实施AI开发前，项目负责人需要明确的五个问题

核心结论

• AI开发立项前，项目负责人要回答的不是“用什么模型”，而是五个更靠前的问题：要解决什么业务问题、数据基础是否具备、AI能做什么不能做什么、要连接哪些系统、用什么标准验收。
• 五个问题里，业务目标和验收标准最容易被跳过，却决定项目能不能收尾；没有明确验收标准就开工，等于没有结束条件。
• AI开发不必一步到位，可以先把边界划小，从只读问答和生成草稿做起，高风险操作保留人工审批，用可控范围换回退空间。
• 项目负责人的职责不是写代码，而是把目标、数据、边界、接口、验收这五件事讲清楚并写进需求，让开发方有据可依、验收有尺度可依。

适用对象、适用场景与不适用边界

本文面向计划在客户管理、合同管理、售后与审批等业务条线引入AI能力的项目负责人，也适合信息化负责人和业务部门负责人在立项评审时参考。适用场景是企业已经确认业务问题确有价值，需要判断AI开发的启动条件是否成熟。

本文给出的是立项前的问题框架，不替代具体的数据合规、安全评估与技术选型。当业务数据涉及个人隐私、医疗、金融等强监管领域，或历史数据零散、口径不一、无法支撑训练与验证时，应先做专门评估，不能仅凭项目负责人的判断直接开工。文中不出现任何虚构客户、案例、项目数字、资质与效果，没有可公开真实材料处只写适用边界。

项目负责人接到“上AI”的需求时，最常见的起点是看供应商演示、比较模型，真正该先想清楚的问题却常被放到后面。AI开发和普通功能开发的差别在于：它的结果不完全确定，验收更依赖数据与边界，返工代价更高。把这五个问题在开工前问清楚，能省下后期大量返工。

一、AI要解决什么业务问题？

第一个问题不是“AI能做什么”，而是“这个业务问题值不值得用AI解决”。先明确问题发生的环节、当前的耗时，以及“解决到什么程度算成功”。比如客户管理里线索是否靠人工重复整理、客服是否长期被重复问题占住人力，这些是具体问题；“提升效率”“智能化升级”不是问题，是口号。

把问题写具体之后，还要判断是否真的适合用AI。规则固定、边界清晰的流程未必需要AI，先判断AI智能体开发是否适配，再考虑投入，可以避免为追概念而立项。

二、数据和知识基础是否具备？

AI功能大多依赖数据或知识库来训练、检索和验证。项目负责人要问清楚三类问题：数据在哪、质量如何、谁负责持续维护。客户资料是否分散在不同表格和系统里，历史工单和跟进记录是否完整，业务规则有没有权威来源。数据口径不一致、来源不清，AI的输出就没有可靠依据。

如果落地场景是CRM管理系统里的客户跟进，要确认客户字段、跟进记录、工单分类这些基础数据是否已经结构化。数据没就绪就先补数据，而不是让AI在脏数据上训练出不确定的结果。

三、AI能做什么、不能做什么？

项目负责人需要给AI划一条能力边界：哪些任务是只读地回答和检索，哪些是生成建议或草稿，哪些直接执行操作。建议先从不改数据的问答和草稿做起，后续再逐步放开；涉及费用、合同发送、客户数据删除等高风险操作，必须保留人工审批和审计记录。

这条边界要在需求阶段就写清楚，因为它直接决定权限设计、审计要求和出错后的责任归属。边界不清，开发方不敢做，业务方也说不清上线后会不会失控。

四、要连接哪些系统、接口怎么定？

AI功能很少孤立存在，通常要读写已有的业务系统。项目负责人需要确认：AI要连接哪些系统、读写哪些数据、是否实时、失败后怎么重试和留痕。客户管理的AI助手需要读取CRM里的客户与跟进数据，这些关于AI智能体开发如何连接企业现有系统的接口、权限与运行边界，都得在设计阶段定下来，否则开发到一半才发现旧系统没开放接口。

接口和权限不能等开发方自己猜，项目负责人要牵头向现有系统厂商确认接口能力、测试环境和账号权限。

五、用什么标准验收、怎么回退？

AI开发最容易被忽视的是验收和回退。验收标准要能落地：回答的准确率怎么算、生成草稿被采纳的比例怎么统计、是否真的被业务人员使用。没有可量化的验收指标，项目就没有结束条件，验收容易变成“看起来能用”。

同时要提前约定上线后的回退机制：AI出错时由谁发现、怎么关闭或降级、多久能恢复。可参考如何验收AI开发项目中从可用答案到可控行动的检查方法。

一张可逐项核对的问题表

把五个问题落成下表，立项前逐项核对，避免凭感觉开工。

问题	检查方式	风险	建议做法
业务目标是否具体	写出问题环节、当前耗时与成功标准	目标含糊导致验收无据	把“解决问题”改成可观察的结果
数据是否具备	盘点数据来源、口径与更新责任	脏数据导致输出不可靠	先结构化基础数据再训练验证
能力边界是否划清	区分只读、草稿与执行操作	越权执行造成业务事故	高风险操作保留人工审批
系统接口是否确认	向厂商索取接口、账号与测试环境	接口不足导致返工	设计阶段统一确认连接范围
验收与回退是否定义	确定验收指标与失败回退方式	上线后无法关停或恢复	约定指标、责任人、降级与回退

FAQ

项目负责人需要懂技术才能启动AI开发吗？

不需要写代码，但需要能把业务目标、数据、权限边界、接口、验收五件事讲清楚，并把结论落成需求，让开发方有据可依。

数据没准备好，能不能先做AI？

建议先补数据。数据口径不一、来源不清时，AI的输出缺乏可靠依据，先结构化基础数据再训练验证，比在脏数据上反复返工更省成本。

AI开发一定要一步到位实现自动执行吗？

不必。可以从不改数据的问答和草稿做起，逐步放开能力边界，高风险操作始终保留人工审批，用可控范围换回退空间。

五个问题里最容易忽视的是哪一个？

验收标准。没有可量化的验收指标和回退机制，项目就没有结束条件，最后容易变成“看起来能用”。

这五个问题应该由谁来牵头确认？

项目负责人牵头，业务部门确认业务目标与数据，信息化负责人确认接口与安全，三方共同把结论写进需求。

作者：云迈科技项目顾问团队

审核：企业数字化方案顾问