夜雨聆风
大家好啊，我是北山。
最近这一年，我见过各种形形色色的AI项目。有成的，有败的。败的里面有个规律：大部分项目在立项那一刻，就已经埋下了失败的种子。
不是执行的问题，不是团队的问题，不是钱的问题——是立项的时候就没想清楚这项目到底要解决什么、凭什么是你干、怎么才算成功。
今天聊个项目立项的事。不讲理论，就讲我见过的几个真实场景。
场景一：老板扔过来一个"AI项目"，技术负责人一脸懵
这类情况我见得太多了。
老板某天看了篇文章，或者参加了一个论坛，回来跟技术负责人说："我们要做一个AI客服系统，同行都上了，我们也要上。"
技术负责人问："做到什么程度算成功？"
老板说："先把AI整起来。"
然后技术负责人就开始干了。干了三个月，投了几十万，做出来的东西老板不满意，说"这不是我想要的"。技术负责人说"你当时也没说清楚要什么"。吵来吵去，项目不了了之。
问题出在哪？
立项的时候，老板其实没想清楚自己要解决什么问题。他只是觉得"同行上了，我不能落后"。这种立项，本质上是在追风，不是在解决问题。
我的判断：AI项目立项，第一条原则是先说清楚问题，再谈技术方案。
不是说"我要上一个AI客服"，而是说"我现在的客服团队有十个人，每个月成本八万，但用户等待时间长、投诉率高，我想用AI把这个问题解决掉，解决到什么程度算成功——比如客服团队降到六个人，成本降到五万，用户满意度提到90%"。
问题具体了，方案才有可能对。
场景二：技术方案写得漂亮，立项评审全票通过，一上线发现是灾难
这是另一类典型失败。
技术团队写了一份特别专业的立项报告：用了什么大模型、什么架构、什么算法、预期准确率多少、响应速度多少。PPT做得漂亮，评审会上技术副总裁、业务副总裁、CTO全都点头，项目全票通过。
然后上线。
然后傻眼了。
实际用户的行为跟技术方案里假设的不一样。用户问的问题，技术方案没覆盖。用户想用的功能，AI答不上来。数据漂移、模型幻觉、延迟高、体验差——一堆问题全来了。
问题出在哪？
立项的时候，大家都在论证"技术方案有多好"，没人问过"用户实际用起来会怎样"。
技术方案评审和用户价值评审，是两个完全不同的评审。但很多AI项目立项的时候，只做了技术方案评审，没做用户价值验证。
我的判断：AI项目立项，必须做用户价值验证，不是技术方案评审。
怎么做？最简单的办法：在正式开发之前，先做一个最小化的原型，找真实用户跑一周，看看用户怎么用、哪里卡、哪里骂。
这一周的数据，比你那份五十页的技术方案PPT有价值一百倍。
场景三：项目立了，但"成功标准"是一句废话
有些项目，表面上看立了，实际上一塌糊涂，因为成功标准定得太虚。
我见过一个AI项目，立项目标写的是"提升公司智能化水平"。我问技术负责人："智能化水平怎么衡量？"他说："就是……更智能吧。"
这不是成功标准，这是废话。
什么是好的立项成功标准？
有一个简单的检验方式：你的成功标准能不能用一句话说清楚，并且能量化。
举几个例子：
"AI客服的自动回复准确率达到85%，用户满意度不低于80%" "内容审核的误报率从15%降到5%以下" "销售线索识别的准确率提升到70%，支持每天处理5000条线索"
这种标准，技术人员看得懂、执行得了、验收得了。
那种"提升智能化水平""增强用户体验""推动数字化转型"——不是成功标准，是正确的废话。
场景四：技术团队说能三个月做完，立项就定了三个月
我见过一个项目，技术负责人信誓旦旦说三个月能做完。老板说行，立项。三个月到了，交出来的东西只完成了一半。
然后呢？延期、加班、上火、扯皮。
问题出在哪？
很多AI项目立项的时候，时间线是技术负责人"拍脑袋"定的。没有充分考虑数据准备周期、模型训练周期、测试调优周期、集成对接周期。
AI项目跟传统软件项目不一样。传统软件项目的时间线相对可预测，因为技术相对成熟。AI项目的不确定性大很多——模型训不出来怎么办？数据质量不行怎么办？效果不达预期怎么办？
这些问题在立项阶段往往被忽略。
我的判断：AI项目立项，时间线要留足够的buffer。初版目标工期的1.5到2倍，是比较合理的起点。
不是说故意拖延，是给自己留出试错和调整的空间。AI项目的本质是探索，不是执行清单。
场景五：立项的时候没想清楚谁负责，到头来没人负责
这个坑很隐蔽，但杀伤力很大。
有些AI项目，技术团队觉得业务说了算，业务团队觉得技术说了算，最后变成"都有责任，但都没责任"。
项目推进的时候，没人敢拍板。项目出问题的时候，没人背锅。
这种项目大概率烂尾。
我的判断：AI项目立项的时候，必须明确一个最终负责人。这个人对项目成败负总责，有最终决策权，能调动资源。
这个人不一定是技术最强的，但必须是对业务目标和项目约束理解最清楚的人。
技术出身的人适合当负责人的场景：技术方案复杂度高，需要深度技术判断。
业务出身的人适合当负责人的场景：业务目标清晰，技术和供应商选择空间大。
选谁当负责人，是立项阶段最重要的决策之一。
一套我见过的AI项目立项模板
最后给一个实用的模板。不一定适合所有人，但参考价值有。
AI项目立项文档结构：
一、问题定义 - 我们要解决什么业务问题？ - 这个问题现在造成什么损失（钱/时间/用户）？ - 不解决问题的后果是什么？二、目标设定 - 项目成功后的具体指标（可量化） - 项目边界：做什么、不做什么 - 时间节点：第一个里程碑是什么三、方案概述 - 技术选型：为什么选这个方案 - 数据准备：需要什么数据、现在有多少、差多少 - 集成方案：跟哪些现有系统对接四、资源需求 - 预算和成本 - 人员配置（明确负责人） - 外部供应商（如果需要）五、风险评估 - 主要风险点是什么 - 备选方案是什么 - 什么情况下终止项目六、验收标准 - 怎么才算项目成功 - 验收流程是什么这个模板不是金科玉律，但至少保证立项的时候，该想的问题都想过一遍。
最后说两句
我越来越觉得，AI项目失败的原因，大部分不在技术，在于管理。
技术难，但相对清晰。管理难，因为牵扯到人、牵扯到利益、牵扯到信息不对称。
立项是管理的起点。立项立得好，后面的执行会顺畅很多。立项立得烂，后面补多少课都补不回来。
所以我的建议是：AI项目立项，花多少时间都值得。 前期多花一周立项，后期少花两个月填坑。
如需 AI 决策工具包，请扫描下方二维码获取，或者点击下方原文链接进一步了解：
我是北山，在数据与AI领域深耕了20年，专注分享最新AI落地实践与前沿思考。如果本文对您有启发，欢迎点赞 + 关注本公众号。
