剑龙企业AI案例实施分享(七):AI进公司以后,谁来为它的判断负责?

剑龙AI野说 / FDE现场拆解

决策责任 · 业务现场与实施判断

去年帮一个公司梳理他们的工作流，遇到了一个问题：客户发来一份需求，让公司尽快报个价。AI读完邮件、查了旧合同，几分钟就生成一份像模像样的报价单。销售觉得价格偏低，改了一个数字；经理扫了一眼，总价可以，就发了出去。项目开始后才发现，客户默认包含的服务，报价里写得含糊，工期也比实际能做到的短。

这时去问“谁用了AI”，没有多少意义。真正要追的是：谁确认了需求，谁认可了成本，谁有权承诺交付，以及发出去的究竟是哪一版。

一、报价里的每个数字，都站着一个判断

中小企业的报价，经常依赖几个人凑出来的默契。销售了解客户，工程师估工作量，老板知道底价。有些限制写在表里，有些只在某次聊天里提过。以前大家花时间来回问，虽然慢，许多隐含条件也就在追问中暴露了。

AI把文档生成得很快，这些追问却可能一起消失。一份格式完整的报价，会让人误以为背后的判断也已经完整。缺失的信息被流畅的文字盖住，风险一直等到交付时才出现。

FDE进入这个流程，首先要拆开报价的组成：客户需求、工作范围、成本依据、交付条件和审批权限。每一部分都要能回答“依据从哪里来，谁负责确认”。

二、先规定哪些东西不能靠猜

客户说“做一个预约系统”，至少还要问清入口、账号数量、数据迁移、通知方式和维护范围。信息不足时，AI可以生成澄清清单，或者给带明确假设的测算稿。它不能擅自补全条件，再把这份假设包装成正式承诺。

价格计算尽量交给确定的规则和程序：单价取自当前有效价目表，成本使用指定版本，税费和币种单独校验。模型负责理解与整理，不必承担每一道算术。引用旧报价时，要提示旧价格的时间、适用客户与特殊折扣，防止把一次性优惠变成所有客户的默认价格。

输出的每个关键项目，都应能追到原始需求或经确认的假设。找不到依据的内容，直接列为待确认，比编出一个看似合理的答案更有用。

图1 · 原创示意，非现场照片

三、把审批绑定在具体版本上

内部测算、待审批报价和对外正式报价，应当是不同状态。销售可以改描述，工程负责人确认工作量，商务负责人批准折扣，交付负责人确认工期。权限怎么分，取决于公司的真实组织，不能在系统里凭空创造一套没人执行的制度。

尤其要防止“审批过了，后来又改了”。审批必须绑定具体版本，价格、范围或工期发生实质变化，就重新经过对应确认。已经获批的内容也不能被模型在发送前顺手润色出新的承诺。

对外发送要有独立的权限检查。系统记录收件人、发送版本、时间和审批人，避免同一个动作重试时重复发出。把邮件正文写好和把它发给客户，属于两个步骤；后一步意味着公司开始承担这段文字的后果。

图2 · 原创示意，非现场照片

四、出错之后，要能还原当时发生了什么

如果报价遗漏了部署费用，需要看到当时使用的需求版本、检索到的资料、计算结果、人工修改和审批记录。这样才能判断，是资料缺失、规则遗漏、模型误读，还是审批人放过了提醒。

纠正也要跟到下一次：补充规则，加入对应测试用例，再用新旧系统回放这类需求。验收不只看报价生成速度，还应看漏项、越权折扣、无依据承诺，以及审核人员能否迅速定位风险。企业很难要求任何系统永远不犯错，但完全可以要求错误有迹可循、重复发生的机会越来越小。

模型升级以后，这套流程仍然需要重新检验。新模型可能更会理解需求，也可能改变对模糊条件的处理方式。拿固定的典型与异常报价样本回归测试，通过后再替换，才有资格把能力提升用于真实客户。

AI会让更多人有能力提出判断。组织接下来要解决的，是哪些判断可以成为行动，谁批准，谁复核，出了问题如何纠正。责任越清楚，企业才越敢把更重要的工作交给AI。