ARTICLE · 1118925
80% 的 AI 项目不是败给模型,是败给「没人签字」
80% 的 AI 项目不是败给模型,是败给「没人签字」上周有个做 AI 产品的朋友跟我说了句话，我到现在还在想。 他说：我们那个功能上线三个月，模型效果一直很稳定。直到有一天客服收到一条投诉——AI 给客户的回复里，承诺了一个我们根本不支持的退款政策。 
「模型没变，prompt 没变，知识库也没变。」他说，「但那一下，我们整个团队在群里沉默了四十分钟。」 不是因为模型不行。是因为那一刻，没有一个人能说清：这句话，是谁让它说出来的。 AI 项目里，出现了一个「无人区」 传统的软件项目，责任链条是清晰的，甚至有点粗暴： 产品经理为需求负责，工程师为实现负责，测试为质量负责，项目经理为进度负责。出了问题，一定能找到一个「可以挨骂的人」。 这套体系很粗暴，但它有效——因为责任必须落在某个具体的人头上，才叫责任。 AI 进来之后，这条链断了一节。 模型生成的 PRD、生成的代码、生成的文案、生成的方案、生成的分析结论——它们不像人做的东西那样带着「署名」。没有工号，没有提交记录，没有人在上面按下「我确认」。 于是出现了一个非常诡异的状态： 产出速度提升了 10 倍，责任密度却稀释到了 1/10。 
以前一个功能从需求到上线，20 个节点，每个节点都有人签字，所以每一环都有人「接得住」。 现在，同样 20 个节点，但其中 8 个节点的产出是模型直接吐出来的，而人的动作从「创造」退化成了「确认」。 问题就在这里——「确认」这个动作，在组织里是没有责任重量的。你可以说「我以为 AI 生成的就是对的」，可以说「我看过了没看出问题」，可以说「是上游给的」。每一句都能自洽，每一句都不用负责。 为什么大家会不自觉地放过 AI 的错误 我观察了很久，大概有三个原因。 01 第一，AI 的输出格式太像「完成品」了。 AI 最擅长的事情，不是给出正确答案，是给出一个看起来非常完整的答案。 它有结构、有逻辑、有专业术语、有恰当的措辞、有「综上所述」。 而人面对一个结构完整、逻辑自洽、语气自信的东西时，本能的判断是「这应该没问题」。这不是懒，这是认知带宽的必然选择——我们没有能力逐字校验 AI 的每一个输出，只能用「看起来对」来做快速决策。 更麻烦的是：AI 的错误往往不是明显胡说，而是「90% 对 + 10% 错」。 它编造一个不存在的 API 名字，引用一篇不存在的文献，给出一个听起来合理但完全不适用的方案，把「接近」写成「是」。 这类错误最致命的地方在于：它不会触发你的怀疑。你看到明显胡说会立刻警觉，但看到「基本正确」会放松警惕——而那 10%，往往就是会出事的那部分。 02 第二，责任在流程上说是「共享」的，在心理上却是「他人的」。 一个 PRD 经过了 5 个人，改了 3 版，最后落库。这时候如果里面的需求定义有问题，谁负责？ ——每个人都会说：我当时只是提了个意见 / 我以为后面会调整 / 我看到的时候已经这样了。 这不是甩锅，这是人性。只要责任是共享的，就等于没有人负责。 而 AI 进一步加剧了这一点：它产出的东西太多了，多到人不可能真的评审完。 一个人一天能认真看完 5000 字的文档，但 AI 一天能给你产出 5 万字。 你不是在评审，你是在抽样。但组织默认你是在评审。 
03 第三，没有人为「做错的那个决策」承担后果。 这是最核心的一点。 AI 出错 → 有人发现问题 → 有人修复。发现问题和修复的人，付出的是「额外的工作量」。 而如果当初没人拦住 AI，那么整个团队都可以说「当时以为是 AI 搞的」。 也就是说，放过 AI 错误的成本由集体承担，指出 AI 错误的成本由个人承担。在这种激励结构下，人一定会选择放过。 所以问题不在模型，在责任设计 回到开头那个判断：AI 项目失败，80% 不是模型不行，是没人对 AI 输出结果负责。 而「没人负责」不是道德问题，是流程设计问题。 传统流程之所以能守住质量，靠的不是人的自觉，是那些强制性的节点：需求评审必须签字、代码必须过 review、上线必须走审批。这些节点会挡住人，也会挡住 AI。 现在 AI 把产出速度拉高了 10 倍，但这些节点的数量和强度没变。 结果就是——每个节点都变薄了。 原来一个节点花 3 天时间打磨，现在 3 小时内被 AI 填满了，然后所有人都点了个「通过」。 薄到什么都挡不住。 所以要修的不是模型，是三件事： 01 第一，每个 AI 输出必须挂一个「签字人」而且这个人不可以是「审核的人」必须是「署名的人」。 区别在哪？审核的人可以说「我觉得可以」；署名的人必须说「如果这个错了，我负责改」。 前者是意见，后者是责任。 工程上最简单的做法：每个 AI 产出的需求、代码、文档，都必须有一个具名的 owner。没有 owner 的产出，不允许进入下一个环节。 02 第二，把追责粒度从「结果」改成「决策」。 「模型错了」是一个无法行动的错误，因为它指向一个没有感受的机器。 有价值的问法是：哪个决策依赖了这个错误输出？谁做了这个决策？ 一旦把归因从「结果」落到「决策」，责任就重新回到人身上了。 03 第三，给 AI 产出设定比人工产出更严格的验收门槛。 人工写的需求文档，允许 80 分上线，因为剩下的 20 分会在后续沟通里自然补齐。 AI 写的需求文档，80 分不能上线——因为它没有「后续沟通」这个环节，它是一次性交付的，而且看起来是终态。 所有「看起来是终态」的产出，都应该承担更高的验收标准。 
这是 AI 时代一个新的、非常反直觉的质量要求。 最后 我越来越觉得，AI 时代真正稀缺的能力，不是会用模型，是敢于说「我不敢为这个结果签字」。 我们习惯了被 AI 加速。写代码有人写、周报有人写、方案有人写、总结有人写。 但「敢签字」这件事，AI 永远不能替我们做。 因为当一个决策出错的时候，系统不会去承担损失——承担损失的是那个签字的人，和他背后的团队。 模型可以不承担责任。 
如果这篇对你有启发，点个👍，让更多正在做 AI 项目、同样在纠结「这事该谁负责」的人看到。 评论区聊聊：你所在的团队，AI 产出的东西现在是谁在负责？可以具体到岗位，越具体越好。 阅读前文：《效率翻倍，项目还是废了：AI 落地最大的坑，不是慢，是没人校验》 
但签字的人，必须承担。