AI 项目立项前，必须先问客户的 5 个问题

做了十几年项目，我发现一件事：项目的成败基本在立项那天就定了。

后面所有的加班、返工、扯皮，都是在还第一天欠下的账。所以现在我做任何 AI 项目之前，这 5 个问题一定要问清楚 —— 有一个答不上来，我就不接。

一、这件事现在谁在做？一周花多少小时？

这个问题是筛掉伪需求的。如果答案是「现在没人做」或者「偶尔做一下」，那通常意味着这件事不值钱。

真正值得做的项目，往往是某个员工每周固定花掉 6 小时以上的重复劳动。因为只有已经在消耗的成本，才是能被节省的成本。

如果客户说不清具体多少小时，就让他跟一次完整的流程，自己掐表。凭感觉估的数，最后都会变成验收期的争吵。

二、这个数字错了会怎样？

这个问题决定项目的精度要求，也决定要不要做。

如果错了只是「不太好看」，那不值得投入；如果错了会导致对账不平、客户投诉、甚至监管问题，那才值得认真做，也才收得上价。

反过来，很多客户一上来就说「要准确率 99.9%」，但追问下来发现，错一次的实际损失可能就几块钱。为几块钱的损失做 99.9% 的精度，是把钱花在错的地方。

三、谁为最终结果负责？

这是最容易被跳过、也最容易出事的问题。

AI 项目最常见的死法不是技术不行，是上线之后没人管：模型效果下降了没人发现，接口变了没人修，业务规则改了没人同步。三个月后打回原形。

所以立项时必须明确：上线后谁日常看？出了问题谁第一个发现？谁有权决定改还是不改？如果客户内部没有一个明确的人，那这个项目不该做 —— 或者需要把「有人盯着」这件事一起卖给他。

四、能不能先做一个最小版本？

大部分客户的需求清单都能砍掉一半。不是因为他们贪心，而是因为大部分人分不清「想要」和「需要」。

我通常的做法是：让客户把需求按「没有它业务就转不动」和「有了更好」分成两堆，然后只做第一堆。第一版永远只验证一件事：客户愿不愿意为这个结果继续付钱。

如果第一版做完客户说「还行，但你再加个功能就好了」，这其实是个危险信号 —— 说明第一版没打到痛点。

五、如果这个项目明天停了，损失是什么？

这个问题是识别「真需求」的照妖镜。

如果客户想了半天说不出来，那说明这件事对他并不重要，项目大概率会半途而废。如果他能立刻说出具体的业务影响，那说明这是真需求，值得投入。

---

为什么这 5 个问题值钱

它们不是为了显得专业，而是为了在投入之前把风险摊开。

中小企业做 AI 项目，预算和耐心都有限。一次失败的经历，可能就让老板此后三年都不再碰这件事。所以帮客户砍掉不该做的项目，和帮他把该做的做成，同样重要。

做场景判断时，也要允许结论是“暂时不要做”——有些需求用一张更清楚的表格或一个便宜的现成工具就能解决。这种判断，恰恰是「买工具」替代不了的。