你的AI项目为什么总翻车？
不是模型不聪明，是系统没装完

前几天，有个朋友跟我吐槽。他们公司做了一个AI客服，上线两个月，老板已经准备砍掉了。

我问他：「模型不行吗？」他说：「也不是，模型挺贵的，用的还是大模型。」我又问：「知识库谁维护？」他停了一下。我继续问：「AI答错了谁审核？客户问订单，它能不能查系统？客服原来的流程改了吗？出了问题能追溯吗？」他沉默了。

聊到这里，答案已经出来了：不是模型不行。是这台车，根本没装完。

最近跟不少做AI落地的朋友聊天，我发现一个很典型的现象：一聊AI，大家眼里只有一块积木——模型。「我们上了千问。」「我们用的是GPT-4o。」然后呢？然后项目黄了，或者半死不活。很少有人追问一句：除了模型，你还有啥？

今天不讲新工具，就用一张清单，帮你给自己的AI项目做一次体检。我把它叫做：AI项目七块积木体检表。七块积木，二十一个检查项。照一照，就知道你的AI项目到底缺在哪。

一个真正能用的AI系统，不是「接个大模型」就完事了。它更像一台车。

光有发动机，车跑不起来。光有模型，AI项目也活不下去。AI项目不是模型采购题，而是系统搭建题。

下面每块积木，我都给你三个自测问题。三个都答得上，这块基本过关。只要有一个答不上，它就可能是你的翻车点。

• □ 你的AI能用到真实业务数据吗？不是网上随便抓的，也不是几份临时文档。
• □ 这些数据是干净、更新、有权限管理的吗？
• □ 当业务数据变了，AI的回答会自动跟上吗？

很多项目一开始就错在这里。模型接上了，但喂进去的是三个月前的旧文档。客户问最新价格，AI报了一个老数字。销售说AI不靠谱，技术说模型不够强。但真正的问题是：你给它的汽油本来就是脏的。数据不行，模型再大也白搭。

这周先做什么？ 把AI会用到的前20份核心资料列出来，给每份资料标上三件事：谁负责、什么时候更新、哪些人和哪些AI场景可以用。

• □ 你选的模型，是为这个任务专门挑的，还是「反正就用最大的那个」？
• □ 你测过它在你自己的业务数据上表现如何吗？
• □ 它的成本和速度，业务真的能接受吗？

模型不是越大越好。很多时候，项目不是输在模型太弱，而是输在模型用错了地方。比如，用顶级大模型写内部周报，一个月烧掉几万块，业务算完账还是停了——这是杀鸡用了牛刀。还有一种情况更常见：模型排行榜看了一堆，真实业务样本一个没测。上线后才发现，模型一碰到自己公司的产品名、流程名、内部缩写，就开始胡说。模型不是越贵越好，是越合适越好。

这周先做什么？ 拿出10到30条真实业务样本。不要只问「哪个模型更强」，要问：哪个模型在我的任务上更稳？成本业务能不能接受？速度会不会拖慢流程？

• □ 你给AI的指令，是「帮我写个文案」这种一句话，还是有角色、任务、规则、输出格式的完整说明？
• □ 不同业务场景，你有不同的提示词模板吗？
• □ 提示词改一版，有人测试和对比效果吗？

很多公司把提示词当成个人手艺。谁会写，谁就厉害。结果全公司只有一个人会调AI，他一离职，AI立刻变傻。这说明提示词没有变成团队资产。提示词不是玄学，它至少应该包含：AI扮演什么角色、要完成什么任务、不能做什么、输出什么格式、遇到不确定信息怎么办、哪些内容必须交给人判断。提示词不是个人灵感，是团队资产。得写下来，管起来，测起来。

这周先做什么？ 把常做的三个AI场景找出来，每个场景沉淀一个标准提示词模板。不要追求完美，先让团队有一版可复用的驾驶指令。

• □ AI回答问题前，会先查企业自己的资料吗？
• □ 知识库里哪些内容可信、哪些过期，有明确标记吗？
• □ AI回答时能不能给出依据，方便人追溯？

没有知识库的AI，就像一个记性很好、但不看公司资料的新员工。很多AI客服翻车，不是因为语言能力差，而是因为它不知道公司的真实政策、最新价格和例外流程。RAG不是一个技术名词，它的本质是：让AI先查资料，再开口。

这周先做什么？ 先挑一个高频业务场景，整理一版「AI必须优先查询」的资料包。不要一上来就做全公司知识库，先让一个场景跑通。

• □ AI能不能查订单、查库存、查客户状态，而不是只会聊天？
• □ AI调用工具时，有没有权限边界和操作日志？
• □ 高风险动作，比如退款、发合同、改数据，是否需要人工确认？

很多AI项目看起来很聪明，但一到关键动作就卡住。客户问「我的订单到哪了」，AI回答「建议您联系人工客服」——那它就不是AI客服，只是一个会说话的FAQ。真正能落地的AI，不能只会生成文字，还要能调用工具。但这里也有风险：能查系统、能发邮件、能改数据，就必须有权限、有记录、有确认。AI有手脚之前，先给它装上刹车。

这周先做什么？ 列出AI优先接入的三个工具：查询类优先，写入类谨慎。先让AI会查，再考虑让AI会改。

• □ AI输出之后，下一步谁接？
• □ 原来的业务流程有没有因为AI而重新设计？
• □ 一线同事知道什么时候用AI、什么时候不用AI吗？

很多AI项目不是不能用，而是没人用。因为它被做成了一个外挂。员工还要复制粘贴、来回切换、自己判断能不能用，时间久了自然回到老办法。AI如果没有嵌进流程，就会变成一个「看起来不错，但没人顺手用」的摆设。

这周先做什么？ 画出一个真实业务流程，从触发、输入、AI处理、人工确认到结果归档，标出AI应该出现在哪一步，而不是单独做一个入口。

• □ 哪些场景AI可以直接回答，哪些必须人工审核？
• □ AI答错、漏答、越权时，谁负责处理？
• □ 有没有复盘机制，把错误变成下一轮优化素材？

AI不是用来替人承担责任的。尤其在合同、财务、医疗、法务、客户投诉这些场景里，完全放手让AI自己跑，风险很高。人工审核不是低效，它是系统安全的一部分。真正成熟的做法反而更克制：低风险任务自动化，高风险任务人机协同，重大决策必须有人兜底。AI越能干，越需要清楚边界。

这周先做什么？ 给AI任务分三级：可自动处理、需人工确认、禁止AI处理。先把边界写清楚，再谈效率。

数据：真实、干净、可更新吗？
模型：适合任务、经过业务样本测试、成本可接受吗？
提示词：有模板、有规则、能复用和迭代吗？
知识库/RAG：会查资料、能追溯、能识别过期内容吗？
工具调用：能查系统、有权限边界、有操作记录吗？
业务流程：嵌进真实流程、有人接下一步、团队知道怎么用吗？
人工审核：风险分级、责任清楚、错误能复盘吗？

如果你现在手上有一个AI项目，可以直接拿这21个问题过一遍。不要先问「要不要换模型」。先问：这七块积木，我到底装齐了几块？ 如果只装了模型，其他全靠临时补，那项目翻车不是意外，是迟早。如果七块积木都开始有了，哪怕模型不是顶尖，也有机会跑起来。

AI落地容易让人误判的地方，是它太会说话了。它一开口，大家就以为系统已经完成了。但会说话，只是发动机响了。数据有没有接上？导航有没有地图？手脚能不能做事？流程有没有改？安全带有没有系？这些才决定它能不能真正上路。别再怪模型了。你的AI项目，可能只是还没装完。

关注「知一与AI」，我们继续聊 AI 落地真正该补齐的那几块。