AI 项目失败，不要总是埋怨模型不够好

AI项目黄了，别总让模型背锅。作者发现，绝大多数项目根本不是技术不行，而是死在上线前后。

上线前：需求没想清。测试集怎么造、啥叫合格、业务指标提多少才算成功，这些都没定。开发按自己的理解做出来，自然没人敢用。

上线后：当成软件交了钥匙。知识库不更新，用户踩坑没反馈闭环。员工被错误答案坑过几次，系统就彻底失去信任了。

失败的本质：把AI当软件交付。今天好用的模型，明天业务规则一改就可能胡说八道。说“模型不行”最省力，既不用碰管理难题，也不用换方案。

怎么救？立项时就得想清楚：
维护成本：预算得够，上线后谁来更新知识库得定死。
验收标准：写代码前就得定死，拿业务指标说话。
先跑窄场景：挑个高频刚需的小场景，跑出正反馈再扩。
找负责人：找个懂业务又懂技术的，对最终效果负责。

立项前先问自己五个问题：业务真痛吗？验收标准是啥？谁来维护？答错代价谁担？有没有更便宜的非AI方案？

技术只是开始，长期运营才是分水岭。