会糊涂。

Q2：我们数据很乱，是不是得先治理完再上 AI？

不用等"治理完"，那可能是个没有终点的活。更实际的做法是围绕一个具体场景补数据：先明确智能体要做哪些判断，再倒推需要哪些字段、哪些口径，只补这些。后面几篇会专门讲这条路径。

Q3：怎么判断我们的流程"说得清"了？

一个简单的检验：让别人照着写下来的流程走一遍，看能不能得到和你一样的结论。如果对方必须不停来问你"这种情况怎么办"，说明流程还没拆到位。拆不到位的部分，往往是那些靠经验兜住的例外。

Q4：人工兜底会不会让项目看起来"不够智能"？

恰恰相反。有明确人工兜底的系统才是能被信任的系统。银行没有因为"大额转账要人工复核"就显得落后，企业 AI 也一样。反过来说，一个宣称零人工、出错没人管的系统，业务部门第一次踩坑就不会再用了。

Q5：验收指标该怎么定，才算"对应真实业务结果"？

避免两类指标：一类是技术指标（接口成功率、响应时间），它只说明系统活着；另一类是"节省工时"这类无法归因的软指标。更靠谱的是业务侧原本就在考核的数字——差错率、处理时效、转化率、客诉率。用业务本来就在看的账来验收，双方都不会有争议。

这几条别踩

拿演示样例当效果证明。 演示用的是清洗过的数据、备好的问题，跟真实业务不是一个环境。要用真实数据重测一遍再谈效果。

指望 AI 复刻"说不清的经验"。 连人都说不清流程的活，AI 做不了。先拆流程，再谈智能体。

让大模型独自扛完整条流程。 固定判断交规则，精确计算交数据库，高风险和最终责任留给人。全交给模型，演示很顺，生产很险。

跳过接口和权限问题。 "能不能读到数据、能不能触发动作"是生产的前提，不是上线前才补的细节。

上线就撤人。 没人看异常、没人更新知识、没人判断对错，系统会在几个月内被用户抛弃。

只考核技术指标。 接口成功率 100% 不代表业务变好了。验收要落在业务原本就在看的数字上。

尾巴

这一篇讲的其实不是技术问题，是"能不能"和"值不值得信"之间的距离。

演示回答的是"这件事在理想条件下能不能成立"，生产回答的是"它在混乱条件下能不能稳定地承担真实工作"。这两个问题之间隔着的五道坎——数据、流程、分工、系统、责任——没有一道能靠换个更强的模型跳过去。

麻省理工的 NANDA 团队去年那份报告里有个说法很准确：他们认为问题不在模型，而在于存在一道"学习鸿沟"——大多数生成式 AI 系统不保留反馈、不适应上下文、也不会随时间改进。

系统不会自己变聪明，组织也不会因为买了工具就长出能力。中间那几段，得有人一段一段接起来。

本系列持续更新中，关注不迷路。

本文数据来自公开研报与行业调研（已在文中标注），观点为分析推演，欢迎讨论。文中案例仅用于说明方法，不涉及任何具体企业评价。