夜雨聆风别把AI项目做成"给老板看的"，要做成"给企业用的"
【摘要】 "为AI而AI"的伪需求和形象工程是AI转型的大坑。本文列出五个典型信号（价值描述模糊、使用对象是参观者、技术选型赶时髦、无闭环评估、业务被动参与），并提供立项前必答五问，帮你提前识别伪需求。
前不久去一家制造企业参观，他们很自豪地展示了"AI转型成果"：
一条智能检测产线，用视觉识别产品缺陷，大屏幕实时显示检测结果和统计数据，参观动线做得非常完整。
看起来很厉害。
但我后来私下问了一位产线主任："这套系统平时用得多吗？"
他想了想，说了一句很实在的话："老板带客人来看的时候用得最多。"
这句话刺破了那层窗户纸——这不是AI转型，这是形象工程。
"为AI而AI"的五个典型信号
怎么判断一个AI项目是不是伪需求？有五个信号，出现了两个以上，就要警惕了。
信号一：价值描述是模糊的
真正的AI项目，价值是可以说清楚的——节省多少人力、降低多少不良率、提升多少转化率，哪怕是个估算值，也是有逻辑的。
但伪需求项目的价值描述，往往是这类话：
"提升智能化水平"、"增强企业科技形象"、"跟进行业发展趋势"、"打造标杆示范项目"。
这些话翻译过来就是：我不知道具体能带来什么业务价值，但做了看起来很好。
某地方政府下属的产业园区，花大价钱做了一套"AI园区管理平台"，功能包括人脸识别门禁、智能停车引导、AI视频安防监控。
演示效果很好，大屏可视化做得很炫。
但实际问题是什么？园区的核心痛点是"企业招引难、产业集聚度低"，这套AI系统对解决核心问题基本没有帮助。这就是典型的"为AI而AI"——用技术热闹掩盖业务价值空洞。
信号二：使用对象是"参观者"，不是"日常操作者"
一个很实用的判断标准：这个系统，没有参观者的时候，还有人主动用吗？
真的AI项目，日常操作者离不了——它帮操作者解决了真实痛点，不用反而效率低。
伪需求项目，日常操作者能不用就不用，只有"有人来参观"的时候才会打开。
前面说的那家制造企业的智能检测产线，后来我了解到：日常生产中，老师傅们还是习惯用肉眼+经验判断，AI检测结果只是"参观时展示用"，真正确认缺陷，还是靠人工复核。
信号三：技术选型是"赶时髦"，不是"匹配问题"
伪需求项目有一个共同特点：技术选型是倒推的——先定了"要用AI"，再去找"能用AI解决的问题"，而不是反过来。
结果就是：用大模型做简单分类问题（规则系统就能解决）、用计算机视觉做本来人工只需要看一眼的场景、用复杂推荐算法做用户量很小的内部系统。
某零售企业做了一套"AI智能选址系统"，用深度学习模型预测新店选址的成功率。
听起来很高级。
但实际上，这家企业每年新开门店不超过五家，历史数据只有三十多个门店的样本。用深度学习做这种小样本预测，技术上就不合理，更别说业务价值了——一年开五家店，老板自己拍板都比模型靠谱。
信号四：没有清晰的闭环评估机制
真的AI项目，上线后有清晰的评估机制——业务指标有没有改善？用户反馈好不好？模型效果有没有漂移？这些数据是持续跟踪的。
伪需求项目，上线即终点。系统跑起来、演示做完、汇报材料写完，就没有然后了。没人跟踪业务指标，没人收集用户反馈，没人负责持续迭代。
因为它的目标从一开始就不是"产生业务价值"，而是"完成AI转型的动作"。
信号五：业务部门是被动参与的
这个是组织层面的信号。
真的AI项目，业务部门是主动推动的——他们有痛点，需要AI帮忙解决，所以深度参与需求定义、方案设计、上线测试。
伪需求项目，业务部门是被动参与的——IT部门或外部供应商主导，业务部门只是"配合"。配几个人、提供些数据、参加几次会议，但心里并不觉得这个项目有多迫切。
没有业务部门的真心参与，AI项目上线后基本不可能用起来。
伪需求为什么会产生？三个根因
把信号说完了，再挖一下根子。伪需求不是无缘无故产生的，它往往有三个深层原因。
根因一：把"手段"当成了"目标"
AI是手段，不是目标。
但很多企业做AI转型的时候，目标变成了"我们要做AI"——把手段当成了目标。
目标一旦错了，后面的所有动作都会偏。
某家电企业的CEO在年度战略会上说："今年各部门都要有一个AI项目。"这句话一出来，各部门开始"找AI项目"——不是从业务痛点出发，而是从"要有AI项目"出发。
结果就是：市场部做了一个"AI写文案"的工具（和业务核心指标关系不大），生产部做了一个"AI排产"的系统（但排产的核心约束是订单不稳定，AI解决不了这个问题），财务部做了一个"AI报销审核"（但报销量很小，人工处理已经够快了）。
三个项目都做了，但没有一个触及企业的核心业务痛点。
根因二：缺乏"业务价值可衡量"的立项标准
很多企业立AI项目，没有一道硬杠杠：这个项目上线后，业务价值如何衡量？
没有这道杠杠，立项时就容易被"技术可行性"主导——能做出来，就立项；至于做出来有没有人用、能不能产生价值，后面再说。
但AI项目的陷阱恰恰在这里：能做出来≠能用起来≠能产生业务价值。
这三道门槛，每一道都会刷掉一批项目。立项时只过了第一道，后面两道就会变成"烂尾"的原因。
根因三：管理层对AI的认知是"形象工程导向"的
这个根因最深层，也最难解。
如果管理层对AI的认知，停留在"这是企业实力的象征"、"政府补贴需要"、"投资者爱听"这个层面，那么下面的人自然会按照这个指挥棒做——做表面文章，做参观效果好、汇报材料好写的项目。
某地方国企，AI项目的验收标准是"有没有在行业会议上做过经验分享"、"有没有被媒体报道过"——你没看错，验收标准不是业务指标，是宣传指标。
这种指挥棒下，不可能长出真正的AI转型项目。
如何在立项阶段就把伪需求筛掉？
理论说完了，说点可操作的。
给一个AI项目立项前必答的五个问题，有一个答不清楚，就暂缓立项：
问题一：这个项目要解决的具体业务问题是什么？
要求：用一句话说清楚，而且这句话里不能有"AI"这两个字。
比如："我们要降低售后服务的重复报修率"——这个问题定义里没有"AI"，AI只是可能的解决方案之一。
如果这个问题定义必须依赖"AI"才能说清楚，那很可能是先定了要用AI、再倒推出来的问题。
问题二：解决这个问题后，业务指标会怎么变化？
要求：说出具体的指标名称和变化方向。
比如："重复报修率从目前的18%降低到12%以下"、"售后服务成本每季度减少五十万元以上"。
说不出具体指标的，或者只能用"提升智能化水平"这种模糊表达的，暂缓立项。
问题三：如果不用AI，有没有其他方式解决这个问题？
这个问题是用来判断"AI是不是最合适的解法"。
如果不用AI也有解法，而且成本更低、速度更快——那为什么要选AI？要把这个问题想清楚。
如果不用AI就没有可行解法——那这个项目值得认真做。
问题四：业务部门愿意为这个项目的结果负责吗？
要求：有一个业务负责人，愿意把自己的KPI和这个项目绑定。
如果业务部门不愿意负责任，说明他们内心并不认为这个项目能解决自己的痛点——那这个项目大概率会变成伪需求。
问题五：项目上线后，有没有清晰的评估机制和迭代计划？
要求：说清楚上线后跟踪哪些指标、谁负责跟踪、多久复盘一次、效果不好怎么办。
回答不了这些问题的，说明项目团队只想到了"上线"，没想到"上线以后"。
五个问题有一个答不清楚，就暂缓立项，想清楚再启动。
写在最后
"为AI而AI"的伪需求和形象工程，危害不只是浪费钱——它消耗了组织对AI转型的信任和耐心。
做过一轮形象工程的企业，再想做真的AI项目，会遇到更大的阻力——因为大家已经形成了"AI就是搞表面文章"的印象。
避免伪需求的核心，其实就是一句话：立项时多问几个"为什么"，上线后多盯几个业务指标。
想清楚再动手，比赶着上线重要得多。
下一篇，我们来谈谈：AI转型和企业现有数字化战略如何衔接？
你们企业有没有见过"为AI而AI"的项目？是怎么识别出来的？欢迎在评论区分享你的观察。
【标签】 #AI伪需求 #企业AI #AI形象工程 #AI避坑 #AI项目立项 #企业数字化 #人工智能 #数字化转型 #AI认知 #WorkBuddy创作 #WorkBuddy协助 #WorkBuddy
本文由WorkBuddy AI助手协助创作，内容经过人工审核与优化。
