# AI驗證期，先把達標線寫清楚

> AI驗證期結束，服務商拿出一張結果表：生成了多少條內容，搭建了多少個能按指令執行任務的人工智能（AI）工具，系統運行了多少次。

來源：https://www.starbox.work/zh-hant/insights/ai-adoption/fde108/（星盒AI 知識中心，更新於 2026-10-04）

AI驗證期結束，服務商拿出一張結果表：生成了多少條內容，搭建了多少個能按指令執行任務的人工智能（AI）工具，系統運行了多少次。

企業關心的卻是另一組問題：這些內容實際採用了多少？員工是否持續使用？原來的工作時間、協作人數和返工次數有沒有減少？

服務商證明的是“完成了多少工作”，企業判斷的是“業務發生了什麼變化”。雙方依據不同，數據再完整，也很難得出一致結論。

問題往往早在驗證開始前就已經出現：雙方沒有共同確定看哪些指標，沒有記錄項目開始時的真實情況，也沒有約定觀察多久、怎樣統計以及未達標如何處理。

所謂驗證期，是企業正式擴大投入前，用有限時間檢驗方案是否適合實際業務；達標線，則是雙方提前確定、到期後用來決定繼續、調整或終止合作的標準。它不能由服務商單方面提出，也不能由企業臨近驗收時增加，必須能夠統計、核對，並寫進合同或附件。

## 能運行，只能證明功能可用

AI能夠生成內容、回答問題或完成指定任務，説明功能可以運行。企業是否值得繼續投入，還要看它能否進入日常工作，產生持續、可以測量的變化。

美國麻省理工學院研究企業AI應用的Project NANDA項目組，在2025年發佈的初步研究報告[《The GenAI Divide: State of AI in Business 2025》](https://replyfabric.ai/documents/MIT_GenAI_Divide_State_of_AI_in_Business_2025.pdf)中稱，約5%的定製化企業AI工具達到了報告所定義的成功實施：不再停留於試用，並帶來顯著、持續的生產率或經營結果變化。在報告採訪的樣本中，與外部機構合作開發的項目約67%進入實際部署，內部自建項目約33%，前者約為後者的兩倍。

這些數字來自對52家機構的訪談等研究材料，部分結果由受訪者自行報告。報告也明確提示，不同機構對“成功”的定義並不完全一致，項目選擇、企業能力和觀察時間都可能影響結果。因此，它們適合説明“完成試用”和“進入日常業務”存在差別，不能直接充當某家企業的驗收標準，更不能據此斷定外部合作一定優於內部建設。

個人覺得工具好用，同樣不能證明組織已經完成應用。員工是否持續使用，崗位分工有沒有調整，原來的工作流程是否改變，企業內部的標準操作方法是否同步更新，都會影響試用結果能否延續。

![AI驗證期，先把達標線寫清楚](/static/img/insights/ai-adoption/fde108-2.jpg)

## 指標要從業務結果往回定

“生成了多少條內容”容易統計，但它只説明產出數量。判斷內容生產項目是否有效，還應觀察實際採用數量、完成時間、參與人數、修改次數等與業務有關的變化。

可以把指標分成三層：

- 產出指標：生成了多少內容，完成了多少項任務。
- 採用指標：多少內容被髮布，多少員工持續使用，AI參與了多少實際工作。
- 業務指標：完成周期是否縮短，重複勞動是否減少，質量或成本是否發生變化。

產出指標可以保留，卻不能單獨證明項目有效。選定一項指標前，雙方需要共同回答：這項指標即使達標，是否足以説明業務出現了預期變化？如果答案是否定的，就要增加採用指標或業務指標。

指標名稱確定後，還要寫明統計範圍。統計範圍包括哪些數據計入、哪些不計入、數據來自哪裏、怎樣計算、由誰負責以及多久同步一次。只寫“使用率提高”或“效率明顯改善”，到期後仍然無法核對。

![AI驗證期，先把達標線寫清楚](/static/img/insights/ai-adoption/fde108-3.jpg)

## 沒有基線，提升比例就沒有可靠起點

基線指驗證開始前，企業按約定方法測出的真實業務狀態。

以內容生產為例，雙方可以提前記錄：每週完成多少條內容，每條平均投入多少時間，需要多少人蔘與，通常修改多少次。驗證結束後，再用相同範圍和計算方法測量一次。

如果起點來自事後回憶，結果很容易受到解釋方式影響。驗證期間一旦發生人員增減、任務數量變化或統計方法調整，也無法判斷變化究竟來自AI，還是來自其他因素。

一項公平的比較至少要滿足兩個條件：起點在驗證前形成記錄，前後採用相同的計算方法。遇到業務量明顯變化，還要説明如何換算，不能直接比較兩個條件不同的數字。

![AI驗證期，先把達標線寫清楚](/static/img/insights/ai-adoption/fde108-4.jpg)

## 觀察時間要符合企業的業務節奏

週期太短，測到的可能只是員工剛接觸新工具時的使用熱度；週期過長，又會削弱驗證期控制投入風險的作用。

合適的週期應當覆蓋至少一個完整的業務過程。內容營銷如果需要經歷選題、製作、發佈和效果觀察，只看前幾天的生成數量，無法判斷內容是否採用，也無法觀察穩定使用情況。若一項業務本來每季度才完成一次，僅驗證兩週，同樣得不出可靠結論。

雙方還應約定哪些情況可以暫停計時。例如關鍵數據遲遲未提供、系統長期無法使用或企業業務臨時中斷，都可能使原定週期失去可比性。是否暫停、暫停多久、恢復後怎樣計算，應當提前寫清。

## 未達標後的安排，必須提前確定

只寫達標後的續約條件，沒有寫未達標如何處理，驗證期就缺少完整的結果安排。到期後雙方利益已經發生分歧，再臨時協商，往往很難形成一致意見。

常見處理方式包括：

- 調整：核對未達標原因，在雙方書面確認後修改方案或延長觀察期。
- 退出：終止合作，按照原約定處理已經發生的費用和已有成果。
- 抵扣：把約定範圍內的部分前期投入，轉為其他服務的費用。

採用哪一種沒有統一答案，關鍵在於提前寫明適用條件。延長週期不能由一方決定，調整指標也不能在看到結果後改變原來的判斷標準。

數據和成果歸屬也應在這一階段確定。數據合規，指企業在收集、存儲、傳輸和使用數據時，是否符合適用的法律規定、合同約定和內部制度。雙方如果把某項合規要求設為“一旦不滿足就判定未通過”的條件，就要同時寫清判斷依據、檢查方式和責任人。

新京報貝殼財經發布的[《中國企業家人工智能應用調研報告（2025）》](https://m.bjnews.com.cn/detail/1753782186129556.html)共收集128位企業負責人的有效樣本，受訪主體包括中小企業、大型集團、初創公司和頭部平台。其中，51.56%的受訪企業期待加強數據安全與合規指引。這個比例反映的是企業對相關政策指引的期待，不能表述為“51.56%的中小企業把數據合規列為核心顧慮”。

成果歸屬同樣需要具體約定。驗證期生成的內容由誰使用，業務數據能否導出，企業整理給AI使用的資料集合由誰保留，合作結束後服務商能否繼續存儲，相關賬號和權限怎樣交接，都不能留到不續約時再談。

## 把驗收規則寫進同一份附件

以下內容可以合併成一份驗證期驗收附件，避免合同、項目方案和口頭承諾各寫一套：

| 事項 | 必須寫清的內容 | 簽約前直接詢問 |
|---|---|---|
| 指標選擇 | 採用哪些產出、使用和業務指標，各自承擔什麼判斷作用 | 這條達標線依據我們的歷史數據，還是無法核對的所謂“行業平均”？ |
| 統計方法 | 統計對象、計入與排除規則、數據來源、計算方法、負責人和同步頻率 | 這個指標具體怎麼統計，由誰統計，多久同步一次？ |
| 驗證前基線 | 項目開始前的真實數據、測量日期和原始記錄 | 我們當前的真實基線是多少，由誰測、怎樣測？ |
| 觀察週期 | 起止時間、覆蓋的業務過程、暫停和恢復計時的條件 | 這個週期能否覆蓋一次完整業務過程？ |
| 達標定義 | 明確數值或區間；多項指標發生衝突時如何判定 | 哪些條件全部滿足才算通過？ |
| 未達標處理 | 調整、延長、退出或抵扣的適用條件及費用處理方式 | 到期沒有達標，具體怎樣處理，能否現在寫進附件？ |
| 數據與成果 | 數據使用範圍，內容和資料歸屬，賬號權限，合作結束後的保留、交接或刪除安排 | 如果不續約，內容、業務數據和企業提供給AI的資料分別歸誰？ |

任何一項缺失，都可能使達標線失去執行條件。尤其是統計方法、未達標處理和成果歸屬，合作順利時容易被忽略，出現分歧時又最難補充。

## 三種説法，不能代替驗收標準

**“按結果付費，就沒有風險。”**

按結果付費，是根據雙方約定的結果決定付款。如果“結果”本身沒有明確數值和計算方法，爭議只會變成“究竟算不算達標”。服務商宣傳中的退款或效果承諾，也要逐條核對適用條件，不能直接理解為無條件保證。

**“驗證期越短，越能快速看出效果。”**

驗證週期短於業務本身的完成時間，只能看到局部表現。過早宣佈通過或失敗，都可能依據不足。

**“員工試用後覺得順手，就算通過。”**

個人感受可以作為反饋，但不能代替業務數據。員工願不願持續使用，流程是否調整，原有工作是否減少，都需要單獨測量。

## 公平來自事前使用同一套規則

AI驗證期要回答的是：按照企業現有條件和實際業務結果，這項投入是否值得進入下一階段。

答案不能依靠到期後的重新解釋。雙方需要在開始前確定指標、基線、計算方法、觀察週期和結果處理方式，同時約定數據合規要求以及內容、數據和企業資料的歸屬。

到期後按同一套規則核對結果，達標就繼續，存在可修正問題就調整，不具備繼續條件就按約定退出。這樣的達標線既能幫助企業控制投入，也能讓服務商用可以核對的結果説明工作價值。