先有指标，再谈模型

当一家企业决定“用 AI 做点什么”时，第一个被选中的项目通常最显眼：面向客户的智能助手、给董事会看的预测大屏、年会上一个惊艳的演示。这几乎总是错误的起点。

正确的第一个项目，是让之后每一个项目都可以被衡量的那个。它很少令人兴奋，通常只是一段“管道”：把一场关于“进展如何”的争论，变成一个所有人都认可的数字。

没定义清楚的东西，没法改进

设想一个团队希望用 AI 模型给进来的客服请求做分诊。显而易见的问题是用哪个模型。更好的问题是：我们现在怎么知道一个请求分诊得好不好？在大多数组织里，答案是没人知道。没有“正确”的共同定义，没有分诊之后发生了什么的记录，也没有今天要花多长时间的基线。

缺了这些，项目不可能成功，因为“成功”从未被定义，只能被宣布。而一个由建造者自己宣布成功的项目，财务总监不会第二次拨款。

不起眼的第一个项目

所以我们推荐的第一个项目，几乎总是一个度量项目。以客服为例，它意味着：

1. 书面约定一个分诊良好的请求长什么样——进了正确的队列、定了正确的优先级、在规定时间内完成。
2. 从现有系统中自动记录每个请求的这一结果。
3. 每周发布基线：请求量、当前分诊的准确率、首次响应时间、返工率。

这通常需要四到六周。什么都没自动化，也没人拿到演示。但结束时，企业精确地知道了自己的起点——并且拥有一份带标注的历史请求数据，它同时就是日后评估任何模型的评测集。

后面的项目排在它后面

一旦指标存在，后续项目的顺序几乎自己就出来了：在基线最差、量最大的环节先做自动化；用同一个数字来衡量；数字动了就扩大，没动就停下——你损失的是几周，而不是一年。

这个顺序也改变了内部政治。关于 AI“有没有用”的争论，变成了关于一张图表的讨论，而后者要短得多。原本持怀疑态度的团队能在基线里看到自己的工作，并主动提出哪里最需要自动化。

好指标的共同点

• 衡量的是企业本来就在意的结果，而不是模型分数。
• 能从现有系统自动计算，不需要人工统计。
• 有一位技术团队之外的负责人。
• 在做出任何改变之前就已经开始测量。

最后一点最常被跳过，也最重要。一个在项目上线后才开始记录的指标，无法证明项目的任何价值。先测量，再动手。