一个企业 AI 项目至少要通过四个阶段：业务诊断、原型评测、工程集成、上线运营。每个阶段都应有明确交付物和退出条件。
阶段一：业务诊断
先确认谁使用、处理什么输入、需要什么输出、当前成本在哪里、哪些错误不能接受。不要以“公司要用大模型”作为需求。
本阶段交付物
- 目标用户和核心任务；
- 现有流程与系统；
- 可用数据和权限边界；
- 业务价值假设；
- 成功指标与不可接受风险。
阶段二：原型与评测
选择一批真实样本，不连接所有系统，先验证模型是否能达到最低质量。评测不能只靠团队“看起来不错”，需要固定问题和评分规则。
本阶段交付物
- 可操作原型；
- 候选模型比较；
- 真实业务测试集；
- 准确性、成本、时延和风险结果；
- 继续、调整或停止的决定。
如果原型在真实样本上达不到最低要求，应该调整任务或停止，不要用更多系统开发掩盖模型能力问题。
阶段三：工程集成
原型通过后，才进入生产系统建设。此时要补齐身份、权限、数据库、API、日志、监控、配置、异常处理和回滚，不只是把原型代码搬到服务器。
本阶段交付物
- 前后端应用与接口；
- 模型接入和配置管理；
- 知识、工具与业务系统集成；
- 权限、日志和审计；
- 自动化测试、部署和运维文档。
阶段四：上线与运营
先小范围灰度，观察真实用户任务。建立问题反馈、人工修正、知识更新、提示版本和模型升级流程。AI 应用不是一次性交付后永久不变。
本阶段交付物
- 灰度和正式发布计划；
- 运行监控看板；
- 用户培训与使用规范；
- 质量复测和事故处理流程；
- 月度迭代清单。
项目负责人每周要看什么
- 本周处理了多少真实任务；
- 用户是否完成目标；
- 高风险错误有哪些；
- 人工修正集中在哪里；
- 平均时延和单任务成本；
- 哪些问题来自模型，哪些来自数据、流程或界面。
结论
企业 AI 项目的关键不是尽快选中一个最强模型，而是建立从业务任务到持续评测的闭环。先小范围验证，再完成工程化，最后用真实使用数据扩展。